hibernate碎碎念

不知道怎么命名,只是感觉以下东西比较零碎,但是狠重要,狠重要,也狠容易忘记啊。就让我碎碎念哈子啦。。。

1.getCurrentSession()  区别 openSession()

  •  openSession()每次获取的都是新session ,commit后需要手动关闭 ;
  •  getCurrentSession()存在session用当前session,不存在就获取新的。commit后自动关闭;
  •  两者不能同时使用。


2.hibernate对象中的三种状态( Transient--->Persistent-->Detached)

  • Transient(内存中的一个对象,缓存中没有,内存中没有,没有id)
  • Persistent(内存中有,缓存中,数据库中有,有ID)
  • Detached(内存有,缓存没有,数据库有,有ID)



3. session中get()区别load()

  • get()直接执行sql
  • load()代理,什时候用到,什么时候执行sql


4.JTA  , JPA 

  • java  transaction  API 
  • Java persistent    API


5.只更新更改的字段,而不更新所有字段

  • annotation: @updatable
  • xml:dynamic- update ="true"   (<class name="com.hibernate.Student" dynamic-update="true">)


6.merge()   --->load() +update()

  •    Session.saveOrUpdate()  有Id执行update()没ID执行save()


7.所有的持久化类(persistent classes)都需要无参数的构造函器

  • 因为hibernate必须使用Java反射机制来创建对象
  • 如改写persistent  classes 中的构造函数,一定要手动添加无参构造函数。


未完待续。。。。。。。。


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