操作符的重载以及数组/vector对象的初始化

本文通过一个具体的C++示例详细介绍了运算符重载、构造函数及拷贝构造函数的工作原理。展示了如何定义一个简单的类,并实现基本的赋值运算符重载和类型转换运算符,同时观察了对象数组与向量容器中不同构造过程的表现。
>> cat operator.C 
#include <iostream>
#include <vector>
using namespace std;

class A
{
public:
        A(int i = 0):a(i)
        {
                cout << " I am in A() " << endl;
        }
        A(const A &x)
        {
                cout << " I am in A(const A&) " << endl;
                a=x.a;
        }
        A& operator=(int i)
        {
                cout << " I am in operator() " << endl;
                a=i;
                return *this;
        }
        operator int()
        {
                cout << " I am in operator int() " << endl;
                return a;
        }
private:
        int a;
};

int main()
{
        A a =3;

        a=4;

        int x = a;
        cout << x << endl;

        cout << "test array of A " << endl;
        A a1[10];

        cout << "test vector of A " << endl;
        vector<A> v(10);
}

运行结果:

>> ./a.out
 I am in A() 
 I am in operator() 
 I am in operator int() 
4
test array of A 
 I am in A() 
 I am in A() 
 I am in A() 
 I am in A() 
 I am in A() 
 I am in A() 
 I am in A() 
 I am in A() 
 I am in A() 
 I am in A() 
test vector of A 
 I am in A() 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 
 I am in A(const A&) 

对象数组:调用default constructor来初始化每个对象

vector:先调用default constructor生成一个临时对象,然后调用拷贝构造函数来初始化每个元素。

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