以下是本周學習內容的整理總結，從技術學習、實戰應用到科研輔助技能三個方面歸納：

---

📘 一、技術學習模塊：TCN 基礎知識與結構理解

🔹 博客1：【時序預測05】– TCN（Temporal Convolutional Networks）基礎概念

[鏈接]

• 核心思想：
  • 使用一維卷積（1D Conv）+ 空洞卷積（Dilated Conv） 建模時序關系；
  • 采用因果卷積（Causal Conv） 避免未來信息泄露；
  • 殘差連接（Residual Block） 用于提升深層網絡的訓練穩定性。
• 優勢：
  • 更易于并行訓練；
  • 捕捉長距離依賴能力強；
  • 參數可控，易調優；
• 結構核心：
  • 多層殘差塊；
  • 每層卷積層使用不同的dilation rate；
  • 輸出尺寸與輸入保持一致（padding處理）；

📌 啟示：TCN 是 RNN/LSTM 的高效替代方案，尤其在需要并行計算和長序列建模時效果更佳。

---

🔹 博客2：【TCN實戰】- 完整代碼 + 注釋解析

[鏈接]

• 內容結構：
  • 數據加載與滑動窗口生成；
  • TCN模型結構搭建（基于 PyTorch）；
  • 模型訓練與預測可視化；
• 關鍵代碼點：
  • 使用 nn.Conv1d 構建多層殘差模塊；
  • dilation、kernel size、padding控制 receptive field；
  • 注意輸出reshape及多步預測場景下的處理方式。

📌 啟示：實戰幫助理解 TCN 如何融合在預測任務中，也為未來自定義結構提供代碼參考模板。

---

?? 二、科研輔助技能：論文寫作與繪圖方法總結

🔹 博客3：科研論文寫作與圖表繪制工具總結

[鏈接]

• 內容涵蓋：
  • 結構化寫作技巧（IMRaD框架）；
  • 圖表繪制推薦：
    • Origin、Matplotlib、PPT美化插件、Graphviz 等；
  • 推薦資源網站如：Tableau Public、SciDraw、論文圖復現倉庫等；
• 寫作建議：
  • 段落首句明確主題；
  • 先圖后文，圖注簡潔；
  • 模型結構圖/流程圖建議用draw.io或LaTeX TikZ繪制。

📌 啟示：圖文并茂的表達不僅增強論文可讀性，也是科研成果傳播力的關鍵。早規劃、重邏輯、注細節是寫作核心。

---

🧰 三、CSDN Markdown 技巧筆記（自用技巧）

🔹 博客4：CSDN Markdown 官方使用技巧

[鏈接]

• 常用語法：
  • 表格：| 表頭 | 內容 | + :--:對齊方式；
  • 代碼塊：使用 ```+ 語言名；
  • 數學公式：支持LaTeX格式（需要開啟數學公式顯示）；
• 排版優化：
  • 使用 HTML 標簽如 <br> 實現更細節布局；
  • 引用/高亮/目錄支持豐富；
• 附加技巧：
  • 圖片可引用外鏈圖床；
  • 支持 CSDN 專屬塊（如 Info、Warning 樣式盒）增強閱讀體驗。

📌 啟示：良好的排版直接提升內容專業性，建議寫博客時養成結構清晰、分段合理、圖文并茂的發布習慣。

---

🧠 總結與思考

模塊	內容	收獲	延伸方向
技術	TCN基礎 + 實戰博客	掌握TCN核心結構、實現原理與實用性	對比LSTM/Transformer，結合滑坡預測應用
寫作	論文結構與繪圖方法	強化論文邏輯構建與圖表表達能力	制作專屬圖模板、寫作風格訓練
工具	CSDN Markdown用法	提升博客排版效率與專業度	可延伸到知乎、Notion、Typora等平臺