Java复习笔记(一)

1、代码点与代码单元 codePoint codeUnit
这里当字符串中有辅助字符时,代码点是两个代码单元,需要以下遍历:

int cp = sentence.codePointAt(i);
if(Character.isSupplementaryCodePoint(cp)){
         i += 2;
}else{
         i++;
}

 
2、String类对象->不可变字符串
不能修改字符串中的字符:编译器可以将字符串共享,以此带来高效率。
3、当将一个字符串与一个非字符串的值进行拼接时,后者将被转换成字符串。
4、任何一个对象都可以转换成字符串。
5、检测两字符串是否相等,而不区分大小写,可用equalsIgnoreCase()方法
6、Java中允许一个数组长度为0,不同于null。
7、Java中的多维数组实际上是数组的数组。
8、一个对象变量实际上是一个对象指针。
9、用clone()方法获得对象的完整拷贝。
10、不能编写返回引用可变对象的访问器方法。
11、一个方法可以访问所属类的所有对象的私有数据。
12、Sytem类中有一个setOut方法是一个本地方法,不是用Java语言实现的,可以绕过Java的存取控制机制(out是final的)。
13、每个类都可以有一个main方法,可用来进行单元测试。
14、一个方法不能修改一个基本数据;
一个方法可以改变一个对象参数的状态;
一个方法不能让对象参数引用一个新的对象。
15、方法签名:方法名、参数类型。

 

内容概要:本文档详细介绍了如何在MATLAB环境下实现CNN-GRU(卷积门控循环单元)混合模型的多输入单输出回归预测。项目旨在通过融合CNN的局部特征提取能力和GRU的时序依赖捕捉能力,解决传统序列模型在处理非线性、高维、多输入特征数据时的局限性。文档涵盖了项目背景、目标、挑战及其解决方案,强调了模型的轻量化、高效性和可视化全流程追踪等特点。此外,还提供了具体的应用领域,如智能电网负荷预测、金融时间序列建模等,并附有详细的代码示例,包括数据加载与预处理、网络结构定义、训练选项设置、模型训练与预测以及结果可视化等步骤。; 适合人群:对深度学习有定了解,特别是对时间序列预测感兴趣的科研人员或工程师。; 使用场景及目标:①需要处理多输入单输出的非线性回归预测任务;②希望在MATLAB平台上快速实现并优化深度学习模型;③寻求种高效、轻量且具有良好泛化能力的预测模型应用于实际场景中,如智能电网、金融分析、交通流量预测等领域。; 阅读建议:由于文档内容涉及较多的技术细节和代码实现,建议读者先熟悉CNN和GRU的基本概念,同时掌握MATLAB的基础操作。在阅读过程中,可以结合提供的代码示例进行实践操作,以便更好地理解和掌握CNN-GRU混合模型的构建与应用。
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