Erlang学习一

本文介绍了Erlang语言的基础概念,包括原子、元组、列表等数据类型的基本使用方法,并通过示例展示了如何实现单位转换等功能。


http://www.erlang.org/download/getting_started-5.4.pdf 


注意:变量大写,测试文件放到工程目录下。


atom:

不可以像变量一样有值,只是名字而已。

<span style="font-size:18px;">-module(tut4).
-export([convert/2]).

convert(M,inch) ->
	M / 2.54;

convert(N,centimeter) ->
	N * 2.54.
</span>



tuple:

<span style="font-size:18px;">-module(tut).
-export([convert/1]).

convert({centimeter,X}) ->
	{inch,X / 2.54};


convert({inch,Y}) ->
	{centimeter,Y * 2.54}.
<pre name="code" class="plain"><pre name="code" class="plain">17> c(tut).
{ok,tut}
18> tut:convert({inch,5}).</span>

 

 
<span style="font-size:18px;">-module(tut).
-export([format_temps/1]).

format_temps([]) ->
	ok;


format_temps([City | Rest]) ->
	print_tem(convert_to_celsius(City)),
	format_temps(Rest).

convert_to_celsius({Name,{c,Temp}}) ->
	{Name,{c,Temp}};

convert_to_celsius({Name,{f,Temp}}) ->
	{Name,{c,(Temp - 32) * 5 /9}}.


print_tem({Name,{c,Temp}}) ->
	io:format("~-15w ~w c~n",[Name,Temp]).
</span>


<span style="font-size:18px;">c(tut).
{ok,tut}
48> tut:format_temps([]).
ok
49> tut:format_temps([{bj,{c,10}},{tj,{f,10}},{hlj,{c,11}}]).
bj              10 c
tj              -12.222222222222221 c
hlj             11 c
ok
50> </span>




list:

<span style="font-size:18px;">-module(tut4).
-export([list_length/1]).

list_length([]) ->
	0;

list_length([First|Rest]) ->
	1 + list_length(Rest).<pre name="code" class="plain">运行:
42>c(tut4).
{ok,tut4}
求list长度:<span style="font-family: Arial, Helvetica, sans-serif;"> </span>
43>tut4:list_length([1,2,3]).</span>

 

<span style="font-size:18px;">25> [A, B | C] = [1, 2].
[1,2]
26> A.
1
27> B.
2
28> C.
[]</span>




变量不能重新赋值

 
<span style="font-size:18px;">45> {X, Y} = {paris, {f, 28}}.</span><pre name="code" class="plain"><span style="font-size:18px;">{paris,{f,28}}</span>
46> X.paris47> Y.{f,28}
 


Erlang的函数看起来就象下面的样子:
函数名(参数形式1) -> 表达式;
......
函数名(参数形式n)  -> 表达式.
上面的函数名是相同的,即这里我们说到的是一个函数的定义,每一条叫做一个子句,子句以分号结束,整个函数以点号结束。当然,整个句子可以只有一个子句。

调用的时候,实参(如果还叫做实参的话)与参数形式进行匹配,匹配不仅是基于C++中的参数个数及参数类型的重载,它是Erlang自身匹配基础上的重载,在Erlang的世界里,调用一个函数,它选择子句的依据,是能够匹配。如果匹配得上,则返回"->"后面的表达式的值。如果一个都匹配不上,会出现,嗯运行时错误,是的,一个exception。

函数子句参数形式顺序是重要的,它只能至上而下的进行匹配,所以在写函数的时候,要注意顺序。

<span style="font-size:18px;"></span><pre name="code" class="plain"><span style="font-size:18px;">-module(tut).
-export([list_max/1]).

list_max([Head | Rest]) ->
	list_max(Rest,Head).


list_max([],Head) ->
	Head;


list_max([Head | Rest],Result) when Head > Result ->
	NewRes = Head,
	list_max(Rest,NewRes);


list_max([Head | Rest],Result) ->
	list_max(Rest,Result).
</span>

c(tut).tut.erl:17: Warning: variable 'Head' is unused{ok,tut}53> tut:list_max([1,2,3,4,3,2,1]).454>

 



More About Lists:

<span style="font-size:18px;">54> [M1|M2] = [name,age,sex]
54> .
[name,age,sex]
55> M1.
name
56> M2.
[age,sex]
57> L1 = [Bir | M2].
* 1: variable 'Bir' is unbound
58> L1 = [bir | M2].
[bir,age,sex]
59> </span>





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

打赏作者

MyObject-C

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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