黑马程序员—流程控制

------ Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------
一、if语句

if语句

三种格式:
1. 

if(条件表达式)

{
执行语句;
}

2.

 if(条件表达式)

{
执行语句;
}
else
{
执行语句;
}

3. 

if(条件表达式)

{
执行语句;
}
else if
{
执行语句;
}
……
else
{
执行语句;
}


if else 结构简写格式:变量 = (条件表达式)?表达式1:表达式2;

三元运算符:

好处:可以简化if else 代码。

弊端:因为是一个运算符,所以运算完必须要有一个结果。

代码示例1:

class IfTest1
{
	public static void main(String[] args)
	{
		//需求:根据用户定义的数值不同,打印对应星期。
		int num = 3;
		if(num == 1)
			System.out.println("星期一");
		else if(num == 2)
			System.out.println("星期二");
		else if(num == 3)
			System.out.println("星期三");
		else if(num == 4)
			System.out.println("星期四");
		else if(num == 5)
			System.out.println("星期五");
		else if(num == 6)
			System.out.println("星期六");
		else if(num == 7)
			System.out.println("星期日");
		else
			System.out.println("数值错误");
	}
}

二、switch语句

switch语句

格式:

switch(表达式)

{

case 取值1:

执行语句;

break;

case 取值2:

执行语句;

break;

……

case 取值n:

执行语句;

break;

default:

执行语句;

break;

}


if和switch 语句很像。

如果判断的具体数值不多,而是符合byte  short  int  char 这四种类型。

虽然两个语句都可以使用,建议使用switch语句,因为效率高。

其他情况:对区间判断,结果为boolean类型判断,使用if ,if的使用范围更广。

代码示例:

class SwitchTest
{
	public static void main(String[] args)
	{
		//需求:根据用户定义的月份不同,打印对应季节。
		//3、4、5 春季 6、7、8 夏季 9、10、11 秋季 12、1、2 冬季
		int num = 3;
		switch (num)
		{
			case 3:
			case 4:
			case 5:
				System.out.println("春季");
				break;
			case 6:
			case 7:
			case 8:
				System.out.println("夏季");
				break;
			case 9:
			case 10:
			case 11:
				System.out.println("秋季");
				break;
			case 12:
			case 1:
			case 2:
				System.out.println("冬季");
				break;
			default:
				System.out.println("数值错误");
		}
	}
}


内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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