Javascript闭包(Closure)简化精简版

本文深入讲解JavaScript中的闭包概念,包括变量作用域、如何从外部读取局部变量等,并通过实例展示闭包如何帮助实现变量持久化存储。

在高级应用中需要依靠js闭包(closure)来实现~

1.变量的作用域:全局变量和局部变量。

Javascript可以在函数内部直接读取全局变量。

     var a=1; //全局变量

     var c=2; //运行方法a1后 c被赋值为3

  function a1(){
    alert(a); //可获得全局变量a

           var b =2; //局部变量 只能方法a1内调用

           c = 3; //声明了一个全局变量

  }

  a1(); //1

     alert(c); //3

     console.log(a,c); //1 3 //如果不执行a1();那就是1 2 //再如果注释var c=2,又注释a1();方法,那就报c没定义Uncaught ReferenceError: c is not defined

注意:在函数外部无法读取函数内的局部变量;

 

2.从外部读取局部变量:

  function aa(){ //var aa = function(){ ... }

    var aa=function(){
    var a=2;
    //console.log("aa"+a); //aa2
    function b(){ //闭包函数
      var b=a++; //b=a++=2;a=3;
      console.log("a:"+a+",b:"+b); //a:3,b:2
    }
    return b;
  }
   var c=aa();
   c(); //2 
  //aa(); //只执行aa()里,不执行b(); //var c=aa; 也是一样 不执行b();

 目的:读取函数内部的变量,使内部变量的值始终保持在内存中。

function aa(){
    var a=9;
    add=function(){a+=1;} //全局变量
    function b(){
      console.log(a);
    }
    return b;
  }
  var c=aa(); //在add();前执行
  c(); // 9
  add();
  c(); // 10

注意:闭包会使得函数中的变量都被保存在内存中,内存消耗很大,所以不能滥用闭包,否则会造成网页的性能问题。

解决方法:在退出函数之前,将不使用的局部变量全部删除。a=null;

练习:

  var name = "Tim";

  var object = {
    name : "Mary",
    love: function(){
      return function(){
        return this.name;
      };
    }
  };
  alert(object.love()());


  var name = "Tim";
  var object = {
    name : "Mary",
    love: function(){
      var she = this;
      return function(){
        return she.name;
      };
    }
  };
  alert(object.love()());

//Tim     Mary

 

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