1. 基本概念
1.1 精准农业
根据定义，精准农业（PA）可描述为“通过提高单位面积土地单位时间内的正确的决策数量并带来净收益的农业模式”。这一定义具有普适性，既可通过电子设备也可由人工完成决策（转引自[1]）。精准农业不仅致力于提高产量，还力求最大限度减少水、肥料、农药等投入品的使用量（转引自[2]）。精准农业是硬件和软件技术的集合，使农民能够在种植、施肥、病虫害防治和收割等作业方面做出明智的差异化决策。
1.2 农业机器人的起源
截至2025年，全球人口已达82亿。另外，全球城市化进程正在改变乡村农业。因此，高效并环保的农业方式格外重要，因为1991年全球耕地面积占比约为39.47%，而到2013年已降至约37.7%，即耕地可用性减少了1.77%。在未来几十年里，人类面临着在提高农业产量的同时减少对环境的影响的挑战。精准农业（PA）正是实现这些目标的有效途径——它通过信息采集与决策技术的整合，能够在精细的地理尺度上精准调控农业生产。随着精准农业概念的提出，农业机械化和农业机器人逐步发展，对农业机器人操作精准度的要求也日益提高。
1. 模块化介绍
推荐阅读顺序
| 阶段 | 文件 | 理解重点 |
|---|---|---|
| 🌱 阶段一 | main.py → SpImpl.py |
启动流程、策略注册方式 |
| 🌱 阶段二 | base_strategy.py → dual_moving_average_strategy.py |
策略结构、继承方式 |
| 🌿 阶段三 | quote_manager.py → data.py → snapshot.py |
行情是如何流入策略的 |
| 🌿 阶段四 | trade_executor.py → trade_manager.py |
策略发单是如何执行与跟踪的 |
| 🌳 阶段五 | callback.py → position_manager.py |
成交、状态如何反向驱动系统更新 |
| 🌳 阶段六 | ConfigRead.py, kmax.py, type.py, utils.py |
配置与工具底层逻辑支持 |
Introduction
Q1
The developmental history of natural language processing technologies （Focus on mastering the three major tasks of natural language processing, as well as the earliest natural language processing task.）
- Rule-based (symbolic) approach
- Statistical approach (traditional machine learning)
- Connectionist approach
- Pre-Training
1. Introduction
1.1 优化学习目标
Distinguish between the objectives of optimization and those of deep learning (DL)
In the context of DL problems, after defining the loss function, we can utilize an optimization algorithm, also known as an optimizer, to minimize this loss function.
👉 在深度学习问题中，在定义好损失函数后，我们可以使用优化算法（也称为优化器）来最小化这个损失函数。
1. Introduction
Convolutional neural networks are generally used to process spatial information, while recurrent neural networks are generally used to process sequential information in the temporal domain.
1.1 Example 1-Stock series prediction
1. CNN 01
1.1 MLP 局限性
MLP 通过添加隐藏层和激活函数，可以学习现实生活中的许多非线性现象。
它特别适合处理表格数据，其中每一行表示一个样本，每一列表示一个特征。
通过构建 MLP 的模型结构并学习模型参数（即自然模式），可以用来表示特征之间的关系。
1. pre concept
1. 1 线性回归和 Softmax 回归
线性回归 ——> 离散分类：
在将连续值转换为离散值的过程中，通常依赖于“经验因素”。如果误差较大，会严重影响分类质量。转换过程中人们往往会设置一个阈值。根据经验设定阈值会带来很多不确定性，而且分类质量因人而异，受到不同经验的影响。
- 阈值：threshold
- 数据分析要干嘛？
Descriptive data analysis provides a brief summary of what has happened,
描述性数据分析提供了对已发生事件的简要概述，
reflecting the fluctuation and trend of data through descriptive statistical indicators,
通过描述性统计指标反映数据的波动和趋势，
and observing whether there are any abnormal situations in the data through descriptive data analysis.
并通过描述性分析观察数据中是否存在异常情况。