第一次的触碰Pivot

今天终于下载了1.4的pivot,开始学习实践了,哈哈。先简单的介绍下pivot。

1、开源。

2、基于java RIA解决方案。

3、相对swing更加轻量级。

4、VMWare发布。

再说说我自己。我从事java开发已经有2年时间了,其中J2EE和J2ME我都进行了开发,怎么说呢,我比较喜欢swing应该说非常喜欢,所以我也就很喜欢pivot了,哈哈。至于原因说不清楚就是那么一种情怀。

今天下载了demos,从hellojava开始,先说下自我感觉,非常好,哈哈。使用applet也做展示,我以前就做过了,webservice + applet + swing + 自己写的底层。大家都说applet慢,的确它给人的印象是慢,但是这只是它的一个缺点而已,在你很好的优化下,一个项目中client端的代码也不过几百KB,在局域网内完全可以,在广域网也许就不那么好了,但这也是硬伤啊,我国的互联网速度,哎不好意思说了,我只知道邻国东边60MB的带宽啊,在国外我想swing不会像国内这么慢。

回归正题说说pivot,看了下源码,感觉很熟悉,哈哈,要的就是这种感觉。

今天的感觉就是这些了。

看个例子。hellojava

package org.apache.pivot;

import java.awt.Color;  
import java.awt.Font;  

import org.apache.pivot.collections.Map;  
import org.apache.pivot.wtk.Application;  
import org.apache.pivot.wtk.DesktopApplicationContext;  
import org.apache.pivot.wtk.Display;  
import org.apache.pivot.wtk.HorizontalAlignment;  
import org.apache.pivot.wtk.Label;  
import org.apache.pivot.wtk.VerticalAlignment;  
import org.apache.pivot.wtk.Window;  

public class HelloJava implements Application {  

	private Window window = null;  
	@Override 
	public void startup(Display display, Map<String, String> properties) {  
		Label label = new Label();  
		label.setText("Hello World!");  
		label.getStyles().put("font", new Font("Arial", Font.BOLD, 24));  
		label.getStyles().put("color", Color.RED);  
		label.getStyles().put("horizontalAlignment",HorizontalAlignment.CENTER);  
		label.getStyles().put("verticalAlignment", VerticalAlignment.CENTER);  
		window = new Window();  
		window.setContent(label);  
		window.setTitle("Hello World!");  
		window.setMaximized(true);  
		window.open(display);  
	}  

	@Override 
	public boolean shutdown(boolean optional) {  

		if (window != null) {  
			window.close();  
		}  
		return false;  
	}  
	@Override
	
	public void suspend() {  
	}
	
	@Override 
	public void resume() {  
	}  

	public static void main(String[] args) {  
		DesktopApplicationContext.main(HelloJava.class, args);  
	}  

}  

 我顺便上传个demo吧。放到tomcat webapps下就行。大家瞧瞧。

【故障诊断】【pytorch】基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据](Python代码实现)内容概要:本文介绍了基于CNN-LSTM神经网络模型的轴承故障分类方法,利用PyTorch框架实现,采用西储大学(Case Western Reserve University)公开的轴承故障数据集进行实验验证。该方法结合卷积神经网络(CNN)强大的特征提取能力和长短期记忆网络(LSTM)对时序数据的建模优势,实现对轴承不同故障类型和严重程度的高精度分类。文中详细阐述了数据预处理、模型构建、训练流程及结果分析过程,并提供了完整的Python代码实现,属于典型的工业设备故障诊断领域深度学习应用研究。; 适合人群:具备Python编程基础和深度学习基础知识的高校学生、科研人员及工业界从事设备状态监测与故障诊断的工程师,尤其适合正在开展相关课题研究或希望复现EI级别论文成果的研究者。; 使用场景及目标:① 学习如何使用PyTorch搭建CNN-LSTM混合模型进行时间序列分类;② 掌握轴承振动信号的预处理与特征学习方法;③ 复现并改进基于公开数据集的故障诊断模型,用于学术论文撰写或实际工业场景验证; 阅读建议:建议读者结合提供的代码逐行理解模型实现细节,重点关注数据加载、滑动窗口处理、网络结构设计及训练策略部分,鼓励在原有基础上尝试不同的网络结构或优化算法以提升分类性能。
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