一步一步学Ruby(七):数学表达式

本文介绍Ruby语言中表达式的使用方式,包括基本运算符的功能及特点,如加、减、乘、除等,并解释了整数与浮点数在运算中的不同表现及其原因。此外还介绍了特殊情况下表达式的计算规则。

我们知道,在计算机的最底层,是完全基于数据的,我们编写程序,就是操作数据。

表达式就是能被计算机理解的数字,操作符,变量的联合。比如加、减、乘、除等,这和其他语言一样,下面都是表达式

image

这里我们注意与其它语言区别的是10/2,10/2.0的区别,Ruby只有在表达式里有一个是浮点数时,结果才是浮点数

image

0/0会报一个异常,但0.0/0.0结果将是NaN

image

负数操作

image

** 操作符,可计算次方,以及次方根

image

联合计算时,从右至左

image

**的优先级比+,-,*,/的优先级高

image

整数可以非常的大,但浮点数不能大于Float::MAX

image

image

简写形式x+=y和x=x+y

image

浮点数运算

因为浮点数有精确值,所以我们取得都是近似值,看下面的代码

image

本文作者:王德水

未经本人同意,禁止转载

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。 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
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