struts2配置文件

在struts.xml中可以定义bean,include,package,constant

bean 配置组件,可参考

(struts.xml文件之Bean的配置)http://blog.163.com/artsn@126/blog/static/36533281201111511381316/

include 把其他配置文件包含进来,可以避免一个struts.xml中内容过多导致不便维护和开发.

constant 设置struts2的常量   和在struts.properties中一样 也可以在web.xml中设置

参考:

struts.xml文件之常量的配置http://blog.163.com/artsn@126/blog/static/3653328120111150503558/

struts2常量详解http://riddickbryant.iteye.com/blog/557373

package 功能的集合 action

         包含:(result-types?,interceptors?, default-interceptor-ref?, default-action-ref?, default-

 class-ref?, global-results?,global-exception-mappings?, action*)

 

package的几个注意点:

name不可以重复,仅仅是个标识,类似id便与让其他包使用例如继承

namespace 不填写默认为“”,“”表示是默认的命名空间,多个包可以有相同的命名空间。在一个命名空间中不能有相同名字的action

 

先举个几个例子

页面发出请求/test/hello.action,

struts2会在命名空间名字为/test中找名字为hello的action

如果找不到就在默认的命名空间“”中,找名字为 hello的action

如果还还找不到,就报错

        

页面发出请求/test/book/hello/abc/hello.action,

那么struts2会在命名空间名字为/test/book/hello/abc中找名字为hello的action,

如果找不到就在默认的命名空间“”中,找名字为 hello的action,

如果还还找不到,就报错

 

         页面发出请求/hello.action

那么struts2会在命名空间名字为/中找名字为hello的action

如果找不到就在默认的命名空间“”中,找名字为 hello的action,

如果还还找不到,就报错

(通常把命名空间为“/”的叫根命名空间)

 

result-types 结果处理类型,可以自己添加,一般不用,直接使用struts-default中的即可,

关于那些结果类型的介绍:参考http://blog.youkuaiyun.com/thunder_1985/article/details/4551071

如果返回类型是json,那么参考http://yshjava.iteye.com/blog/1333104

基于Struts2Result Type为chain的Action之间数据传递

                                                                 http://wenku.baidu.com/view/0ce52969a98271fe910ef9f4.html

interceptors 拦截器

default-interceptor-ref 默认的拦截器,如果不写,默认是父包中默认的拦截器

default-action-ref  默认的action,如果不写,那么找不到action时就出错

default- class-ref  action标签不写class属性时默认的class,如果不配置,那么默认是ActionSupport返回”success”

global-results  该包中全局的结果,便于多个action返回相同的结果

global-exception-mappings 异常的处理 http://www.cnblogs.com/codeplus/archive/2011/07/16/2107999.html

action

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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