jqMobi + Android 试手

本文详细记录了一次使用jqMobi进行界面开发的经历,重点介绍了在滚动条和风格调整上遇到的问题及解决方案。通过提供最新的API参考、简单范例、YouTube教程链接以及论坛讨论,帮助开发者解决开发过程中的困惑。

忙活的一个晚上,搞定了一个界面,主要在滚动条和风格上花了不少时间,jqMobi的文档真的少的可怜,希望文档可以多点,以下是几份参考资料:

  1. 最新的Api参考:http://www.shareach.com/jq/
  2. 一些简单的范例:http://www.appmobi.com/amdocs/lib/jqMobi_Cheat.pdf?r=8877
  3. 还有youtube上的两个视频:http://www.youtube.com/watch?v=y9ft-UYJa6I&feature=youtu.be,http://www.youtube.com/watch?v=pQjrRWjNeo4&feature=youtu.be
  4. forums:http://forums.appmobi.com/viewforum.php?f=26

总之资料太少了,具体一个晚上搞了两样东西:

和JQuery mobile一样,也是head、content、foot,不过jqmobi的navi要比JQuery的foot好用,包括滚动效果

未完,具体参见 http://www.shareach.com/?p=111 更新

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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