怎样念大学 [美] Dave Buy


     所谓大学,也就是一些让你坐够 2000 小时,记住些东西的房间罢了。

     这 2000 个小时将分配在四年之中。而剩余的时间,就是用来睡觉和约会的。至少,你们能在大学里学到两类事:

     首先是今后生活所需的知识(2小时):包括怎样打对方付费的电话,怎样喝啤酒以及怎样用餐巾纸擦净睡衣。

     另一类是你今后永远用不着的东西(1998小时)。你在课堂上学的都是以某某学、某某论等等为结尾的课程。也就是说,你所需要记住的,都是些写在考卷上之后就可以忘得一干二净的东西,如果你还能记住其中某些部分的话,那你就可以在大学当个教授什么的以度余生。

     当然,要忘掉一切也是很困难的。举个例子,当我读大学时,我不得不记住像约翰·道恩之类的形而上学派诗人的名字。

     我曾设法忘掉他们,但我还是记得另外两个叫做沃思和克拉肖的诗人。

     有些时候,我很想记住一些更重要的事儿,就像在超市里,我老婆问我用油还是用水来装金枪鱼的时候,这两个人的名字就会闪现出来。在大学里呆了一年后,你就应该选择专业方向了,也就是你打算在记住之后就忘记其中大部分的那些东西了。

     在这里,我有一个非常重要的建议:一定要选不涉及已知事实.不具有确切答案的专业!这就要求你不能选择数学、物理。生物或者化学专业,因为这些专业都要涉及精确的事实。

     举个例子,假设你选择了数学专业。而当有一天你晃进教室,却被你的教授提问道:"请给菱形二元轴的象限余弦整数下个定义,并外推结果至五个有效顶点。"如果你不能按教授心目中的正确答案回答的话,那你就完蛋了。

     选择化学专业也一样。如果你在答卷中写的是 碳 + 氢 = 橡树,那你的教授会送你个大鸭蛋。他所希望的答案要与他们那些化学家所共认的答案一致。在这一点上,科学家们往往脾气暴躁。

     因此,你应该选择类似语言学、哲学、心理学或者社会学这样的专业。因为这些专业没有人真正能理解别人在谈论什么,也和确切的事实没有关联。

     我曾经参加了一些这些学科的学习,因此,我将给你们简单介绍一下:

     选文学专业:那就得写些关于"巨著"的论文,而你只是在上课前才膘了书中的几个片段。我可以告诉你们一条论文得高分的秘诀:绝对不要去谈论别人已经了解的常识!例如,假设你在研究莫比迪克。任何有点常识的人都知道那是一条大白鲸,因为书中的人物也不止万遍地提到这个事实。因此,在你的论文中,你应该说莫比迪克实际上是爱尔兰共和国。这样,你那最讨厌看论文也从不喜欢莫比迪克的教授,就会对你大加赞赏。如果你能经常对简单的事情作出些异乎寻常的解释,那你就应该选文学专业吧。

     选哲学专业:通常,就是坐在房间里判断到底有没有类似 "现实"的东西,然后去吃午餐。如果你想经常吃药的话,就选哲学专业吧。

     选心理学专业:这就会涉及到老鼠、梦境之类的主题。有一次,我花了整整一个学期去训练老鼠按某种顺序撞击按钮,然后,我开始让室友做同样的事儿。我的老鼠学得很快,而我那笨蛋室友现在已经是博士了。如果你喜欢老鼠,喜欢梦境,或者作总是梦见老鼠,那你就选心理学吧。

     选择社会学专业:只要对社会学的不可理解性有一点点了解,就应该知道,社会学应该是首选。我曾经耐着性子听完几百小时的社会学课程,读了很多社会学杂七杂八的东西,但我从来没有听到或读到过一个连贯的陈述。这是因为社会学家们都想成为受尊重的学者,因此,他们把大部分时间都花在了将简单明显的事实转换成听起来很有科学味道的语言代码;如果你打算主修社会学,那你就得学会做这样的事儿。举个例子,当你看到小孩在摔倒后放声大哭时,你就得这样写:用社会测量的方法论观察该未成熟个体的行为表明:地面取向和催泪作用的无意共存,导致该行为,也就是"哭泣"的产生。

     如果你能这样继续写上五六十页,那今后你一定能够成为政界显要!

