Good morning，WWDC23重点解读，作为果粉你确定不来看看

国央企创新负责人如何通过平台实现科研成果的快速识别与转化？.docx

科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。

PotPlayer自用皮肤

自用 PotPlayer 皮肤，仅微调了字体大小与颜色，是按个人习惯调整，未做适配性调整。

2-shell及常用命令-续.pdf

2-shell及常用命令-续.pdf

【电力负荷预测】项目介绍 MATLAB实现基于BO-Transformer-LSTM贝叶斯优化算法（BO）优化Transformer-LSTM组合模型进行居民用户多步电力负荷预测（含模型描述及部分示例

内容概要：本文介绍了一个基于BO-Transformer-LSTM的组合模型，用于实现居民用户多步电力负荷预测的完整项目实例。该模型融合Transformer的全局注意力机制与LSTM的局部时序记忆能力，构建能够捕捉长时依赖与周期性特征的深度学习架构，并引入贝叶斯优化（BO）自动搜索最优超参数组合，提升预测精度与训练效率。项目涵盖从原始数据清洗、特征工程、滑动窗口样本构建、模型设计到超参数优化、反归一化及多步误差评估的全流程，强调时间顺序划分以防止信息泄露，并通过周期编码、外生变量融合等方式增强数据表达能力。文中提供了详细的MATLAB代码示例，包括数据预处理、网络搭建、贝叶斯优化配置和预测结果评估等关键步骤。 适合人群：具备一定机器学习和时间序列分析基础，熟悉MATLAB编程环境，从事电力系统预测、智能电网、负荷管理等相关领域的研究人员、工程师及研究生。 使用场景及目标：①应用于居民级或多用户聚合负荷的短期至中期多步预测（如未来24小时）；②服务于配电系统运行调度、需求响应基线设定、家庭能源管理系统优化、分布式能源协调控制等实际工程场景；③为科研提供可复现的深度学习+贝叶斯优化的技术路线参考。 阅读建议：此资源以实际项目为导向，建议读者结合提供的代码逐步实现并调试模型，重点关注数据质量控制、时间特征编码、组合网络结构设计与贝叶斯优化稳定性之间的协同关系，在实践中深入理解多步预测中的误差累积机制与超参数敏感性问题。

人脸识别签到考勤系统实战源码

这是一套可直接运行的人脸识别智能签到考勤系统，基于OpenCV YuNet人脸检测与SFace特征识别实现，全程本机运行，数据保存在本地SQLite，不上传任何服务器。配套交付完整Python源码、9章实战教程（md/html/pdf三种格式）、逐步骤操作截图和答辩PPT讲解。 系统围绕五个功能模块展开：人脸注册支持照片批量导入并提取特征入库；识别签到支持照片或摄像头两种方式，实时框出人脸并标注姓名、相似度与考勤状态；考勤规则引擎按config.py里配置的上下班时间与宽限分钟，自动判定迟到、早退、缺勤；Tkinter管理面板完成人员管理、流水查询与月度汇总；最后通过openpyxl一键导出整月考勤矩阵，正常绿、迟到黄、缺勤红，Excel打开即用。 选型上特意选了YuNet+SFace路线：纯pip安装免编译，CPU单帧识别不到100ms，两个ONNX模型共约37MB，出自OpenCV官方模型仓库，毕设报告引用有据可查。教程第7章整理了16条Windows下真实踩过的报错及排查方法，第8章给出换模型、换人脸、加功能的二次开发路径。 适合做计算机视觉方向毕设或课程设计的学生，也适合想给班级、实验室、小团队搭一套本地签到工具的Python学习者。运行环境为Python 3.9以上、Windows 10/11，不需要GPU。 使用时先pip install -r requirements.txt装齐依赖，再运行download_data.py下载模型，最后启动main.py即可进入图形界面；命令行register、recognize、report子命令也可脱离界面单独调用。