频道管理

本文介绍如何在Android项目中引入DragGrid库并实现列表项的拖拽功能。通过在build.gradle文件中配置依赖源并引入指定版本的DragGrid库,可以在MainActivity中创建包含拖拽功能的列表。此外,文章还展示了如何保存拖拽后的数据状态。




导入包
在项目跟目录下build.gradle中的allprojects中加入
maven {url"https://jitpack.io"}

allprojects {
    repositories {
        jcenter()
        maven {url"https://jitpack.io"}
    }
}
导包:
compile 'com.github.yekh:draggrid:v1.0.1'

main_activity.xml中的代码
<?xml version="1.0" encoding="utf-8"?><RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android" xmlns:tools="http://schemas.android.com/tools" android:layout_width="match_parent" android:layout_height="match_parent" tools:context="com.example.andy.pindaoguanli.MainActivity"> <Button android:id="@+id/but" android:layout_width="match_parent" android:layout_height="wrap_content" android:text="Hello World!" /></RelativeLayout>
MainActivity中代码:
public class MainActivity extends AppCompatActivity {

    private Button but;
    private String stringExtra;
    private SharedPreferences sp;

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        but = (Button) findViewById(R.id.but);
        sp = getSharedPreferences("set", MODE_PRIVATE);

        but.setOnClickListener(new View.OnClickListener() {
            @Override
            public void onClick(View v) {
                String data = sp.getString("data", null);
                if (data == null) {
                   List<ChannelBean> list = new ArrayList<ChannelBean>();
                    for (int i = 0; i < 15; i++) {
                        ChannelBean bean = null;
                        if (i < 5) {
                            bean = new ChannelBean("item" + i, true);
                        } else {
                            bean = new ChannelBean("item" + i, false);
                        }
                        list.add(bean);
                    }
                    ChannelActivity.startChannelActivity(MainActivity.this, list);
                }else {
                    ChannelActivity.startChannelActivity(MainActivity.this, data);
                }

            }
        });
    }


    @Override
    protected void onActivityResult(int requestCode, int resultCode, Intent data) {
        super.onActivityResult(requestCode, resultCode, data);

        if (requestCode == ChannelActivity.REQUEST_CODE && resultCode == ChannelActivity.RESULT_CODE) {

            stringExtra = data.getStringExtra(ChannelActivity.RESULT_JSON_KEY);

            sp.edit().putString("data", stringExtra).commit();
            Log.e("stringExtra", stringExtra);
        }
    }
}

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
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