一些小的问题

本文提供了一系列实用的SQL查询技巧,包括如何查询重复数据、随机选取记录等,并展示了如何使用Java格式化数字保留两位小数。
1. 保留2位小数

java.text.NumberFormat formater =java.text.DecimalFormat.getInstance();
formater.setMaximumFractionDigits(2);
formater.setMinimumFractionDigits(2);
System.out.println(formater.format(3.2343242343));
System.out.println(formater.format(30000));


2.查询某一列值相等的大于1的返回值
SELECT t.cd_name,
COUNT(*)
FROM chem_drug t
GROUP BY t.cd_name
HAVING COUNT(*) > 1;
查询某一列相等的大于1的返回值


3.从sql server 随机取10条数据
select top 10 * from 表 order by newid()

4.删除重复某列重复行
delete from xg_diathclassinfo where ci_id not in
(select max(ci_id) from xg_diathclassinfo group by ci_name )

5.给力的去掉数组中重复的数据
String[] arr = { "fog ", "fog ", "fog628 ", "fog629 "};
arr=(String[])( new HashSet(Arrays.asList(arr)).toArray(new String[0]));

6.找到Map中值为null的并进行修改
Iterator iter = tempMap.entrySet().iterator();
while (iter.hasNext()) {
Map.Entry entry = (Map.Entry) iter.next();
if (entry.getValue() == null) {
//这里可以对Map进行修改,但是不能使用tempMap.remove(key)的方法
//只能使用iterator.remove();
}
}
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,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 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)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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