code for dream javascript this学习

本文介绍了JavaScript中的this关键字的多种用途及绑定规则。包括作为对象方法、普通函数、构造函数调用,以及使用apply或call调用时this的不同指向。

看到一篇文章说: 正确掌握了 JavaScript 中的 this 关键字,才算迈入了 JavaScript 这门语言的门槛。

今天的博客 就写一写 对this的初步认识

              由于其运行期绑定的特性,JavaScript 中的 this 含义要丰富得多,它可以是全局对象、当前对象或者任意对象,这完全取决于函数的调用方式。JavaScript 中函数的调用有以下几种方式:作为对象方法调用,作为函数调用,作为构造函数调用,和使用 apply 或 call 调用


               在函数调用模式中  this指向Window

  函数也可以直接被调用,此时 this 绑定到全局对象。在浏览器中,window 就是该全局对象。

   

   function fn()

       { console.log(this) }

        fn() 

 

 

             在调用的模式的时候,this指向方法所对应的对象

方法在 JavaScript 中,函数也是对象,因此函数可以作为一个对象的属性,此时该函数被称为该对象的方法,

在使用这种调用方式时,this 被自然绑定到该对象。

 

function test(){

 

    alert(this.M);

 

  }

 

  var o = {};

 

  o.M= 1;

 

  o.m = test;

 

  o.m(); // 1

 

 

              在构造函数模式的时候,this指向新生成的实例

 

所谓构造函数就是通过这个函数生成新的对象(object)this指向这个对象

 

 

 


 

function test(){

 

    this.x = 1;

 

  }

 

  var o = new test();

 

  alert(o.x); // 1

 

 

 this 在apply/call调用模式的时候,this指向其第一个参数

 

 

pply()是函数对象的一个方法,它的作用是改变函数的调用对象,

 

它的第一个参数就表示改变后的调用这个函数的对象。因此,this指的就是这第一个参数。

 

 var x = 0;

 

  function test(){

 

    alert(this.x);

 

  }

 

  var o={};

 

  o.x = 1;

 

  o.m = test;

 

  o.m.apply();

 

          
 

 

 

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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