Oracle学习笔记-函数

本文介绍了如何使用SQL创建函数来处理常见的业务需求,包括计算部门平均薪资及统计部门内薪资高于平均值的员工数量等。通过具体例子展示了函数的定义、异常处理及调用方式。
---------基本语法---------
1.函数
CREATE OR REPLACE FUNCTION 函数名(参数列表)
RETURN 数据类型
IS | AS
PL/SQL

1.1 函数和存储过程的区别
1、函数只能有一个返回值,存储过程可以有0到任意多个。
2、函数可以嵌套在SQL语句中,存储过程是不行。执行本质是一样的。
3、函数中临时表不能用。
4、存储过程功能强大,能实现比较复杂的业务。
5、【是否可以独立执行】函数只能作为查询语句的一部分,存储过程是可以的。
 
---------举例---------
1、根据部门编号获取部门的平均水平
 
CREATE OR REPLACE FUNCTION f_avgSalByDept(dept_no NUMBER)
RETURN 	NUMBER
IS
	avgSal NUMBER;
BEGIN 
	SELECT AVG(sal) INTO avgSal FROM emp WHERE deptno = dept_no;
	RETURN avgSal;
	EXCEPTION
		WHEN no_data_found THEN
			raise_application_error(-20001,'无此部门');
END;

--调用
 
SELECT f_avgSalByDept(20)
FROM emp
GROUP BY deptno;

2、根据部门编号返回该部门下工资大于部门平均工资的人数
 
CREATE OR REPLACE FUNCTION f_moreSalThenAvgByDept(dept_no NUMBER)
RETURN 	NUMBER
IS
	e_count NUMBER;
BEGIN 
	SELECT COUNT(*) INTO e_count 
	FROM emp t
	WHERE t.sal >= (SELECT AVG(sal) FROM emp e WHERE e.deptno = dept_no)
	AND t.deptno = dept_no;
	RETURN e_count;
END;

--调用
SELECT f_moreSalThenAvgByDept(20)
FROM emp
GROUP BY deptno;
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