Learn Haskell(三)

本文介绍了Tuple的基本概念,对比了它与List的区别,并详细探讨了Tuple的应用场景,特别是Pair和Triple的操作,展示了Tuple如何确保数据的一致性和正确性。

1.Tuple

Tuple用来将几个元素打包成为一个值。Tuple用()包起来。看起来和List很像,但是Tuple和List有很重要的区别:

(1)List元素数量是不固定的,但是Tuple的元素数量是固定的;

(2)List必须存储同种类型的元素,但是Tuple可以存储不同类型元素。

看几个Tuple的例子:


Prelude> (1,2)
(1,2)
Prelude> (1,"a",True)
(1,"a",True)
 

Tuple看起来实在是和List太像了,我一开始也不知道Tuple存在的必要在哪。现在假设有这样的一种需求,我们需要表示平面上四边形的四个顶点。 由于一个顶点可以由横纵坐标x、y来表示。那么一个四边形的四个顶点坐标可以这么表示[(a1,b1),(a2,b2),(a3,b3),(a4,b4)],或者说,合法的 表示也必须是这样的。当然,有人会觉得可以完全用List表示,比如:[[a1,b1],[a2,b2],[a3,b3],[a4,b4]]。看起来似乎很合理,但是如果有人 不小心把其中一个点的坐标写错了,那么这个变成了

[[a1,b1,c1],[a2,b2],[a3,b3],[a4,b4]]。这样很明显是不符合实际情况的,但是对于这个 List 来说,其内部的元素[a1,b1,c1],[a2,b2],[a3,b3],[a4,b4]都是List,因此仅仅从语法角度来说,这是允许的。也就是说语法层面完全没有限制。但是 如果使用Tuple,犯上面的错误[(a1,b1,c1),(a2,b2),(a3,b3),(a4,b4)],语法层面是不通过的。这是因为含有两个元素的Tuple和含有三个元素的Tuple 是属于不同的类型,他们不能同时作为List的元素。在这种时候,Tuple的作用就体现出来了。我们还是看一个直接的例子吧:

Prelude> [(1,2),(3,4)]

[(1,2),(3,4)]

Prelude> [(1,2),(True,3)]

<interactive>:15:3:

    No instance for (Num Bool)

      arising from the literal `1'

    Possible fix: add an instance declaration for (Num Bool)

    In the expression: 1

    In the expression: (1, 2)

    In the expression: [(1, 2), (True, 3)]

Prelude> [(1,2),(3,4,5)]

<interactive>:16:8:

    Couldn't match expected type `(t0, t1)'

                with actual type `(t2, t3, t4)'

    In the expression: (3, 4, 5)

    In the expression: [(1, 2), (3, 4, 5)]

    In an equation for `it': it = [(1, 2), (3, 4, 5)]
 

这样就很明了了。并且从上面的例子也可以看出对于两个元素数量相同的Tuple,但是如果元素类型不完全相同,那么这两个Tuple类型也是不相同的。 对于含有两个元素的Tuple又叫做pair;含有三个元素的Tuple叫做Triple。这两种算是比较常见和常用的类型。下面我们分别介绍: 2.pair的操作 (1)fst 返回pair的第一个元素(fst估计是first的简写),看例子


Prelude> fst (1,2)
1
 

(2)snd

返回pair的第二个元素,看例子


Prelude> snd (1,2)
2
 

上面这两个操作仅仅对pair有效,但是Triple是无效的。 (3)zip 这个不好描述,直接看例子一看就明白:


Prelude> zip [1,2,3] ["1st","2nd","3rd"]
[(1,"1st"),(2,"2nd"),(3,"3rd")]
Prelude> zip [1..] ["1st","2nd","3rd"]
[(1,"1st"),(2,"2nd"),(3,"3rd")]
 
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问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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