高程(三)笔记---- 第三章

本文详细介绍了JavaScript中数值与非数值类型之间的转换方法,包括Number()、parseInt()、parseFloat()等函数的应用,以及如何将数值转换为字符串。此外,还探讨了逻辑与运算符(&&)的不同用法,并概述了Object类型中常见的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、有3个函数可以把非数值转换为数值:Number()、parseInt()、parseFloat()

  Number():可以用于任何数据类型,用法-----------Number(true)

  parseInt():把字符串转换为整型数值,用法---------parseInt("123")

  parseFloat():把字符串转换为整型数值,如果有小数点的话,最多后面带2位小数,用法-------parseFloat("3.234")

二、有2中方法将数值转换为字符串

  toString():默认是十进制的方法返回字符串,用法---------num.toString()

        通过传递基数,可以改变进制格式,如,要以2进制的的方式转换------------num.toString(2)

        但是null与undefined没有这个方法,如果这两个值调用者两个方法的话会报错:不能读取toString这个方法 

  String() :这个函数能够将任何类型的值转换为字符串,包括null和undefined。用法----------String(num)

三、逻辑与  &&

  常用的用法有一下

  1、作为if的判断条件,判断两个条件是否都为true -----------  在 && 中,只有两个都被true,才返回true.但凡其中有一个为false,则返回false

if(aa &&  bb){
  //这里是返回true的操作  			
}

 2、当某个数值为true的时候,就执行某个方法。如下,只有当a为true的时候,才执行aa(),否则,就不执行。这种写法比写if..else要精练

var a  = false;
a && aa();
			
function aa(){
	alert("我弹出了")
}

 3、另外如果其中有一个数值为null(NaN/undefined),则返回null(NaN/undefined),

var a;       //undefind
var b = null;
//这里是最先检测到哪个数据是null(NaN/undefined)中的一个,就优先返回那个数据
alert(b && a);    //null  
alert(a && b);    //undefind
   
//这里可以理解为判断23是否为true,如果为true的话就返回88.在js中,0为false,1为true。但其实是非0的数值都是为true的。所以这里判断23为true
alert(23 && 88);  //88

 

四、object类型

  所有的实例的最外层都是object,所有所有的实例都有以下方法

1、constructor      构造函数,保存着用于创建当前对象的函数

2、hasOwnProperty(propertyName)    用于检查给定的属性在当前对象实例中是否存在,propertyName必须为字符串类型

3、isPrototypeOf(object)   用于检查传入的对象是否传入对象的原型

4、propertyIsEnumerable(propertyName)   用于检查给定的属性是否能够使用for-in语句,propertyName必须为字符串类型

5、toLocaleString()    返回对象的字符串,这个对象中包含了用当前区域设置的默认格式表示的日期

6、toString()    返回对象的字符串形式

7、valueOf()   返回对象类型的原始值

 

转载于:https://www.cnblogs.com/qqing/p/6840674.html

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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