JS“轮播图”

轮播图其实不难
主要运用了定时器、循环语句及鼠标事件
下面来看一下代码

<body>
	<div id="main">
		<ul id="pic">
			<li><img src="img/1.jpg" alt="dnf1"/></li>
			<li><img src="img/2.jpg" alt="dnf2"/></li>
			<li><img src="img/3.jpg" alt="dnf3"/></li>
			<li><img src="img/4.jpg" alt="dnf4"/></li>
			<li><img src="img/5.jpg" alt="dnf5"/></li>
			<li><img src="img/6.jpg" alt="dnf6"/></li>
			<li><img src="img/7.jpg" alt="dnf7"/></li>
		</ul>

//首先,在无序列表中插入图片,在css中设置好样式和初始化

		<ol id="tic">
			<li class="on">1</li>
			<li>2</li>
			<li>3</li>
			<li>4</li>
			<li>5</li>
			<li>6</li>
			<li>7</li>
		</ol>

//在有序列表中写入序号,以便后面鼠标事件的执行,同样需要设置初始化

	</div>
	<script>
		var pic=document.getElementById("pic");     
		var tic=document.getElementById("tic").getElementsByTagName("li");
		var main=document.getElementById("main")        //声明函数获取值
		var i=0;      //设置  i 的初始值为0
		var timer;    // 创建一个timer
		timer=setInterval(play,1000);  //**给timer加上定时器的属性,这里为每1000毫秒执行一次play事件**
		function play (){
			i++;
			if(i>=tic.length){
				i=0;
			}
			change(i);
		}
		function change (num){
			pic.style.marginLeft= -450*num+"px";       //**每次执行时,图片移动的距离**
			for(var j=0;j<tic.length;j++){
				tic[j].className="";
			}
			tic[num].className="on";				//**给有序列表赋上样式“on”**
		}
		main.onmouseover=function(){				//**鼠标移入事件**
			clearInterval(timer); 					//**清楚定时器**
		}
		main.onmouseout=function(){				//**鼠标移出事件**
			timer=setInterval(play,1000);			//**启动定时器**
		}
		for(let k=0;k<tic.length;k++){
			tic[k].onmouseover=function(){
				change(k);
			    i=k;
			}
		}
		
	</script>
</body>

轮播图

附上源代码:

轮播图

这些你看懂了吗?

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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