每日一得--hibernate高级查询笔记

本文介绍了Hibernate中的三种高级查询方式:标准化对象查询、HQL语言查询及原生SQL查询,并提供了具体的实现示例。

hibernate高级查询分三种查询方式:


第一种,标准化对象查询


主要由四部分组成:Criteria、Critertion、Order、Projection

一般查询条件封装示例:

Criteria cri = session.createCriteria(Student.class);

Criterion cron  = Restrictions.like("张三",name); //查询条件

cri.add(cron);

cri.addOrder(Order.asc("age")) //排序

List<Student> list = cri.list();

聚合:

Criteria cri = session.createCriteria(Student.class);

cri.setProjection(Projections.rowCount());  //聚合分组

cri.setProjection(Projections.groupProperty("name"));

List<Long> list = (List<Long>)cri.list();

离线查询:

DetachedCriteria dc = DetachedCriteria.forClass(Student.class)

Criteria cri  = dc.getExecutableCriteria(session);

List<Student> list = cri.list();


第二种,HQL语言查询(fetch一次查询查询出相关联的对象)

相关示例如下:

String sql  = "select * from Student a ";

List<Student> list = session.createQuery(sql  ).list();

String sql2  = "select * from Student a inner join a.score s with s.score = 100 ";

List<Student> list2 = session.createQuery(sql2).list();

fetch和with不能同时使用


第三种,原生Native sql查询:

一般查询相关示例如下:

String sql  = "select * from t_bd_student s";

SQLQuery query = session.createSQLQuery(sql).addEntity(Student.class);

List<Student> list = query.list();

关联查询示例:

String sql  = "select {a.*},{s.*} from t_bd_student s join t_bd_score c on s.studentId= c.studentId";

SQLQuery query = session.createSQLQuery(sql).addEntity("a",Student.class).addEntity("b",Score.class);

List  list = query.list();

for(int i = 0 ;i<list.size();i++){

Object[] obj = (Object[])list.get(i);

Student s = (Student)obj[0];

        Score c  = (Score)obj[1];

}


hibernate调用存储过程

SQLQuery query = session.createSQLQuery("{call findStudents(:id)}").addEntity(Student.class);

query.setInteger("id",1);

List<Student> list  = query.list();








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解决各类时间序列预测问题,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
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