JQuery 第二天 - 属性过滤选择器

本文通过一个具体的示例展示了如何使用JQuery中的属性选择器来定位页面中的元素,并应用样式更改。示例中包含了多种属性选择器的用法,如[id]、[title=value]等。
<%@ page language="java" import="java.util.*" pageEncoding="UTF-8" %>
<%
String path = request.getContextPath();
String basePath = request.getScheme()+"://"+request.getServerName()+":"+request.getServerPort()+path+"/"; %>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
<head>
<base href="<%=basePath%>"><title>JQuery DEMO</title>
<meta http-equiv="pragma" content="no-cache">
<meta http-equiv="cache-control" content="no-cache">
<meta http-equiv="expires" content="0">
<meta http-equiv="keywords" content="keyword1,keyword2,keyword3">
<meta http-equiv="description" content="This is my page">
<!--
<link rel="stylesheet" type="text/css" href="styles.css">
-->
<style type="text/css">
div{
width:250px;
height:100px;
border:1px solid black;
float:left;
padding:10px;
}
span{
margin:3px;
border:1px solid black;
padding:5px;
}
h1,h2{
display:inline;
}
</style>
<!--引入 jquery.js 文件-->
<script type="text/javascript" src="js/jquery/jquery-1.3.2.js">
</script>
<script type="text/javascript">
$(function(){
//选取拥有属性id的元素
$("div[id]").css("color","red");

//选取title的值为 normal 的div元素
$("div[title=normal]").css("color","blue");

//选取title的值不为normal2 的span元素
$("span[title!=normal2]").css("color","red");

//选取属性的值以test开头的元素
$("span[title^=test]").css("font-size","20");

//选取属性的值以3结束的元素
$("span[title$=3]").css("font-size","20");

//选取属性的值含有 normal 的元素
$("span[title*=normal]").css("font-size","20");

//选取满足多个条件 选取拥有属性id,并且属性title以test结束的 div 元素
$("div[id][title$=test]").css("color","blue");
});
</script>
</head>
<body>
<span title="normal">
SPAN2
</span>
<div id="div1">
<h1>div h1</h1>
</div>
<div title="normal">
<h2 >div h2</h2>
</div>
<div>
<span>div span</span>
</div>
<div>
<span title="test123">
<span id="sp1" title="normal2">div.div.span1</span>
<span>div.div.span2</span>
</span>
</div>
<span title="normal2">
SPAN1
</span>
</body>
</html>
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
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