每日一得--python与java语法差异学习笔记

python 特点:运行效率低,开发代码量少,学习快,因目前开发语言及技术瓶颈一般在于数据库操作及网络连接,python相对于java运行效率低的缺点基本可以接受,因其简单的开发学习优势及强大丰富的库,使其在开发语言中占据自己独特的地位


1,支持四则混合运算,数据类型包括:整数、浮点数、字符串、布尔值、空值

2,print相当于system.out.print,可输出表达式

3,转义字符可以在字符串前面加个前缀r,表示一个raw字符串。字符串前后三个点表示多行字符串。

4,List和tuple表示列表,tuple创建完知乎就不能更改了,如列表 t={'a','b','c'}表示列表,可以append、insert和pop;tuple中t=('A','B','C') 只能查看

5,elif 表示java中的else if

6,for循环可以循环list,可以循环dict(key-value,键值集合,相当于java中的map),可以循环任何可迭代的对象上,continue可以跳过当前循环下的代码,break跳出循环

7,while循环跟java用法基本相同

8,dict示例:d={'ming':92,'qiang':85,'hong':59}   添加示例d['paul'] = 90 ,修改直接赋值就可以了,key唯一

9,set表示不重复的元素集合,无序的list,示例:s = set(['a','b','c'])

10,函数可定义返回多个对象,放在tuple列表中,java只能返回单一对象

11,支持list切片,就是取list中特定的值,如:L[0:3] 取前三个元素,又如:L[-3:-1] 取倒数第n个元素

12,支持字符串切片,如'ABCDEFGH'[:3]的结果是'ABC'

13,python的IO操作简单,先open(path,'r'),然后read(),最后关闭close()关闭文件流 

14,提供http接口使用Flask框架,返回模板html放在同一个目录。


内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
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