java学习日记1

本文介绍了Java编程的基础知识,并通过实例展示了如何使用JOptionPane进行简单对话框操作,包括显示消息框、输入对话框和数据处理。强调了编程实践的重要性,提倡从模仿到原创的编程学习过程。
   

import javax.swing.JOptionPane;       //JOptionPane为系统所提供对话框的类,*加载包内所有内容,加载时间较长。
public class test{
public static void main (String[] args){
final double PI=3.141592654;       //final 将PI变为常量,无法对其做更改,常量通常所有字母大写。
JOptionPane.showMessageDialog(null,"do");     //显示消息框,位置居中,内容“do”
String Name = JOptionPane.showInputDialog(null,"请输入你的姓名");//显示一个输入框,使用一个变量来记录输入的内容。便于其他内容调用该变量。
JOptionPane.showMessageDialog(null,"welcome,"+Name);
}

}


import javax.swing.JOptionPane;
public class jack{
public static void main(String[] args){
String weigh=JOptionPane.showInputDialog(null,"请输入宽");
String longer=JOptionPane.showInputDialog(null,"请输入长");
//将字符串转化为整型。
int W = Integer.parseInt(weigh);//Integer(系统提供的的一种方法)parseInt(Integer系统提供的一种方法)
int L = Integer.parseInt(longer);
JOptionPane.showMessageDialog(null,"长方形面积为:"+W*L);


}

}

想要快速的写出代码,只有一个办法就是多多的写。先照搬,让后再模仿,最后就是自己原创。在没有一定的积累想要原创几乎是不可能的。

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