OpenLaszlo 3.1发布--重拾几乎遗忘的RIA理想

本文围绕RIA技术展开,曾走红的Flex、XUL等渐无声息,如今Ajax、DWR等受关注。介绍了OpenLaszlo 3.1版本,其解决性能与中文问题,升级颇多。还提及编程体验,同时指出其用户社群少等不足。此外,也对比了Flex2和XUL的情况。

原文出处及讨论:http://www.blogjava.net/calvin/archive/2005/11/29/21806.html

作者:江南白衣

一年前,RIA新浪潮。
1.以新的Web控件代替复杂dhtml对控件的模拟;
2.以重返C/S的用户体验代替传统http的提交-返回模式,开发模式上甚至可以直接调用商业对象。
RIA一出现就尽获民心。但,Flex因为收费,XUL因为终端,XAML因为无期,OpenLaszlo因为出身与性能.......渐渐退出了大家的嘴边,他们也的确不争气,又一年过去了,都没再弄出大的声响。

这一年大家做什么呢,是忽然走红的ajax,来实现RIA中不刷新页面的承诺,还有高级如DWRJSON-RPC,同样实现RIA中对商业对象的直接调用。
之前有ECHO2,而最近出现的一个框架叫ZK1,开发人员用XUL来开发,然后臂大力雄的框架会把XUL渲染成dhtml+ajax,算是一种有趣的思路。
但我还是觉得,浏览器应该升级,而不是靠复杂的dhtml+ajax来模拟,我是革命派,不是改良派,相对于全体民众花在模拟上的成本,浏览器的升级要简单得多。

前几天因为想在blog上弄点小花样,去了基于OpenLaszlo的blogbox。再回头,发现OpenLaszlo已经发布到3.1版本。

OpenLaszlo 3.1版本升级良多,已解决性能与中文问题。
*新版本可以编译为Flash 6、7、8的格式,性能上突飞猛进,不再是以前吃资源的巨怪。
*支持Unicode,支持中文了。
*支持SOLO deploy了,也就是不再要求Servlet Container,也可以deploy到IIS和Apache。
其他还有Drawing API,Charting Components,Dynamic Libraries,Ajax API等一系列升级。

OpenLaszlo3.1的编程体验
1.不愧曾是.com的产物,在Windows 下点了两下next就装完了,而且已有了整套的开发环境,10秒钟之后,我开始在my-apps目录写我的helloworld.lzx,然后刷新页面看结果。

2.XML格式的控件定义,JavaScript作为脚本语言,再加上完备的tutorial、reference文档和demo code,又和wxWidgets那样,基本上没什么特别要学的东西,直接可以开始编码了。

3.为什么RIA要比模拟RIA要好?
开篇两点之外,OpenLaszlo还可以自由定义控件的layout,比用table、div的做法自由。
另外,OpenLaszlo还可以简单的利用现有控件,定义新的控件和式样。

对OpenLaszlo有不满意吗?
有阿,用户社群太少。还有控件的默认式样也比Flex的差一截,虽说可以自己customize,但不是每个人都那么有空的呀。还有那个IBM友情客串的IDE,啥时候才弄得像个样嘛。

Flex ,XUL又在做什么?
Flex2 摆出的阵仗显然胜于OpenLaszlo:
Flex Framework 2, Flex Builder 2,Flex Enterprise Services 2,Flex Charting Components 2
但,公无收费,公竟收费,&*(^%,当奈公何。

XUL呢,新出的Firefox1.5只是Firefox1.0的补完,看不出FF2.0的痕迹,一年了。

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”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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