8.13 学习笔记

本笔记内容部分来自于郝斌老师以及秦疆老师视频课素材,部分自己总结。

1. 内部类面试题

匿名类面试题

内部成员类面试题

2. 函数的调用系统做了什么

3.递归需要满足的条件

        1.必须要有一个明确的终止条件

        2.递归的规模必须逐渐递减

        3.这个问题使用递归必须可解

4.常用的字符ASCII码

0:48 A:65 a:97   486+111=597

5.GC主要针对堆区

6.wait()和sleep()的区别

wait使线程进入等待状态,此时线程不占用任何资源,没有时间参数。而sleep指线程被调用时,占用CPU却不工作,有时间参数。wait()是Object类的方法,而sleep()是Thread类的方法

7.SpringMVC的原理

8.SpringMVC的底层 

 每一步的具体过程:

 可以概括为三大步:

1.在resources下的springmvc-servlet.xml配置处理器映射器BeanNameUrlHandlerMapping,它的作用是根据url查找控制器,然后返回给DispatcherServlet

2.配置处理适配器SimpleControllerHandlerAdapter,它的作用是寻找具体是java下的哪个Controller类执行操作。

3.具体Controller类执行并且调用Service层,Service层调Dao层,操作完数据然后逐级返回到Controller层,将带有参数的ModelAndView返回到DispatcherServlet,然后DispatcherServlet使用ViewResolver对参数中的ViewName进行解析,渲染过后(调用哪个视图)展示给用户

在这种最基础的SpringMVC代码中,不要忘记了在springmvc-servlet.xml文件中配置BeanNameUrlHandlerMapping的beanidbeanclass

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