initWithFrame: 和 initWithCoder: 区别

本文探讨了视图初始化中的两种主要方法:initWithCoder与initWithFrame,以及如何在.xib文件中进行额外的初始化动作。
 1.initWithCoder: 对于.xib,视图加载时默认调用的是该方法;
2.initWithFrame: 非.xib的手动编码,视图加载时默认调用的是该方法。
所有初始化的代码都放到上面方法内部调用。另,对于.xib,也可以在awakeFromNib方法里面放额外的初始化动作。
帮我解释一下下面代码:// #import "TPBLabel.h" #pragma mark -overrides @implementation TPBLabel - (instancetype)initWithFrame:(NSRect)frameRect { self = [super initWithFrame:frameRect]; if (self) { [self setupInitialData]; [self configure]; } return self; } - (instancetype)initWithCoder:(NSCoder *)coder { self = [super initWithCoder:coder]; if (self) { [self setupInitialData]; [self configure]; } return self; } - (void)setupInitialData { self.font = self.defaultFont; self.textColor = self.defaultTextColor; self.backgroundColor = self.defaultBackgroundColor; self.numberOfLines = 1; self.textAlignment = NSTextAlignmentNatural; self.lineBreakMode = NSLineBreakByTruncatingTail; } - (void)configure { self.editable = NO; self.selectable = NO; self.bezeled = NO; self.drawsBackground = NO; self.usesSingleLineMode = NO; self.font = self.font; self.textColor = self.textColor; self.alignment = self.textAlignment; self.maximumNumberOfLines = self.numberOfLines; self.lineBreakMode = self.lineBreakMode; self.backgroundColor = self.backgroundColor; [self setContentCompressionResistancePriority:NSLayoutPriorityDefaultLow forOrientation:NSLayoutConstraintOrientationHorizontal]; } - (NSSize)intrinsicContentSize { if (TPBIsEmptyString(self.text)) { return CGRectZero.size; } else { return [super intrinsicContentSize]; } } - (NSFont*)defaultFont { return [NSFont tpr13Regular]; } - (NSColor*)defaultTextColor { return [NSColor tpTextPrimary]; } - (NSColor*)defaultBackgroundColor { return [NSColor clearColor]; } #pragma mark - #pragma mark setters which invalidate the view - (NSString *)text { return self.stringValue; } - (void)setText:(NSString *)text { if (text != nil) { self.stringValue = text; } } - (NSAttributedString *)attributedText { return self.attributedStringValue; } - (void)setAttributedText:(NSAttributedString *)attributedText { if (attributedText != nil) { self.attributedStringValue = attributedText; } } - (void)setTextAlignment:(NSTextAlignment)textAlignment { _textAlignment = textAlignment; self.alignment = _textAlignment; } - (void)setNumberOfLines:(NSInteger)numberOfLines { _numberOfLines = numberOfLines; self.maximumNumberOfLines = numberOfLines; } @end
09-29
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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