类的继承

1.父类属性,方法可被子类继承

2.父类类型的引用可以用来储存子类的对象

  • 储存的子类对象,使用了普通的方法:

在父类和子类都定义了eat()方法,使用父类引用创建的对象如下:

Person ss2=new Student();

父类,子类的eat()方法如下:

使用该对象来访问:

ss2.eat();

得到的结果如下:

使用的是子类的方法,这种使用父类引用储存子类对象,调用的是子类的方法,叫做动态绑定。

  • 储存的子类对象,调用了静态的方法:

在父类中定义静态方法sleep:

public static void sleep(){
    system.out.println("父类在睡觉")
}

按照方法重写的格式,在子类中“重写”这个方法:

public static void sleep(){
    system.out.println("子类在睡觉")
}

使用创建的对象访问sleep()方法:

得到结果:

显然是调用了父类的方法,这里称作静态绑定。

在Eclipse的开发环境中,不能直接通过Source-override直接调出重写静态方法的快捷方式,此外静态方法的重写,无法实现多态。使用它的重写自然没什么意义。

  • 属性的访问

这里只对冲突的属性进行访问,主要分为两类:

a.冲突的私有属性访问:

父类设置属性如下:

private int age=18;

子类设定属性如下:

private int age=35;

 编译错误:

原因是当父类引用存储子类对象时,子类对象访问属性由于静态绑定的原因从父类访问数据,父类属性私有化无法访问而报错。

b.冲突的其他类型访问:

将上面的属性声明改为

int age=18;

int age=35;

 根据静态绑定的定义,此时应当结果为18.

经过反复测试:只需要父类属性解除私有化,编译就能通过,也就证明了编译报错是由于静态绑定与父类属性私有化共同所致。

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,重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