IOS 004 数据的加载方式 懒加载 以及plist文件的读取

本文详细介绍了iOS开发中数据懒加载处理、plist文件读取以及使用3目运算符替代if-else语句的技术要点。通过实例分析,阐述了如何优化内存使用和提高代码效率。

1.数据的懒加载处理,get方法

2.plist文件的读取

3.关于if..else的简单处理时, 转换成 3目运算符;  如果返回值需要 boolean值时,那么可以直接用表达式值就可以了




/*

 懒加载: 第一次使用数据是才加载成为 懒加载, 所以一般放在 get方法中;

 

- (NSArray *) array

 {/Users/mac/Desktop/imageScanner/imageScanner/ViewController.m

 

    //第一次加载的时候才创建

    //1 注意get方法的死循环

    //2 注意防止array的多次创建

 

    if( !_array )

    {

        _array =  @[];

 

    }

    

    return _array;   //self.array不可用,否则进入get方法的死循环

 }

 */






/*

 plist文件的加载


 - (NSArray *) array

 {

 

    if( _array == nil )

    {

 

        [ NSBundle  mainBundle]; //指的就是app所在路径;

      

        //得到plist文件的路径

        NSString * path = [[NSBundle mainBundle] pathForResource:@"imageData" ofType:@"plist"];

    

 

 

 

    }

 

 

 }

 

 




3.  替代if。。else

    _prior.enabled = (index!=0);

    _next.enabled = (index != 4);

 */

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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