Base用法“粗”解

本文介绍了C#中base关键字的用法,它可用于从派生类访问基类成员,如调用基类被重写的方法、指定派生类实例创建时调用的基类构造函数,且基类访问只能在特定场景进行。还给出了相关示例代码。

base 关键字用于从派生类中访问基类的成员: <?xml:namespace prefix = o ns = "urn:schemas-microsoft-com:office:office" />

  • 调用基类上已被其他方法重写的方法。

  • 指定创建派生类实例时应调用的基类构造函数。

基类访问只能在构造函数、实例方法或实例属性访问器中进行。

从静态方法中使用 base 关键字是错误的。

示例

在本例中,基类 Person 和派生类 Employee 都有一个名为 Getinfo 的方法。通过使用 base 关键字,可以从派生类中调用基类上的 Getinfo 方法。

输出

有关其他示例,请参见 new、virtual 和 override。

示例

本示例显示如何指定在创建派生类实例时调用的基类构造函数。

自已写的一个小程序:

using System;

namespace ConsoleApplication6

{

/// <summary>

/// Class1 的摘要说明。

/// </summary>

class Test

{

/// <summary>

/// 应用程序的主入口点。

/// </summary>

[STAThread]

static void <place><span lang="EN-US" style="FONT-SIZE: 9pt; FONT-FAMILY: 新宋体; mso-font-kerning: 0pt; mso-hansi-font-family: 'Times New Roman'">Main</span></place>(string[] args)

{

//

// TODO: 在此处添加代码以启动应用程序

//

Person objPerson=new Person();

objPerson.Name="eNet";

objPerson.Old=18;

objPerson.FrondOf="Watch TV";

objPerson.DisplaySelfInfo();

Console.WriteLine("================================================");

Boy objBoy=new Boy();

objBoy.Name="eNet";

objBoy.Old=24;

objBoy.FrondOf="play basketball";

objBoy.GirlFriendName="Anny";

objBoy.DisplaySelfInfo();

}

}

public class Person

{

protected string name="";

protected int old=1;

protected string frondOf="";

public string Name

{

set

{

name=value;

}

}

public int Old

{

set

{

old=value;

}

}

public string FrondOf

{

set

{

frondOf=value;

}

}

public virtual void DisplaySelfInfo()

{

Console.WriteLine("My name is:{0} ,and I am {1} years old now,and I am frond of {2}!",name,old,frondOf);

}

}

public class Boy:Person

{

protected string girlFriendName="";

public string GirlFriendName

{

set

{

girlFriendName=value;

}

}

public override void DisplaySelfInfo()

{

base.DisplaySelfInfo ();

Console.WriteLine("my girlfriend's name is {0},she is very beautiful,I love her,and she love me too,we happy every day !",girlFriendName);

}

}

}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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