赤兔程序员——beta冲刺day4

赤兔程序员 团队 2023-05-29 16:15:19
这个作业属于哪个课程<软件工程-23年春季学期>
这个作业要求在哪里团队作业—bate冲刺+事后诸葛亮
团队名称赤兔程序员
置顶博客链接赤兔程序员——Beta阶段置顶集合随笔
其他参考文献《构建之法》、Git-Book、Gin文档、GORM指南、微信官方文档·小程序

目录

  • 一、SCRUM部分
  • 成员描述
  • 会议照片
  • 二、PM
  • 任务量总结
  • 燃尽图
  • 工作总量变化
  • 成果展示

一、SCRUM部分

成员描述

学号222000126
昨天到现在的进展完善两个新增修改弹窗
遇到的问题html和css使用不够熟练
至明天的安排完成用户模糊查询
心得体会多学习多实践

img

学号222000308
昨天到现在的进展完善前端图床和后端交互
遇到的问题前端数据管理比较混乱
至明天的安排继续完善前端接口
心得体会全栈不好玩

img

学号222000408
从昨天站立式会议到现在的进展完成猫猫的新增/修改功能
遇到困难图片变化实时作用到了存储,对用户的体验造成一定影响
明日安排完成文章的新增/修改功能
心得体会越觉得懂了,越觉得不懂

img

学号222000412
从昨天站立式会议到现在的进展编写博客
遇到困难无
明日安排继续编写博客
心得体会项目管理很重要
学号222000413
昨天到现在的进展对收藏的接口的测试
遇到的问题接口的测试出现了问题
至明天的安排继续学习文档,尝试解决问题
心得体会在学习的过程中一定会遇到问题,一定得认真学习文档才能解决问题

img

学号222000419
昨天到现在的进展删除标签
遇到的问题与后端数据接口调用以及部分js业务逻辑存在疑问
至明天的安排完善部分逻辑代码
心得体会戒急用忍,徐徐图之

img

学号222000427
昨天到现在的进展制作燃尽图,写博客,简化系统功能实现方式
遇到的问题在上一阶段写的函数过于抽象
至明天的安排精简系统结构,删除所有没必要的部分
心得体会努力终会有收获
学号222000328
昨天到现在的进展完成弹窗排版问题
遇到的问题element UI左对齐有点不一样
至明天的安排完善细节问题
心得体会多学多做!

img

学号222000435
昨天到现在的进展界面优化
遇到的问题没啥问题
至明天的安排界面美化2.0
心得体会加油

img

会议照片

img

二、PM

任务量总结

预期任务量100%
目前已完成任务量54%
剩余任务量46%

燃尽图

img

工作总量变化

img

成果展示

img

...全文
157 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
含训练好的YOLO权重与PyQt可视化检测界面,开箱即用,毕业设计/课程设计可直接上手。 【数据集概况】 · 检测类别(中文):[冲浪者(surfer)] · 训练集:438 张 · 验证集:125 张 · 测试集:63 张 · 总计:626 张 该数据集针对海滩冲浪场景进行精心构建,全面覆盖冲浪者在不同海浪条件下的动态表现,为海洋运动安全监测与行为分析提供了高价值数据资源,显著提升了相关领域的研究与应用水平。 该数据集训练集438张、验证集125张、测试集63张,分布科学合理,训练集规模充足以支持模型充分学习,验证集与测试集比例恰当,有效保障模型评估的准确性和可靠性。 该数据集标注质量卓越,所有冲浪者目标均被精确标注,边界框紧密贴合目标轮... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 91 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.8359** mAP50-95 | 0.4031 Precision | 0.8209 Recall | 0.7764 train/box_loss | 1.7868 train/cls_loss | 0.8077 val/box_loss | 1.7200 val/cls_loss | 0.7941 【训练过程分析】 91 轮训练后 mAP50 为 0.8359,模型基本收敛但还有提升余地。Loss 曲线下降正常,后期趋于平缓。mAP50-95 为 0.4031,和 mAP50 差距 0.43,定位精度是主要短板。 【模型性能评估】 Precision 0.8209、Recall 0.7764,精度高于...
内容概要:本文介绍了基于神经网络的数据驱动迭代学习控制(ILC)算法,旨在解决具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车路径跟踪问题,并提供了完整的Matlab代码实现。该方法融合了神经网络强大的非线性逼近能力与迭代学习控制在重复任务中不断优化性能的优势,能够在系统动态模型未知的情况下,通过多次运行轨迹的误差反馈,逐步提升控制器的跟踪精度。文中系统阐述了算法的理论基础、控制架构设计、神经网络的训练机制及其与ILC框架的集成方法,重点攻克了无人车在复杂、不确定环境下实现高精度、强鲁棒性轨迹跟踪的技术难题。; 适合人群:具备一定自动控制理论基础和Matlab编程能力,从事无人驾驶、智能控制、机器人或优化算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于无人车、机器人等需要执行周期性或重复路径任务的智能系统中,实现高精度的轨迹跟踪;②为解决非线性、强耦合、模型不确定系统的控制问题提供一种先进的数据驱动解决方案;③目标是帮助读者深入理解并掌握数据驱动的ILC与神经网络深度融合的前沿控制策略,完成从理论分析、算法设计到仿真实践的全流程学习。; 阅读建议:学习者应重点关注算法的迭代学习律设计、神经网络权重的在线更新机制以及二者协同工作的原理,结合所提供的Matlab代码进行仿真调试,通过改变期望轨迹、初始条件、系统噪声和外部干扰等参数,全面验证算法的收敛性、鲁棒性和泛化能力。
内容概要:本文详细介绍了基于遗传算法的柔性车间调度问题的Matlab代码实现,旨在通过智能优化算法解决制造系统中复杂的生产调度挑战。文章系统阐述了柔性作业车间调度(FJSP)的建模方法,重点设计了遗传算法的关键环节,包括工序与机器的双层编码策略、适应度函数构建、选择机制、交叉与变异算子设计,并结合典型算例进行仿真实验。通过Matlab编程实现了完整的求解流程,验证了该方法在优化完工时间、提升设备利用率和缓解生产瓶颈方面的有效性。同时,文章分析了算法参数如种群规模、交叉概率、变异概率对收敛性能的影响,并提供了调参建议与改进方向,为相关研究与工程应用提供了可复现的技术路径。; 适合人群:具备一定Matlab编程能力和优化算法基础知识的科研人员与工程技术人员,特别适用于智能制造、工业工程、自动化等领域的研究生、高年级本科生及企业研发人员,可用于课程设计、毕业课题或实际生产调度系统的开发参考。; 使用场景及目标:①应用于柔性制造系统中多任务、多资源的动态调度优化;②为车间生产计划与执行系统(MES)提供核心算法支持;③作为智能优化算法在复杂组合优化问题中应用的教学案例,帮助读者深入理解遗传算法的设计原理与实现技巧;④为进一步研究多目标调度、动态调度或与其他元启发式算法(如PSO、GA-Hybrid)对比提供基础框架。; 阅读建议:建议读者结合提供的Matlab代码逐模块研读,动手调试并可视化调度甘特图以加深理解,尝试调整问题实例规模与算法参数观察优化效果变化,鼓励在此基础上扩展为多目标优化(如最小化能耗与 tardiness)或引入动态事件(如紧急插单、机器故障)以提升实战能力。

585

社区成员

发帖
与我相关
我的任务
社区描述
软件工程-2022-23学年(第二学期)
软件工程 高校
社区管理员
  • LinQF39
  • promisekoloer
  • 异梦1
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