JAVA面向对象访问的几个容易混淆点

本文解析了Java中的对象、类型及变量的概念,详细介绍了它们在内存中的存储位置,并通过示例代码展示了属性如何跟随变量变化而变化,而方法则始终跟随对象。

1、一定分清楚几个概念,那就是对象,类型,变量。类型是存储到方法区的,对象是实例化类型的,是放在堆区,实际程序流程执行的基本数据类型和自定义对象引用则是存储在栈区,因为这些设计到内存机制,还有虚拟机一些机制,因为这些和实际操作系统的内存分区还是有区别的。

2、属性的引用是通过变量来进行的,但是方法的引用则是通过对象进行的。这就说明了一个问题,如果两个变量的对象是一样的,但是他的属性值却有可能不一样。造成这个复杂情况的原因在于是面向对象编程的复杂性。

如:

          class A1

{   

String name="张三”;

public fangfa

{

System.out.println(this.name);

}

}

class B1 extends A1

{

String name="李四";

public fangfa

{

System.out.println(this.name);

}

}

public  static void main()

{

B1 b1=new B1();

A1 a1=b1;

System.out.println("b1的name变量值为“+b1.name+”;a1的name变量值为“+a1.name);

a1.fangfa();

b1.fangfa();

}

编译结果:

b1的name变量值为李四;a1的name变量值为张三;

李四;

李四

这段代码只是演示出来,可能有编译错误没有仔细检查。上述代码只是说明,属性是跟着变量走的,但是方法确实跟着对象走的。

如有错误,欢迎指正,谢谢。



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