迭代

迭代与递归的区别

递归是调用自身,导致多个一样的函数各自执行 ;迭代 只是一个函数 执行多次 ;一般递归都是能够转换为迭代的

 

用迭代实现 文件的级联创建

<?php 
    /**
     *  迭代 创建 级联目录
     */
    function iteration_create_dir($path){
        $arr  = array();

        //如果当前路径或目录不存在则,把该路径
        //压入栈中并且修改路径为上一级,直到找到路径
        while (!is_dir($path)) {
            array_push($arr,$path);        //压入栈内
            $path = dirname($path);
        }

        //如果数组为空即路径样本存在
        if (empty($arr)){
            return true;
        }

        //创建目录,因为出栈 数组元素最后会为0
        while (count($arr)) {
            $tem_path = array_pop($arr);
            mkdir($tem_path);
            echo $tem_path;
        }
        return true;
    }

    iteration_create_dir('./a/b');
 ?>

0是  找指定栏目的子栏目

1是  找指定栏目的子孙栏目,即子孙树

2是  找指定的栏目的父栏目/父父栏目....顶级栏目, 即家谱树

 

转载于:https://www.cnblogs.com/lzhlearn/p/5804940.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全局趋势,显著提升预测精度泛化能力。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深度学习的科研人员、工程师研究生。 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。文档中的代码示例详细的模型描述有助于读者快速理解复现该项目,促进学术技术交流。建议读者在实践中结合自己的数据集进行调试优化,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