事件


2010年7月31日

http://87g.info/thread-76245-1-2.html

事件:是DOM模型的一部分,事件和函数是一起使用的,没有函数,事件就没用了.
触发事件,调用函数.浏览器不能直接拿到事件.而是通过操作系统来拿到浏览器.
事件监听函数/处理函数:事件是用户或浏览器进行特地的行为。用于响应某个事件而调用的函数。

事件函数分配方式:
一种分配在JS里。
一种分配在HTML中的,但不属于HTML事件。我到北京工作,但我不是北京人一样的道理。
<p>标志里的事件。

绑定一个事件:p.onclik = function:on();
input text

事件分类:
鼠标事件:鼠标进行特地操作时触发。<p>
键盘事件:用户在键盘上触发。onkeydown
HTML事件:窗口页面发生改变时触发,如加载,卸载。onload,onunload(当关闭浏览器触发)
突变事件:底层DOM发生改变时触发。

事件原理:
事件是一冒泡形式进行传递的。比如说在树形结构中,叶子节点有一个事件,这个事件会传到它的父节点,然后再父节点再让上传,直到传到根节点,再交给浏览器处理。每个事件里都有一个event对象。这个对象会一直传到浏览器里。浏览器通过这个event里的信息找到源数据。

event对象里的returnValue,keyCode。

样式:
. : 在HTML里用class访问


id 或# :

标志:

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
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