 

内容概要:本文提出一种基于融合鱼鹰搜索行为与柯西变异策略的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的关键参数(如模态分量数K和惩罚因子α),以实现对滚动轴承振动信号的高效自适应分解,有效抑制模态混叠问题。经过OCSSA优化的VMD对原始信号进行预处理后,将分解得到的本征模态函数(IMF)重构为时频特征矩阵,作为卷积神经网络(CNN)的输入,以自动提取深层次的空间特征;随后,双向长短期记忆网络(BiLSTM)进一步挖掘特征序列中的前后向时序依赖关系,最终实现高精度的故障分类识别。该OCSSA-VMD-CNN-BiLSTM模型在西储大学公开轴承数据集上进行了充分验证,结果表明其在复杂噪声环境下对轴承不同故障类型与程度的诊断准确率显著优于传统方法,充分体现了智能优化算法与深度学习相结合在故障诊断领域的优越性能。; 适合人群:具备信号处理、机器学习及智能优化算法基础知识,从事机械装备状态监测、故障诊断、工业大数据分析等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①解决传统VMD参数依赖经验设定导致信号分解效果不稳定的问题;②提升强背景噪声和工况变化下滚动轴承早期微弱故障的检测灵敏度与分类准确率;③为智能制造和工业互联网背景下的关键设备智能运维与预测性维护提供一套可复现、高性能的技术解决方案。; 阅读建议:此资源以Matlab代码实现为核心,建议读者深入研读算法代码,重点理解OCSSA的寻优机制、VMD参数自适应选择过程以及CNN-BiLSTM的网络构建细节,通过复现完整实验流程,掌握从信号预处理、特征提取到智能分类的全流程关键技术,并尝试在自有数据集上进行迁移应用与性能对比。
源码链接: https://pan.quark.cn/s/a4b39357ea24 接口测试框架(基于json格式、http请求,python3,不兼容python2.x版本) 注:现在基于Excel文件管理测试用例基本实现,) 备注:大家在运行的时候,如果参数不需要key,只需要字典,可以在ddt_case.py和case.py改造parame,注释掉现在的parem,启用新的即可 依赖用例支持用例执行,在testCase的ddt_case.py有实现,逻辑在代码中有写,参数的格式{"name":"$case1=data"}即代表name的值是case1的data字段,简单的实现。 依赖用例是简单的实现,具体在业务上面还有很多复杂的要处理,知识实现了,部分的思路。 (目前在部分window上会出现FileNotFoundError [Errno 2] No such file or directory,这个bug是路径过长,解决方案为吧log日志放在当前目录,或者修改动态生成的文件的名字,给了第一种方式,测试日志放在当前目录) qq交流群:194704520 Alt text 使用的库 requests,绝大部分是基于Python原有的库进行的,这样简单方便, 使用脚本参数分离等思想,尽可能降低代码的耦合度。 如果你不配置钉钉机器人,注释到机器人相关的代码 首先我们来看下我们的目录 Alt text ### 1.Case文件夹用来存放我们的测试用例相关的, test_case用来存储我们的测试数据,Excel管理测试用例,yaml文件管理测试用例,后续要把yaml管理测试用例的也封装出来。 Interface对测试接口相关的封装,包括requests库,发送...
内容概要:本文档围绕“配电网两阶段鲁棒故障恢复研究”展开,提供了完整的Matlab代码实现方案,属于高水平期刊论文的复现资料。研究针对配电网在发生故障后的恢复问题,提出了一种两阶段鲁棒优化方法,有效应对系统中诸如负荷波动、分布式电源出力不确定性等多重不确定因素。第一阶段进行预决策,包括网络重构、关键设备投切等操作;第二阶段则根据实际发生的故障场景进行动态调整与恢复控制,确保系统在故障后仍能安全、稳定、可靠运行。该资源不仅包含可运行的Matlab代码,还隶属于一个涵盖电力系统优化、智能算法、路径规划、机器学习等多个技术方向的综合性科研服务体系。; 适合人群:具备电力系统分析基础、优化理论知识及Matlab编程能力的研究生、科研人员和工程技术人员,特别适用于从事智能电网、配电自动化、故障恢复策略、鲁棒优化等领域研究的专业人士。; 使用场景及目标:① 学习并复现顶刊关于配电网故障恢复的先进优化模型;② 掌握两阶段鲁棒优化在电力系统中的建模思路、求解流程与技术细节;③ 利用所提供的Matlab代码进行算法验证、仿真测试,并在此基础上开展扩展性科研工作,如改进模型、引入新约束或应用于其他系统。; 阅读建议:建议结合经典电力系统优化与鲁棒调度相关文献,深入理解两阶段鲁棒优化的数学建模原理与物理背景,通过实际运行和调试代码,观察不同参数设置对优化结果的影响,进而掌握算法的核心机制。同时可参考文档中提及的其他相关研究主题,拓展研究视野,推动科研创新。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值