社区
2302软件工程
作业提交
帖子详情
护林员——Alpha冲刺Day1
forest_rangers
团队
2024-05-04 23:39:52
这个作业属于哪个课程
福州大学-202302软件工程实践
这个作业要求在哪里
团队作业——alpha冲刺
这个作业的目标
Alpha冲刺Day1
置顶集合随笔
护林员——Alpha冲刺置顶集合随笔
团队名称
护林员
团队项目
福大树洞
目录
一、团队成员站立式会议总结
1. 222100434
2. 222100129
3. 222100101
4. 222100128
5. 222100221
6. 222100304
7. 222100404
8. 222100411
二、站立式会议照片
三、项目程序/模块的最新运行图片
四、项目燃尽图
一、团队成员站立式会议总结
1. 222100434
昨天到今天的进展
完成任务的分析
博客的撰写
任务进度的跟踪与确认
代码风格的确定
存在的问题/遇到的困难
脑子同时需要处理多个任务,任务太多的话可能会导致遗忘
从现在到明天站立式会议的安排
再次确认前后端、文案工作的分工
学习并部署数据库至服务器
心得体会
非常好课程,使我的管理能力激增。
只是我的五一假期怎么变成三天了?
2. 222100129
昨天到今天的进展
创建了GitCode仓库
初始化vue3项目
测试了git的分支操作
存在的问题/遇到的困难
在使用vite初始化项目的时候,不清楚是否需要创建端到端的测试方案(End-to-End Testing Solution)。因为对此不熟悉,并且已经添加了单元测试(Add Vitest for Unit Testing),就暂时不使用端到端的测试方案,如果后期了解更多端到端的测试,再手动添加。
从现在到明天站立式会议的安排
根据需求设计路由,和小伙伴一起完成登录、注册、找回密码、底部导航栏切换和个人中心界面。显示的数据暂时写死在代码中。
心得体会
来吧,各科作业冲我来吧
(五一后遗症,要轰了)
3. 222100101
昨天到今天的进展
加入了GitCode仓库
克隆了vue3项目到本地
测试了git的pull、push操作,分支操作
编写博客
存在的问题/遇到的困难
改代码之前拉取最新的代码再更改,准备提交修改同步远程仓库的时候没有再拉取一下看看有没有冲突,导致合并同步时产生冲突
从现在到明天站立式会议的安排
学习Vue 3.0,观看教学视频
根据需求设计路由,和小伙伴一起完成登录、注册、找回密码、底部导航栏切换和个人中心界面。
心得体会
无
4. 222100128
昨天到今天的进展
在mac端配置git环境
在mac端搭建Vue 3.0环境
测试合作项目的pull push
学习Vue3.0相关知识
学习uniapp的相关知识
存在的问题/遇到的困难
对uniapp和Vue还要多加学习
从现在到明天站立式会议的安排
学习uniapp的使用,观看教学视频官方文档,建立简单的程序进行练习,学习uinapp如何进行调试和运行在手机虚拟机上
学习Vue 3.0,观看教学视频。
心得体会
无
5. 222100221
昨天到今天的进展
完成一些工具类的编写
完成目录结构的搭建
存在的问题/遇到的困难
某些配置目前没办法确定
从现在到明天站立式会议的安排
继续完善工具类
初步搭建后端开发架构
心得体会
无
6. 222100304
昨天到今天的进展
进一步学习了sprigboot框架
存在的问题/遇到的困难
虽然在之前的结对作业已经对springboot有了基本了解,但现在想进一步深入学习发现并不是那么容易,有一些细节不是看过一遍视频就能记住,而是要自己上手实践,需要花费较多的时间。
从现在到明天站立式会议的安排
继续深入学习springboot、初步学习mabatis
心得体会
无
7. 222100404
昨天到今天的进展
明确原型需求
加入前端仓库
测试git功能
解决合并冲突
学习vue技术
存在的问题/遇到的困难
无
从现在到明天站立式会议的安排
继续学习vue技术,了解需求
心得体会
在项目开始前要对自己负责的内容多了解,才好更加进行项目开发
8. 222100411
昨天到今天的进展
进一步学习springboot框架
存在的问题/遇到的困难
因为一些相关知识的欠缺,对于springboot开发仍然存在很多不懂的地方,视频看一遍只是略微了解,需要实践操作来学习。
从现在到明天站立式会议的安排
继续学习springboot,为实战开发做准备。
心得体会
无
二、站立式会议照片
三、项目程序/模块的最新运行图片
四、项目燃尽图
...全文
170
回复
打赏
收藏
护林员——Alpha冲刺Day1
这个作业属于哪个课程 福州大学-202302软件工程实践 这个作业要求在哪里 团队作业——alpha冲刺 这个作业的目标 Alpha冲刺Day1 置顶集合随笔 护林员——Alpha冲刺置顶集合随笔 团队名称 护林员 团队项目 福大树洞 目录一、团队
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
