CRL Team————冲刺随笔Day5

CRLTeam 2025-11-03 20:28:28
这个作业属于哪个课程2501_CS_SE_FZU
这个作业要求在哪里团队作业——站立式会议+α冲刺
这个作业的目标冲刺博客
其他参考文献

目录

  • 1.提供当天站立式会议照片一张
  • 2.每个人的工作
  • 1)会议前已完成的工作
  • 2)下次会议计划完成的任务
  • 3.项目燃尽图
  • 4. 代码/文档迁入记录
  • 5.团队的每日个人小结

1.提供当天站立式会议照片一张

img

2.每个人的工作

1)会议前已完成的工作

成员计划
应国浩优化AI错题分析接口,利用Redis缓存高频错题解析结果,减少重复调用。
张铭鑫对接“AI帖子摘要”前端展示界面,确保交互流畅
陈宗冉对接“AI错题分析结果页”与“AI学习计划推荐卡片”界面,保持与界面风格统一。
郑炜豪对接学习知识图谱与ElasticSearch(数据存储方案),实现AI知识点关联计划生成逻辑。
邱毅伟输出界面设计规范与切图资源,适配不同浏览器显示。
都正宇执行性能测试(如并发访问、接口响应时间),重点验证前端功能正确性与后端接口稳定性。
许晓镔执行黑盒测试,收集用户使用反馈,验证AI功能体验是否符合升级预期。

2)下次会议计划完成的任务

每个人的任务分配如下

成员计划
应国浩总结缓存技术选型、集成过程中遇到的问题及解决方案,分享高并发接口的优化经验。
张铭鑫总结复杂数据渲染的性能优化技巧,分享与后端接口联调、确保数据一致性的经验。
陈宗冉总结多组件、多页面并行开发的协作模式,分享保持用户体验一致性的设计开发心得。
郑炜豪总结大数据存储与检索方案的落地实践,分享算法逻辑与工程实现结合的经验与挑战。
邱毅伟总结设计规范在团队协作中的价值,分享前端兼容性问题的排查与解决思路。
都正宇总结系统性能瓶颈的发现与调优过程,分享全链路压测的方法论和最佳实践。。
许晓镔总结用户反馈的核心问题与AI功能体验的改进过程,分享以用户为中心的质量保障经验。

