OpenLaszlo 3.1发布--重拾几乎遗忘的RIA理想

本文回顾了2005年的RIA技术发展,探讨了包括Flex、XUL在内的多种解决方案。重点介绍了OpenLaszlo 3.1版本的重要改进,如性能提升、支持Unicode及中文,并对其编程体验进行了评价。
2005年12月02日 10:37:00

原文出处及讨论:http://www.blogjava.net/calvin/archive/2005/11/29/21806.html

作者:江南白衣

一年前,RIA新浪潮。
1.以新的Web控件代替复杂dhtml对控件的模拟;
2.以重返C/S的用户体验代替传统http的提交-返回模式,开发模式上甚至可以直接调用商业对象。
RIA一出现就尽获民心。但,Flex因为收费,XUL因为终端,XAML因为无期,OpenLaszlo因为出身与性能.......渐渐退出了大家的嘴边,他们也的确不争气,又一年过去了,都没再弄出大的声响。

这一年大家做什么呢,是忽然走红的ajax,来实现RIA中不刷新页面的承诺,还有高级如DWRJSON-RPC,同样实现RIA中对商业对象的直接调用。
之前有ECHO2,而最近出现的一个框架叫ZK1,开发人员用XUL来开发,然后臂大力雄的框架会把XUL渲染成dhtml+ajax,算是一种有趣的思路。
但我还是觉得,浏览器应该升级,而不是靠复杂的dhtml+ajax来模拟,我是革命派,不是改良派,相对于全体民众花在模拟上的成本,浏览器的升级要简单得多。

前几天因为想在blog上弄点小花样,去了基于OpenLaszlo的blogbox。再回头,发现OpenLaszlo已经发布到3.1版本。

OpenLaszlo 3.1版本升级良多,已解决性能与中文问题。
*新版本可以编译为Flash 6、7、8的格式,性能上突飞猛进,不再是以前吃资源的巨怪。
*支持Unicode,支持中文了。
*支持SOLO deploy了,也就是不再要求Servlet Container,也可以deploy到IIS和Apache。
其他还有Drawing API,Charting Components,Dynamic Libraries,Ajax API等一系列升级。

OpenLaszlo3.1的编程体验
1.不愧曾是.com的产物,在Windows 下点了两下next就装完了,而且已有了整套的开发环境,10秒钟之后,我开始在my-apps目录写我的helloworld.lzx,然后刷新页面看结果。

2.XML格式的控件定义,JavaScript作为脚本语言,再加上完备的tutorial、reference文档和demo code,又和wxWidgets那样,基本上没什么特别要学的东西,直接可以开始编码了。

3.为什么RIA要比模拟RIA要好?
开篇两点之外,OpenLaszlo还可以自由定义控件的layout,比用table、div的做法自由。
另外,OpenLaszlo还可以简单的利用现有控件,定义新的控件和式样。

对OpenLaszlo有不满意吗?
有阿,用户社群太少。还有控件的默认式样也比Flex的差一截,虽说可以自己customize,但不是每个人都那么有空的呀。还有那个IBM友情客串的IDE,啥时候才弄得像个样嘛。

Flex ,XUL又在做什么?
Flex2 摆出的阵仗显然胜于OpenLaszlo:
Flex Framework 2, Flex Builder 2,Flex Enterprise Services 2,Flex Charting Components 2
但,公无收费,公竟收费,&*(^%,当奈公何。

XUL呢,新出的Firefox1.5只是Firefox1.0的补完,看不出FF2.0的痕迹,一年了。



Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=541880


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,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