当前位置: 首页 > news >正文

考研初试专业分146!上岸新疆大学!信号与系统考研经验,通信考研小马哥。

信号与系统专业课分数146,希望以下的经验能够帮助到正在努力学习的学弟学妹们更好的学习专业课。

本人是从四月份开始学习专业课,当时我觉得专业课应该要尽早开始越拖到后期学习压力越大,所以在周边同学还在只学习公共课的时候我就开始了专业课的学习。

四月份到七月初期

我完成了信号与系统的基础课程,当时我选择的是小马哥与谷哥的课程。大家都说第一次过专业课一定要细致,这个时候谷哥讲的真的非常细致!把信号与系统这门专业课的知识全都细致的过了一遍,包括一些公式的推导,甚至在数学信号处理中与信号与系统相关的知识谷哥也一一做了补充。

我当时的状态是下午学习专业课,下午听完后谷哥会安排作业并要求上传,我会整理完当节笔记后再做完当天的练习题。这让我的基础打的十分牢固。我认为再难的题型也是从基础题变换出来的,所以学弟学妹们一定要打好基础!

七月中旬到九月份

我过完了一遍基础就开始了刷题,马哥非常细心的整理了三个版本的信号与系统课后题,并且会按时布置任务进行督学。

在这个阶段我成功的从理论完成了实践,知道了怎么做题。这个阶段是从七月中旬到九月份。我刷完了三个版本的课后习题,不会的题目马哥已经录制了视频。可以通过视频学习,且学习群里会有学长学姐全天在线答疑,十分方便。

九月份开始

我就在做马哥的960题,是马哥整理的考研真题。十分推荐!让我从课后题见识到了考研的真题。

马哥按照题型和知识点进行归纳总结,哪里感觉自己掌握的不够牢固就刷哪里,题目的质量非常高。刷完960题自己的做题自信提高了很多,遇到没有思路的题也不会害怕了。这个阶段从九月份到十月份。

接下来开始刷自己学校近20年的真题,每一道都要弄懂,知道再考什么东西。来会反复刷,最重要的是要归纳总结整理错题,建立自己的错题本。

十一月份

这个时段在刷自己学校真题的同时也要刷一些名校的真题,增加自己的见识。马哥在学习群里每天都会提供各个名校的真题并且带着详细的解析。

到了考研最后半个月开始做马哥的3+1进行考前模拟,做最后的冲刺。最后拿了146分。

 信号与系统的学习并不难,最重要的是找对学习的方法,提高自己的学习效率并且一定要坚持下去就会成功!

http://www.dtcms.com/a/295966.html

相关文章:

  • 图机器学习(20)——欺诈交易检测算法
  • python基础:操作列表
  • 2024年ASOC SCI2区TOP,基于强化学习教与学优化算法RLPS-TLBO+风电场布局优化,深度解析+性能实测
  • 一种宏模板实现方法
  • (实用攻略)Linux操作系统(一)
  • 强制缓存与协商缓存
  • CentOS7 安装 rust 1.82.0
  • C语言转义字符‘\\‘‘ 解析与常见误区
  • 收银系统合作模式全解析:SaaS、私有化部署与开源版选型指南
  • Kylin V10 4070安装nvidia驱动+CUDA+docker安装
  • 循环队列的两种实现
  • Spring AI 系列之二十四 - ModerationModel
  • 每日算法刷题Day52:7.24:leetcode 栈5道题,用时1h35min
  • 前端性能新纪元:Rust + WebAssembly 如何在浏览器中实现10倍性能提升(以视频处理为例)
  • uniapp nvue开发App 横竖屏切换丢失上下文导致 setTimeout和clearTimeout报错
  • [网安工具] 自动化威胁检测工具 —— D 盾 · 使用手册
  • SAP-MM-采购订单批量创建 excel 版
  • 保留5位小数封装一个自定义指令
  • Linux 内核基础统简全解:Kbuild、内存分配和地址映射
  • 10分钟搭建脚手架:Spring Boot 3.2 + Vue3 前后端分离模板
  • Springboot儿童医院问诊导诊系统aqy75(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。
  • 使用钉钉开源api发送钉钉工作消息
  • C语言 一文详解常用的字符串操作函数及模拟实现
  • 医疗系统国产化实录:SQL Server国产替代,乙方保命指南
  • DigitalOcean 一键模型部署,新增支持百度开源大模型ERNIE 4.5 21B
  • 集合中Comparable接口和Equals方法的冲突
  • 【Mermaid 离线工具】Mermaid 流程图生成器 - 高清PNG输出,一键生成专业级流程图!
  • 共创养生新时代——2025酵素益生产品展暨中秋滋补选品节即将开启
  • QT6 源(165)模型视图架构里的所有的信号函数概览
  • UNETR++: Delving Into Efficient and Accurate 3D Medical Image Segmentation