find & at 命令!!

langmanhufei 2004-11-25 07:38:49
1 find 命令
我想从根目录找到hello.c这个文件,然后删除掉,我执行
$find / hello.c rm
这样有什么错误??不能执行亚
2 at 命令
我执行
at 17:22 04/11/25
显示:
warning: commands will be executed using (in order) a) $SHELL b) login shell c) /bin/sh
at>
然后再at后面加上 ls >aaa
就是把ls的内容放到aaa里面,设定在17:22 04/11/25执行。然后ctl+d
这时date为17:20 04/11/25,呵呵
但是到了17:22的时候并没有如期生成aaa这个文件阿,怎么会是??at命令这样用有什么错误??

谢谢各位!

...全文
220 8 打赏 收藏 转发到动态 举报
写回复
用AI写文章
8 条回复
切换为时间正序
请发表友善的回复…
发表回复
aliezeng77 2004-11-26
  • 打赏
  • 举报
回复
rm |find /hello.c 可以吗?
pacman2000 2004-11-26
  • 打赏
  • 举报
回复
{}表示前面find出来的结果, \;是必须加的。
pacman2000 2004-11-26
  • 打赏
  • 举报
回复
find / -name "hello.c" -exec rm {} \;
foreverghost 2004-11-26
  • 打赏
  • 举报
回复
find / hello.c -exec rm -rf
langmanhufei 2004-11-26
  • 打赏
  • 举报
回复
我就是想一次执行
find命令有这个功能的
yunqing1028 2004-11-26
  • 打赏
  • 举报
回复
现找到
$find hello.c
再删除
$rm hello.c
也不是很麻烦啊
langmanhufei 2004-11-26
  • 打赏
  • 举报
回复
to pacman2000(pacman)(影子传说)
老大,你别害我啊,我执行了你的命令,把我的当前目录下所有文件都删了,只剩下空目录了!!!!!!!!!!!!!!!!!!!!!!!!!!!!!你可害死我了!!!!!!!!!!!!!!!!!!!!
langmanhufei 2004-11-25
  • 打赏
  • 举报
回复
at命令我知道了, at 17:22 04/11/25意思是2025年4月11号做这件事,呵呵,当然部队拉
改称
at 17:22 11/25/04
就好了
find还没有解决~
内容概要:本文围绕基于强化学习的电动汽车储能系统优化控制与存储容量优化展开研究,提出了一种结合强化学习算法的智能优化方法,用于解决电动汽车储能系统的能量管理与电池容量配置问题。通过构建合理的状态空间、动作空间和奖励函数,采用如Q-learning或深度Q网络(DQN)等强化学习算法,实现对储能系统充放电行为的动态决策优化,提升能源利用效率并延长电池使用寿命。同时,结合Matlab平台进行建模仿真,验证所提方法在不同工况下的有效性与鲁棒性,涵盖负荷波动、电价变化及用户出行需求等实际约束条件。研究不仅关注实时控制策略,还兼顾长期运行中的容量规划问题,形成控制与规划协同优化的整体解决方案。; 适合人群:具备一定自动化、电气工程或计算机背景,熟悉Matlab编程,从事新能源汽车、智能电网、储能系统等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车能量管理系统中,实现智能充放电决策;②用于科研项目中储能系统优化控制策略的设计与仿真验证;③支撑毕业论文、期刊投稿中的算法模型构建与案例分析。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注强化学习模型的构建过程与参数设置,并尝试在不同场景下复现与改进算法,以提升实际应用能力。
内容概要:本文围绕“基于VMD-BiLSTM的电力负荷预测研究”展开,提出了一种结合变分模态分解(VMD)与双向长短期记忆网络(BiLSTM)的混合预测模型,旨在提升电力负荷序列的预测精度。首先利用VMD对原始负荷数据进行自适应分解,将其划分为多个平稳的本征模态函数(IMF)分量,有效克服原始序列的非平稳性和复杂波动带来的干扰;随后,针对各分量分别构建BiLSTM神经网络进行时序建模与预测,充分发挥其在捕捉长期依赖关系和双向时序特征方面的优势;最后将各分量预测结果叠加还原为最终负荷预测值。实验部分基于实际电力负荷数据集,采用Matlab实现算法流程,并通过对比传统LSTM、单一BiLSTM及其它分解-集成模型验证了所提VMD-BiLSTM方法在降低预测误差(如MAE、RMSE等指标)方面的优越性与鲁棒性。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事能源预测、智能电网、机器学习应用等相关领域的科研人员及工程技术人员,尤其适用于研究生及以上层次的学习与研究。; 使用场景及目标:①应用于短期电力负荷预测,为电网调度、能源管理与电力市场决策提供高精度数据支持;②作为深度学习与信号处理技术融合的典型案例,帮助理解VMD在特征提取中的作用及BiLSTM在时序建模中的实现机制;③为后续研究引入注意力机制、优化VMD参数(如K值选择)或融合其他智能算法提供技术基础与实验平台。; 阅读建议:建议读者在学习过程中重点关注VMD分解的原理与参数设置、BiLSTM网络结构设计及其在Matlab中的实现方式,结合提供的代码进行分步调试与结果可视化,深入理解数据预处理、模型训练与性能评估的全流程,从而掌握先进预测模型的构建思路与工程实现技巧。

19,615

社区成员

发帖
与我相关
我的任务
社区描述
系统使用、管理、维护问题。可以是Ubuntu, Fedora, Unix等等
社区管理员
  • 系统维护与使用区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