黑马程序员——Java语言基础——关键字、表示符、常量、变量及数据的类型、运算符

---------------------------- android培训java培训、期待与您交流! ---------------------------------

Java是强类型的语言,Java中的基本语言知识总结如下(注:其中,有个人的总结,也有对网上写的较好的博客的参照)

一、关键字

1. Java关键字的基本含义

1)关键字就是被程序语言赋予特殊含义的词

2)关键字的特点:所有的关键字都是小写的单词

2. 关键字的分类,根据用途可分为如下几种:

1)用于定义数据类型的关键字

byte、short、int、long、float、double、char、boolean、class、interface、void

2)用于定义数据类型值的关键字

true、false、null

3)用于控制流程语句的关键字

if、else、switch、case、default、while、do、for、break、continue、return

4)用于定义访问权限修饰符的关键字

private、protected、public

5)用于定义类、函数、变量修饰符的关键字

abstract、final、static、synchronized

6)用于定义类与类、类与接口之间关系的关键字

extends、implements

7)用于建立实例及引用实例、判断实例的关键字

new、this、super、instanceof

8)用于异常处理的关键字

try、catch、finally、throw、throws

9)用于包的关键字

import、package

10)其他关键字

native、transient、volatile、assert

注意:main不是一个关键字,但是却是能被虚拟机识别的一个名称(非常特殊)!!!


二、Java中的标示符

1. 标示符是程序中自定义的一些名称

2. Java中标示符的组成规则

1)26个英文字母的大小写

2)数字0~9

3)特殊符号_和$

注意:在Java中仅有“_”和“$”两个符号可以用于构成标示符的一部分。

3. 合法标示符的组成原则

1)数字不能开头

2)不能使用Java的关键字作为标示符

4.Java是一种强类型语言,在Java中严格区分大小写


三、常量

1. 常量:不能改变的数值称为常量。

2. Java中常量的分类

1)整数常量

Java中整数的常量有三种表现形式:

【1】十进制(0~9表示)

【2】八进制(0~7表示),要用0开头

注意:080一定是非法常量的表示

【3】十六进制(0~9,A~F表示),用0X开头

总结:一个数有多种表现形式,但都是表示同一个数

2)浮点数常量

3)布尔型常量       仅有两个取值:true和false

4)字符型常量

5)字符串常量

6)null常量           仅有一个取值:null


四、变量

1. 将不确定的数据进行存储,因此也需要在内存中开辟一段空间。

2. 如何开辟内存空间

    明确数据类型、变量名和初始化数据便能在内存中开辟空间。

注意:开辟内存空间的三要素是,数据类型、变量名、初始化数据、

3. 数据类型的分类,如下图:



五、运算符

1. 算术运算符(+、-、*、/、%)

注意:在取模运算符的负数取模运算中,结果符号看被模数

2. 转义字符

通过“\”来改变后面字母的含义。转义后,\后面的字母变成一个整体。如:

1)\n换行 \b退格 \r按下回车 \t制表位

注意:Windows系统中回车符其实是由两个符号组成的\r\n;Dos、Linux系统中回车符是\n。

3. 比较运算符

比较运算符的结果只能是boolean类型的,要么为true要么为false

注意:instanceof也是比较运算符!!!所以,instanceof运算结果一定是true或false中的一个。

4. 逻辑运算符

1)!、||和&&

其中,!逻辑非;||逻辑或(短路或);&&逻辑与(逻辑与)

2)&和|

这两个没有短路运算,都是逻辑位运算符

3)短路运算符和非短路运算符的区别

【1】短路运算

||:左边结果是true时,右边表达式不用运算

&&:左边结果是false时,右边表达式不用运算

【2】&和|无论左边结果是什么样,右边的表达式都要进行运算。

5. 位运算符

1)~按位取反运算

注意:按位取反的时候,要考虑这个变量在内存中所占的位数来运算,否则结果是错误的!!!

解释:

~6的结果是多少?












一些补充!!!









深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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