第十周个人周报 111211-韩义轩

111211韩义轩 2023-05-20 22:59:07

一、PSP表:

PSP各个阶段预估时间(分钟)实际记录(分钟)
计划:明确需求和其他因素,估计以下的各个任务需要多少时间2020
开发(包括下面8项子任务)2020
需求分析(包括学习新技术,新工具的时间)2520
生成设计文档(整体框架的设计,各模块的接口,用时序图,快速原型等方法)3020
设计复审(和同事审核设计文档,或者自己复审)2025
代码规范(为目前的开发制定或选择合适的规范)1010
具体设计(用伪代码,流程图等方法来设计具体模块)00
具体编码5060
代码复审3030
测试(自我测试,修改代码,提交修改)5040
报告1020
测试报告(发现了多少bug,修复了多少)2045
计算工作量(多少行代码,多少次嵌入,多少测试用例,其他工作量)2010
事后总结,并提出改进计划(包括写文档,博客的时间)

20

20
总共花费的时间(分钟)370430

 

二、本周计划完成任务和已完成任务:

本周计划完成任务:

完成迭代二所有任务,测试软件功能

完成任务:

完成设置功能

完成任务系统

对部分功能进行测试

三、个人对本周工作的感悟:

这周基本完成了对软件的开发测试,总体来说我认为这次开发任务极大提升了我编码的能力,对于QT也有了一定的了解。最重要的是对于软件开发的整体流程有了一个较为清晰的认识,我想这是我这次开发经历中最为重要的收获。和成员们一起开会讨论任务,制定计划,研究解决方案的经历也令我感到团队开发的魅力之处。

...全文
225 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文提出并实现了一种基于Transform-KAN混合架构的电力负荷预测模型,旨在通过融合Transformer在长序列建模中的注意力机制优势与Kolmogorov-Arnold Network(KAN)在函数逼近方面的高精度非线性拟合能力,显著提升负荷预测的准确性与鲁棒性。研究系统阐述了模型的整体结构设计、输入特征工程、训练流程及关键超参数配置,并利用真实电力系统历史数据进行多步预测实验,验证了该方法在处理非线性、非平稳负荷序列时的优越性能。重点探讨了新型神经网络结构在时间序列预测任务中的创新应用,为复杂电力系统负荷的精准预估提供了有效的技术路径。; 适合人群:具备一定编程基础和机器学习知识,从事电力系统、能源管理或时间序列预测相关研究的研发人员,尤其适合工作1-3年希望深入理解前沿预测模型的技术人员。; 使用场景及目标:①应用于电网调度、能源管理系统中对未来电力负荷的精确预测;②探索Transformer与KAN等新兴神经网络模型在实际工业场景中的融合设计与实现方法;③为学术研究提供可复现的高性能负荷预测基准方案。; 阅读建议:此资源以Python代码实现为核心,强调理论与实践相结合,建议读者在学习过程中仔细研读模型架构细节,动手运行并调试代码,结合实验结果深入理解各模块的作用与优化策略,从而全面掌握该先进预测方法的设计精髓。

259

社区成员

发帖
与我相关
我的任务
社区描述
CUG软件工程基础学习社区
团队开发软件工程敏捷流程 高校 湖北省·武汉市
社区管理员
  • EasonBeckham
  • Lucky_Limp
  • h6ldZywoo
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