自己对委托的理解

1,委托( )(拥有固定签名 ):public delegate void NumberReachedEventHandler(object sender,NumberReachedEventArgs e);

2,事件(变量 ): (加上event进行声明):public event NumberReachedEventHandler NumberReached;

3,为委托(事件)指定方法相同签名 :参数个数,类型,返回值类型),并填写具体的方法代码(被调用方)

                          ①通过实例化委托对象的方式来指定方法
public delegate int AddHandler(int value);
public int Add(int value){}
AddHandler addHandler = new AddHandler(Add);

                          ②通过直接指定的方式来为委托指定方法
public   delegate   int  AddHandler( int  value);
public   int  Add( int  value){}
AddHandler addHandler  =  Add;

                          ③通过匿名方法的方式来为委托指定方法
public   delegate   int  AddHandler( int  value);
AddHandler addHandler  =   delegate ( int  value) {  return  value  +   1 ; };

                          ④我们通过+=操作来为委托添加方法,通过-=操作来为委托去除方法。

4,直接或间接调用事件 ,这里你可以理解成方法(类的实例变量)(调用方)

 

=================================================================================

 

①,委托和类平级,可以当做类来使用

②,事件是委托的实例变量,默认是私有的,不允许赋值,只可以+=或者-=

③,在窗体之间进行数据传递时或者说跨类进行数据传送时,接收数据的一方需要设置委托

 

=================================================================================

 

如果有很多调用方有相同的调用,这个时候可以将委托,事件,事件的调用抽象成一个静态类

具体方法见实例

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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