动物可以这样叫(纯虚函数)

本文通过C++代码示例介绍了多态的概念及其应用。通过基类指针调用派生类的不同方法,展示了多态如何让程序更具灵活性和扩展性。
//
//  main.cpp
//  project
//
//  Created by 徐伟 on 5/31/16.
//  Copyright © 2016 fizz_i. All rights reserved.
//

#include <iostream>
#include <string>
using namespace std;
class Animal
{
public:
    virtual void cry()
    {
        cout<<"不知哪种动物,让我如何学叫?"<<endl;
    }
};

class Mouse : public Animal
{
private:
    string name;
    char sex;
public:
    Mouse(string nam, char s):name(nam),sex(s) {}
    virtual void cry()
    {
        cout<<"我叫"<<name<<",是一只"<<((sex=='m')?"男":"女")<<"老鼠,我的叫声是:吱吱吱!"<<endl;
    }
};

class Cat : public Animal
{
private:
    string name;
public:
    Cat(string nam):name(nam) {}
    virtual void cry()
    {
        cout<<"我叫"<<name<<",是一只猫,我的叫声是:喵喵喵!"<<endl;
    }
};

class Dog : public Animal
{
private:
    string name;
public:
    Dog(string nam):name(nam) {}
    virtual void cry()
    {
        cout<<"我叫"<<name<<",是一条狗,我的叫声是:汪汪汪!"<<endl;
    }
};

class Giraffe : public Animal
{
private:
    string name;
    char sex;
public:
    Giraffe(string nam,char s):name(nam), sex(s) {}
    virtual void cry()
    {
        cout<<"我叫"<<name<<",是"<<((sex=='m')?"男":"女")<<"长颈鹿,我的脖子太长,发不出声音来!"<<endl;
    }
};

int main( )
{
    Animal *p;
    p = new Animal();
    p->cry(); //输出: 不知哪种动物,让我如何学叫?
    Mouse m1("Jerry",'m');
    p=&m1;
    p->cry(); //输出: 我叫Jerry,是一只男老鼠,我的叫声是:吱吱吱!
    Mouse m2("Jemmy",'f');
    p=&m2;
    p->cry(); //输出: 我叫Jemmy,是一只女老鼠,我的叫声是:吱吱吱!
    Cat c1("Tom");
    p=&c1;
    p->cry(); //输出: 我叫Tom,是一只猫猫,我的叫声是:喵喵喵!
    Dog d1("Droopy");
    p=&d1;
    p->cry(); //输出: 我叫Droopy,是一条狗狗,我的叫声是:汪汪汪!
    Giraffe g1("Gill",'m');
    p=&g1;
    p->cry(); //输出: 我叫Gill,是男长颈鹿,脖子太长,发不出声音来!
    return 0;
}

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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