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
打赏红包
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
内容概要:本文研究了基于Q-Learning自适应强化学习的PID控制器在自主水下航行器(AUV)运动控制中的应用,旨在提升其在复杂海洋环境下的控制性能。通过建立AUV的动力学模型,将Q-Learning算法与传统PID控制相结合,实现控制器参数的在线自适应优化,有效增强了系统的响应速度、稳定性和抗干扰能力。研究采用Matlab进行仿真验证,结果表明该方法在轨迹跟踪与姿态控制方面具有优越表现,为水下机器人智能控制提供了可行的技术路径与理论支持。; 适合人群:具备自动控制理论、强化学习或水下机器人建模背景,从事相关科研工作的研究人员、高校研究生及工程技术开发者。; 使用场景及目标:①应用于高精度、强鲁棒性的水下机器人运动控制系统设计;②开展智能PID控制器在非线性、时变系统中的参数自整定研究;③作为强化学习在复杂工业控制场景中落地的典型案例参考,推动算法与工程实践融合。; 阅读建议:建议结合提供的Matlab代码进行仿真实验,重点剖析Q-Learning与PID融合的架构设计、奖励函数设定及参数收敛过程,可进一步拓展至与其他智能优化算法(如DQN、Actor-Critic)的对比研究,深化对自适应控制机制的理解。
matlab多元非线性回归教程
已经博主授权,源码转载自 https://pan.quark.cn/s/a4b39357ea24 Matlab 被视为一种功能卓越的编程平台,特别是在数值运算和数据分析方面展现出广泛的应用价值。在应对多元非线性回归的挑战时,Matlab 拥备多种工具和函数,支持用户对复杂的数据进行构建模型和适配。本指南将重点阐释在 Matlab 环境下如何执行多元非线性回归分析。 我们需要掌握三种关键的回归指令: 1. `polyfit(x,y,n)`:此函数适用于拟合一元幂函数,能够导出一个多项式模型。例如,若知晓数据呈现二次函数形态,可选择`n=2`来适配一个二次曲线。 2. `regress(y,x)`:这是一个多元线性回归指令,能够处理多个自变量对因变量的影响。即便数据并非完全呈现线性特征,该函数也能提供一个线性近似。 3. `nlinfit(x,y,’fun’,beta0)`:这是最为通用的非线性回归指令,适用于适配任何类型的函数,无论是一元或多元,前提是用户能够定义函数形式(`fun`参数)。 回归分析的核心在于寻找一组最优的系数,使得模型能够最恰当地描述数据。这通常涉及选择一个合适的函数形态,随后通过最小化误差平方和来估算系数。在Matlab中,`regress`指令主要用于处理线性模型,而`nlinfit`则处理更为复杂的非线性模型。 对于多元线性回归模型,我们可以用如下形式进行表述: \[ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + \cdots + \beta_px_p + \epsilon \] 其中,\( y \)是因变量,\( x_1, x_2, \ldots, x_p \)是自变量,\( \beta_0, \beta_1, ...
政府科技管理者在制定产业政策时,如何借助产业大脑获取精准的产业图谱与招商画像?.docx
政府科技管理者在制定产业政策时,如何借助产业大脑获取精准的产业图谱与招商画像?
BP神经网络数据分类-语音特征信号分类(Matlab代码实现)
内容概要:本文系统阐述了基于BP神经网络的语音特征信号分类方法,并提供了完整的Matlab代码实现。研究围绕语音信号的数据预处理、特征提取、神经网络结构设计、模型训练与分类测试等核心环节展开,详细展示了BP神经网络在语音识别任务中的应用流程。通过构建多层前馈网络模型,利用误差反向传播算法优化权重,实现了对不同语音类别特征的高效分类,具有较强的工程实践价值和技术可复现性。; 适合人群:具备信号处理与机器学习基础知识,熟悉Matlab编程语言,从事语音识别、模式识别、人工智能等相关领域研究的学生及科研人员;特别适用于开展课程设计、毕业设计或科研项目的初级与中级研究人员。; 使用场景及目标:①深入理解BP神经网络的基本原理及其在语音信号分类中的具体实现过程;②掌握Matlab环境下语音信号特征提取与分类模型构建的全流程技术;③为语音识别、人机交互、智能听觉系统等实际应用场景提供可靠的算法基础与代码参考。; 阅读建议:建议读者结合所提供的Matlab代码逐行分析其实现逻辑,重点关注数据输入格式、网络参数初始化、训练迭代过程及分类性能评估;可通过调整隐含层节点数、学习率、激活函数等超参数,观察模型收敛性与分类准确率的变化,从而深化对神经网络调参策略的理解。
2302软件工程
122
社区成员
758
社区内容
发帖
与我相关
我的任务
2302软件工程
FZU-SE
复制链接
扫一扫
分享
社区描述
FZU-SE
软件工程
高校
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章