3.项目燃尽图

img

4. 代码/文档迁入记录

img

5.团队的每日个人小结

  • 应国浩:在优化AI错题分析接口过程中,进一步加深了对高并发场景下缓存策略设计与性能优化的理解。
  • 张铭鑫:通过完成“AI帖子摘要”前端展示界面的对接任务,在保障界面流畅性的过程中提升了前端性能调优及组件协同开发能力。
  • 陈宗冉:在同时对接“AI错题分析结果页”与“AI学习计划推荐卡片”界面的过程中,强化了多模块协同开发及用户体验细节把控的能力。
  • 郑炜豪:通过整合学习知识图谱与ElasticSearch存储方案,在构建知识点关联计划过程中提升了算法落地与数据架构设计能力。
  • 邱毅伟:在输出全局界面设计规范与多浏览器适配资源的过程中,通过标准化设计资源提升了团队协作效率与跨平台开发一致性。
  • 都正宇:通过执行系统性性能测试,深入掌握了并发访问模拟与接口响应瓶颈定位方法,在验证前后端稳定性的过程中提升了全链路压测及性能调优的实战能力。
  • 许晓镔:在执行黑盒测试与用户反馈收集中,系统运用用户体验评估模型验证AI功能升级效果,进一步培养了以用户场景为核心的测试思维与产品体验优化意识。
...全文
82 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
大气污染是影响公众健康与生态环境的重要问题,精准的空气质量时空预测与污染源贡献度量化是精准治污的关键支撑。针对现有研究多源融合不充分、时空关联刻画不足、预测与源解析割裂三方面缺陷,本文设计实现了城市空气质量时空预测与污染源贡献度分析系统,融合监测、气象、工业排放与交通四类数据,构建基于时空注意力的LSTM(STAM-LSTM)预测模型与基于正定矩阵因子分解(PMF)的源解析模型,形成数据融合-特征工程-预测-源解析-可视化闭环。 系统实现四类数据时空对齐与融合,构建时序与空间邻域特征,以普通克里金插值生成1km网格浓度场;STAM-LSTM引入时空注意力自适应学习站点间污染传输时变权重,以72小时输入预测未来24小时逐小时PM2.5浓度;PMF识别交通、工业、燃煤、扬尘与二次生成五个源因子,量化各源全年贡献度并分析时空演变。 实验表明:STAM-LSTM预测RMSE 24.6、MAE 17.8、R² 0.88,相对LSTM基线(30.2)提升18.5%;普通克里金插值误差8.9,优于反距离加权(11.4);源解析显示交通源28.4%、工业源23.1%、燃煤源19.6%为主要贡献源,冬季燃煤源升至27.3%、早高峰交通源达34.8%,下风向工业源贡献高出上风向8~12个百分点;减排情景显示交通源减排20%可使年均PM2.5下降5.7%,与源贡献度排序一致。 系统按五模块14组件实现,功能测试16项用例全部通过,为大气污染预警、源管控与减排政策制定提供了决策依据。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测研究(Python代码实现)内容概要:本文提出了一种基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测方法,旨在通过结合多种先进深度学习模型的优势,提升在复杂工况下的预测精度与鲁棒性。该方法利用iTransformer捕捉长期时间序列中的全局依赖关系,通过BiGRU模型提取双向时序特征,最后引入KAN(Kernel Attention Network)增强非线性映射与关键特征的自适应加权能力,实现对轴承退化过程的精准建模。文中详细介绍了模型架构设计、训练流程及在公开数据集上的实验验证,结果表明该融合模型相比单一模型在预测精度和稳定性方面均有显著提升。; 适合人群:具备一定机器学习与深度学习基础,从事设备故障诊断、工业大数据分析或智能运维相关领域的研究人员及工程技术人员,尤其适合研究生及以上学历或有相关项目经验的专业人员。; 使用场景及目标:①应用于工业设备状态监测与预测性维护系统中,实现对滚动轴承等关键部件剩余寿命的精准预测;②为复杂时间序列回归任务提供多模型融合的设计思路与技术参考;③推动深度学习在智能制造与工业物联网领域的落地应用。; 阅读建议:建议读者结合Python代码实现部分,深入理解各子模型的接口设计与融合逻辑,重点关注特征融合机制与注意力权重的可视化分析,以便在实际项目中灵活调整与优化模型结构。
几何旋转和天线校准模式对GNSS相位缠绕的组合效应(Matlab代码实现)内容概要:本文研究了几何旋转和天线校准模式对全球导航卫星系统(GNSS)相位缠绕的组合效应,并提供了基于Matlab的代码实现方案。相位缠绕是GNSS高精度定位中的重要误差源,受卫星与接收机相对几何关系及天线相位中心变化的共同影响。文章通过建模分析几何旋转与天线校准参数对相位缠绕的影响机制,探讨二者耦合作用下的修正方法,旨在提升GNSS数据处理的精度与可靠性。研究涵盖了理论建模、算法实现与仿真实验,结合Matlab工具进行数值模拟与结果可视化,验证了所提方法的有效性。; 适合人群:具备一定GNSS基础知识和Matlab编程能力的科研人员、研究生及从事高精度定位相关工作的技术人员。; 使用场景及目标:①用于GNSS高精度数据处理中相位缠绕误差的精确建模与修正;②支持地壳形变监测、精密授时、卫星定轨等对定位精度要求较高的应用场景;③为相关算法开发与教学研究提供可复现的代码实例。; 阅读建议:建议读者结合GNSS误差处理的相关理论,边运行代码边理解算法细节,重点关注几何旋转模型与天线校准参数的集成方式,并可通过修改参数进行敏感性分析以加深理解。

103

社区成员

发帖
与我相关
我的任务
社区描述
2501_CS_SE_FZU
软件工程 高校
社区管理员
  • FZU_SE_LQF
  • 木村修
  • 心态773
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