JAVA中堆,栈和常量池


1.寄存器

最快的存储区,由编译器根据需求进行分配,我们在程序中无法控制。

2.栈

存放基本类型的变量数据和对象的引用。但对象本身不存放在栈中,而是存放在堆中或者

常量池中。

栈的优势是,存取速度比堆要快,仅次于直接位于CPU中的寄存器。但缺点是,存在栈中的数据大小与生存期必须是确定的,缺乏灵活性。另外,栈数据可以共享

3.堆

存放所有new出来的对象。

4.常量池

存放字符串常量和基本类型常量。

5. 静态域

存放静态成员(static定义的)


对于字符串:其对象的引用都是存储在栈中的,如果是编译期已经创建好,就存储在常量池中,如果是运

行期(new出来的)才能确定的就存储在堆中。对于equals相等的字符串,在常量池中只有一份,在堆中有多份。

对于基础类型的变量和常量:变量和引用存储在栈中,常量(final)存储在常量池中。

对于成员变量和局部变量:成员变量就是方法外部,类的内部定义的变量。局部变量就是在方法或语句块内部定义的变量。

局部变量必须初始化。形式参数是局部变量,局部变量的数据存于栈内存中。栈内存中的局部变量随着方法的消失而消失。

成员变量存储在堆中的对象里面,由垃圾回收器负责回收。

下面分析一下代码执行时候的变化:

  1. class BirthDate {
  2. private int day;
  3. private int month;
  4. private int year;
  5. public BirthDate(int d, int m, int y) {
  6. day = d;
  7. month = m;
  8. year = y;
  9. }
  10. 省略get,set方法…… }
  11. public class Test{ 
  12. public static void main(String args[]){
  13. int date = 9;
  14. Test test = new Test();
  15. test.change(date);
  16. BirthDate d1= new BirthDate(7,7,1970);
  17. }
  18. public void change1(int i){ i = 1234;
  19. }

1. main方法开始执行: 

  1. int date = 9;

date局部变量,基础类型,引用和值都存在栈中。

2. test为对象引用,存在栈中,对象(new Test())存在堆中。

  1. Test test = new Test();

3.

  1. test.change(date);

i为局部变量,引用和值存在栈中。当方法change执行完成后,i就会从栈中消失。

4.

  1. BirthDate d1= new BirthDate(7,7,1970);

d1为对象引用,存在栈中,对象(new BirthDate())存在堆中,其中d,m,y为局部变量存储在栈中,且它们的类型为基础类型,因此它们的数据也存储在栈中。day,month,year为成员变量,它们存储在堆中(new BirthDate()里面)。当BirthDate构造方法执行完之后,d,m,y将从栈中消失。

5.main方法执行完之后,date变量,test,d1引用将从栈中消失,new Test(),new BirthDate()将等待垃圾回收。



内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节全局趋势,显著提升预测精度泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB深度学习的科研人员、工程师研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例详细的模型描述有助于读者快速理解复现该项目,促进学术技术交流。建议读者在实践中结合自己的数据集进行调试优化,以达到最佳的预测效果。
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