1.1 js中函数定义解析(学习笔记)

本文深入探讨了JavaScript中函数的分类,包括函数声明式、函数表达式、匿名函数、立即执行函数及回调函数。详细对比了函数声明与函数表达式的调用位置、方法和使用范围,帮助读者理解其差异。

1.1.1函数的分类

  • 函数声明式 :使用function声明函数,并指定函数名。
  • 函数表达式:使用function声明函数,但未指定函数名。
  • 函数表达式2.匿名函数,匿名函数有很多作用,赋予一个变量则创建函数,赋予一个事件则成为事件处理程序或创建闭包等等。
  • 立即执行函数,两种写法。立即执行函数里面的函数必须是函数表达式
    (function(){})()        (function(){}())
    (function(){}())这样写的好处是在内部定义的变量不会跟外部的变量有冲突,达到保护内部变量的作用。
  • 回调函数 此函数比较特殊,一般属于异步。例如 setTimeout(function, xx)

1.2函数声明与函数表达式的区别

  1. 调用位置
    函数声明可以在当前作用域下提前调用,因为 函数提升即将函数声明提升到它所在作用域的最开始的部分(js预解析函数提升)  

    函数表达式只能在声明之后调用

  2. 调用方法区别
    函数声明必须有函数名。【通过函数名调用】

    函数表达式中的函数名可选的(所以称为匿名函数)(更像js语句的一部分)
    比如赋值表达式等号右边,作为函数参数,立即执行函数。这三种情况都可以不使用函数名。【1.作为其他函数的参数,通过参数名访问。2.函数赋值给一个变量,通过变量名访问。】

  3. 使用范围
    函数声明只能作用于全局中,或者镶嵌在其他函数中。不能出现在循环,条件中(待确认)(部分探讨见1.4)

  4. 函数表达式可以直接在函数后接()调用

转载于:https://www.cnblogs.com/-constructor/p/10626286.html

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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