例题

一些例题
1、生成文档
/**
这是First类的主方法,它将输出两个整数类型变量值和。类名为First
*/
public class First
{
        /*生成文档时不会被提取。*/
          int a;
          int b;
              /**本方法的功能是修改指定值。*/
          public void set()
           {
               System.out.println(a+b);
             
}
}

2、输出空心菱形,如下图所示。(利用for循环完成,每次只能打印输出一个*号



     *
    * *
   *   *
  *     *
 *       *
*         *
 *       *
  *     *
   *   *
    * *
     *
public class Two
{
        public static void main(String[] args)
        {
              int x,i,j,sum;
              for(i=0;i<=6;i++)
              {
                     for(x=1;x<=6-i;x++)
                     {
                          System.out.print("");
                      }
                     if(i==0)
                      {   System.out.print("*");}
              for(j=1;j<=2*(i-1)-1;j++)
                      {
                          System.out.print(""); 
                      }
                     System.out.println("*");
               } 
              for(i=5;i>=0;i--)
              {
                     for(x=0;x<6-i-1;x++)
                     {
                         System.out.print("");
                      }        
                     if(i==0)
                     {   System.out.println("*");}
                     else
                     { 
                     for(j=1;j<=2*(i-1)-1;j++)
                     {
                         System.out.print("");
                     }
                     System.out.println("*");
               }    
         }
}
}
3、编写程序,求1!+2!+……+20!的合并显示,同时输出1!、2!/……的结果。
public class Six
{
 public static void main(String[] args) 
 {
  int i;
  long j=1;
  long sum=0;
  for(i=1;i<=20;i++)
  {
  j=j*i;
  sum=sum+j;
  System.out.println(i+"!="+j);
  }
  System.out.println("1!+2!+3!+……+20!="+sum);
 }
}


循环体一层套一层。应该一层层的往上加,才不会弄乱。
记住注释的几种形式。
阶乘要用long,防止长度无限大。






内容概要:该论文聚焦于6G通信中20-100GHz频段的电磁场(EMF)暴露评估问题,提出了一种基于自适应可重构架构神经网络(RAWA-NN)的预测框架。该框架通过集成权重分析模块和优化模块,能够自动优化网络超参数,显著减少训练时间。模型使用70%的前臂数据进行训练,其余数据用于测试,并用腹部和股四头肌数据验证模型泛化能力。结果显示,该模型在不同参数下的相对差异(RD)在前臂低于2.6%,其他身体部位低于9.5%,可有效预测皮肤表面的温升和吸收功率密度(APD)。此外,论文还提供了详细的代码实现,涵盖数据预处理、权重分析模块、自适应优化模块、RAWA-NN模型构建及训练评估等内容。 适合人群:从事电磁兼容性研究、6G通信技术研发以及对神经网络优化感兴趣的科研人员和工程师。 使用场景及目标:①研究6G通信中高频段电磁暴露对人体的影响;②开发更高效的电磁暴露评估工具;③优化神经网络架构以提高模型训练效率和预测精度。 其他说明:论文不仅提出了理论框架,还提供了完整的代码实现,方便读者复现实验结果。此外,论文还讨论了未来的研究方向,包括扩展到更高频段(如300GHz)的数据处理、引入强化学习优化超参数、以及实现多物理场耦合的智能电磁暴露评估系统。建议读者在实际应用中根据具体需求调整模型架构和参数,并结合真实数据进行验证。
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