护林员——Alpha冲刺Day10

forest_rangers 团队 2024-05-14 23:25:21
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Day10
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
    • 修改了部分Bug
    • 完成了单元测试和自动化测试
    • 完成了项目的服务器部署

      img


      img

  • 存在的问题/遇到的困难
    • 很累很困,效率不高
  • 从现在到明天站立式会议的安排
    • 总结Alpha冲刺的问题和收获,争取Beta做的更好
  • 心得体会
    • 终于能睡个好觉了,这次后端因为技术问题耽误了多时间,Beta应该能够效率更高

2. 222100129

  • 昨天到今天的进展
    • 树洞聊天接口修改课程评价接口编写
    • 把项目打包成apk

      在这里插入图片描述


      在这里插入图片描述

  • 存在的问题/遇到的困难
    • 使用apifox的mock功能进行前端接口编写的时候完成的登录接口,在使用服务器网址对接的时候,发现登录注册的时候出现401报错。我和黄楠在学习中心从晚上八点多验证到十点半晋江楼关灯都没找出原因。最后在同学的帮助下,终于找到令人好笑的原因。前端和后端都在偷懒,前端用拦截器把所有请求都加上token的请求头,但是在登录注册的时候token是空串,前端心想多传递数据没关系,只要后端不读取就好了。而后端可能也使用拦截器相关的代码,检查所有的请求的请求头是否包含token字段,如果有,则进行token的身份验证,后端心想只要前端的请求头没有token就可以注册。于是后端读取了前端发过去的空的token,身份验证不成功,发生报错。期间我和黄楠还相互以为是对方代码有问题,但毕竟都是新手,这个bug虽然浪费我们很多时间导致最后的完成度没有很高,但是找bug过程中带来的经验还是很宝贵的。
  • 从现在到明天站立式会议的安排
    • 答辩
  • 心得体会
    • 给beta冲刺埋了好多坑

3. 222100101

  • 昨天到今天的进展
    • 测试了前端代码

      img

  • 存在的问题/遇到的困难
  • 从现在到明天站立式会议的安排
    • 在答辩前都要接着做测试
  • 心得体会
    • 测试用例的设计很重要

4. 222100128

  • 昨天到今天的进展
    • 完成程序所有功能测试,撰写测试报告

      在这里插入图片描述

  • 存在的问题/遇到的困难
  • 心得体会
    • 编码时需要全面考虑各种情况,包括正常和异常操作,以减少BUG的产生。尽管前端测试过程繁琐且耗时,但这是确保产品质量不可或缺的步骤。

5. 222100221

  • 昨天到今天的进展
    • 编写自动化测试

      在这里插入图片描述

  • 存在的问题/遇到的困难
  • 从现在到明天站立式会议的安排
  • 心得体会
    • 自动化测试,好用

6. 222100304

  • 昨天到今天的进展
    • 进行压力测试
    • 完成答辩PPT
    • 在这里插入图片描述

  • 存在的问题/遇到的困难
    • 测试时间预留太少,压力测试部分不是很全面
  • 从现在到明天站立式会议的安排
  • 心得体会
    • Alpah阶段终于完成了!!!
    • 在接下来的beta冲刺中应该引以为鉴,保证有足够的时间进行测试

7. 222100404

  • 昨天到今天的进展
    • 完成设置部分所有界面以及页面的跳转
    • img

    • img

  • 存在的问题/遇到的困难
    • 在账号资料修改页面设计弹出对话框时无法正常出现,经过重新阅读element的文档,发现是v-model部分的代码写错了,经过正确的引入组件和修改代码,成功解决问题。
  • 从现在到明天站立式会议的安排
    • 继续学习vue技术
    • 进行测试
  • 心得体会
    • 使用自定义组件时,属性部分的代码要好好检查,否则显示不出正常效果。

8. 222100411

  • 昨天到今天的进展
    • 收集接口成功测试资料

      img

  • 存在的问题/遇到的困难
    • 有些接口存在报错
  • 从现在到明天站立式会议的安排
    • 修改用户管理模块代码
  • 心得体会
    • 对于出现的问题要及时上网搜寻解决方案

二、站立式会议照片

img

三、项目程序/模块的最新运行图片

img


img

四、项目燃尽图

img

...全文
153 回复 打赏 收藏 转发到动态 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。
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, ...
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。

122

社区成员

发帖
与我相关
我的任务
社区描述
FZU-SE
软件工程 高校
社区管理员
  • LinQF39
  • 助教-吴可仪
  • 一杯时间
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