Erlang中如何实现分页效果

本文详细介绍了前端通过二维map存储分页信息的方法,并结合后台Erlang的ETS表匹配技术实现前后端交互的分页数据获取流程。针对首次获取和后续页面加载情况,文章给出了具体的实现步骤和示例。

1.前台

1.1.使用二维map来存储分页信息:

1.1.1.一维map存储页码和分页信息,key为页码,value为分页信息。

1.1.2.二维map存储分页的上一页,当前页,下一页信息。

1.1.3.当为第一页时,map[1]["prePage"]="",map[1]["currPage"]="",map[1]["nextPage"]=取到第一页数据后的continuation信息;当为第二页时,map[2]["prePage"]=map[1]["currPage"],map[2]["currPage"]=map[1]["nextPage"],map[2]["nextPage"]=取到第二页数据后的continuation信息。

2.后台

2.1.如果第一次获取:

{Tab,Continue} = ets:match(users,'$1',10),
Tab:取到的当前页的所有数据信息。
Continue:当前页的下一页信息。
将所有的数据信息和下一页信息发送到前台

2.2.如果下一次获取并且下一页的数据是从前台传过来的

%将前台传过来的分页数据进行解析
[Tab1,Int1,Int2,Bin,List,Int3] = string:tokens(Continuation,"_"),
%将前台传过来的分页数据按照Continue规则进行组装
Continue1 = {list_to_atom(Tab1),list_to_integer(Int1),list_to_integer(Int2),<<>>,[],0},
%将自定义的分页数据根据此规则进行修复
MS = ets:fun2ms(fun( OrderRecord = #users{}) -> [OrderRecord] end),
Continue2 = ets:repair_continuation(Continue1, MS),
%将下一页的数据信息取出
{Tab2,Continue3} = ets:match(Continue2),
将所有的数据信息和下一页信息发送到前台

2.3.获取的下一页的数据信息:

2.3.1.如果是最后一页:

Continue='$end_of_table'.

2.3.2.如果不是最后一页:

Continue={Tab,Int1,Int2,Bin,List,Int3}

 

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
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