ELisp编程七:创建函数

本文介绍了如何使用Emacs Lisp创建自定义函数,并演示了如何定义和调用一个简单的加法函数。此外还讲解了局部变量的概念及let函数的用法。

自定义函数

用Emacs创建一个test.el文件。编写如下代码:

(defun add2 (x)
  (+ 2 x))

(add2 8)

第一段是定义了一个函数add2,传递任意数值x,都会加上2后返回,在这个函数的最后的括号后面运行C-x C-e,创建该函数。

然后在到第二段调用代码最后面执行C-x C-e

在Mini-buffer可以看到和为10.


如果想要调用一个不存在的函数,解析器会报错:(void-function function-name)


参数
函数可以没有参数,也可以接受:
一个参数
多个参数
参数可以是list
数目可变的参数,比如concat函数

如果传递的参数类型错误,解析器会报错
如果一个函数要求参数,而你没有传递参数,解析器也会报错:
(void-variable function-name)

局部变量
let函数用于定义一个局部变量,该变量屏蔽了其他同名的变量,但尽在let语句内部有效。
let包含了三个部分,第一是let函数,第二是varlist,第三是body,也就是可以在let块内部执行的语句。
(let ((variable value)
           (variable value)
           ...)
       body...)

下面是一个例子:
(let ((zebra 'stripes)
           (tiger 'fierce))
       (message "One kind of animal has %s and another is %s."
                zebra tiger))




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