[I.3] 个人作业:结课总结

20376249-陈泓兆 2024-07-01 00:35:32

提问博客:[I.1] 个人作业:阅读和提问-CSDN社区

阅读提问

  1. 软件工程师对源代码的不可见性,能否通过一些视觉系统达到可见的效果?

    可以通过设置多个节点进行测试,达到对源代码过程部分可见的效果。

  2. 软件的非连续性是什么意思?

    软件的设计复杂,导致过程不可见的情况下输出不可预测。

  3. goto函数的使用是否应该推荐?

    仍存有疑问,在本次课程中未使用goto。

  4. 回归性错误是否可以通过某种方式降低出现的频率?

    issue和fork过程可以部分减少回归性错误。

  5. 调查问卷中顺位选择题是否应该使用?

    可以设置顺位选择题,某种程度上与评分题的效果近似。

  6. psp的实用性?

    实用性较高,需要提供数据但精度不要求太高,可以辅助整体规划。

知识点

  1. 需求阶段

        题目确定和需求设计时要仔细考虑应用场景和工程体量。

  1. 设计阶段

        设计阶段的分工需要平衡与UI设计方面的学习,部分项目的设计对此要求较高。

  1. 实现阶段

    深入理解项目需求,能够将复杂的需求分解为具体可实现的模块和功能。

  2. 测试阶段

    理解CI/CD并实施自动化构建、测试、部署流程,提高开发效率和软件质量。

  3. 发布阶段

    安全地部署代码到生产环境,需要考虑访问权限和部署环境要求。

  4. 维护阶段

    定期进行安全审计,实施安全策略,修复安全漏洞,确保系统免受攻击。

个人心得

        感谢同学的帮助,指出了我在设计上的一些问题,帮助我切身体会到了团队协作给工作效果带来的巨大提升。这个项目深化了我对团队协作和实际应用的理解,也学到了如何更好地与他人合作,共同完成项目目标。

...全文
637 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:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

73

社区成员

发帖
与我相关
我的任务
社区描述
2024年北航敏捷软件工程
软件工程团队开发结对编程 高校 北京·海淀区
社区管理员
  • clotho67
  • Yeyanhan
  • HJin_Gwok
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