【Java基础】【狂神说Java】Java零基础学习视频通俗易懂P27-32(Day2-20210628)

  • P27 基本运算符
  • P28 自增自减运算符
  • p29 逻辑运算符、位运算符
  • p30 三元运算符及小结
  • p31 包机制
  • p32 JavaDoc生成文档

1 运算符

在这里插入图片描述

package operator;

public class Demo01 {
    public static void main(String[] args) {
        int a=10;
        int b=20;
        System.out.println(a/b);//输出 0
        System.out.println(a*1.0/b);//输出 0.5
        long x=123123123123123L;
        int y=123;
        short u=10;
        byte v=8;
        System.out.println(x+y+u+v);//long类型
        System.out.println(y+u+v);//int类型
        System.out.println(u+v);//int类型
    }
}

类型转换:byte short char用运算符运算后自动转型为int类型

1.1自增运算符

++、–

++a 是先自增再赋值
a++ 是先赋值再自增

在这里插入图片描述

1.2 幂运算

Math使用此工具类,实现幂运算

double pow = Math.pow(3,2);
System.out.println(pow);// 输出9
1.3 逻辑运算符

注意逻辑运算符的断路机制
在这里插入图片描述
在这里插入图片描述

1.4 位运算

& | ^ ~
在这里插入图片描述

1.5 字符串连接符

在这里插入图片描述

package operator;

public class Demo01 {
    public static void main(String[] args) {
        int a=10;
        int b=20;
        System.out.println(""+a+b);//输出 1020
        System.out.println(a+b+"");//输出 30
    }
}

1.6 三目运算符
int score=80;
String type=score<60?"不及格":"及格";
System.out.println(type);//及格

2 包机制

在这里插入图片描述在这里插入图片描述
推荐阅读《阿里巴巴开发手册》

3 JavaDoc

在这里插入图片描述

package base;

/**
 * @author zs
 * @version 1.0
 * @since 1.8
 */
public class Doc {
    String name;

    /**
     * 
     * @param name
     * @return
     * @throws Exception
     */
    public String test(String name) throws Exception{
        return name;
    }
}

3.1 使用命令行方式生成javadoc文档

在这里插入图片描述

javadoc -encoding UTF-8 -charset UTF-8 文件名
javadoc -encoding UTF-8 -charset UTF-8 Doc.java

在这里插入图片描述

3.2 使用idea生成javadoc文档

在这里插入图片描述

内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
评论 2
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