(原创)[对联广告] JS脚本类

好久没有来更新BLOG啦,这段时间都在忙着.NET平台的程序编写..ASP都没有接触啦....今天更新一下BLOG吧..今天也是2004年最后一天.当是一份礼物吧

今天因一个页面需要放对联广告.于是产生了写一个脚本类的想法(老习惯,总想把什么东西都封装在类里.呵)
还是不在说什么啦.要看的东西都在代码里(注释也加了很多)示例代码也一并送上...

//****************************************************************************************
//& 作者: 哇哇鱼
//& 日期: 2004年12月31日
//& 网站:
http://www.13smile.com/
//& Blog: http://blog.csdn.net/bpfish
//& 名称: [对联广告] JS脚本类
//& 作用: 显示页面的对联广告
//& 方法:
//& SmileAdver.setLeftPos(10);          //设置左边对联的距页面左边的位置(PX)
//& SmileAdver.setLeftTop(150);         //设置左边对联的距页面顶部的位置(PX)
//& SmileAdver.setRightPos(10);         //设置右边对联的距页面右边的位置(PX)
//& SmileAdver.setRightTop(150);        //设置右边对联的距页面顶部的位置(PX)
//& SmileAdver.addLeftImage(链接,图片地址,链接目标,图片提示);      //添加左边对联广告的图片
//& SmileAdver.addRightImage(链接,图片地址,链接目标,图片提示);      //添加右边对联广告的图片
//& SmileAdver.scroll();                //显示对联广告
//&
//****************************************************************************************
function SmileAdver_Class(){
 var leftImageArray = new Array();   //保存左边的广告图片数组
 var rightImageArray = new Array();  //保存右边的广告图片数组
 var leftPos,rightPos;               //leftPos = 左边广告的距左边栏位置(px)    rightPos = 右边广告的距右边栏位置(px)
 var leftTop,rightTop;               //leftTop = 左边广告的距顶边栏位置(px)    rightTop = 右边广告的距顶边栏位置(px)
 var lastScrollY=0;
 
 leftPos = rightPos = 10;            //默认为10
 leftTop = rightTop = 150;           //默认为150
 this.setLeftPos = function(value){
  if(isNaN(value)){value = 10;}   //非数字则默认为10
  leftPos = value;
 }
 this.setRightPos = function(value){
  if(isNaN(value)){value = 10;}   //非数字则默认为10
  rightPos = value;
 }
 this.setLeftTop = function(value){
  if(isNaN(value)){value = 150;}   //非数字则默认为150
  leftTop = value;
 }
 this.setRightTop = function(value){
  if(isNaN(value)){value = 150;}   //非数字则默认为150
  rightTop = value;
 }
 //添加左边的图片广告 addLeftImage(链接,图片地址,链接目标,图片提示)
 this.addLeftImage = function(href,image,target,title){
  var imageArray = getImageArray(href,image,target,title);
  if(imageArray != null){
     leftImageArray[leftImageArray.length] = imageArray;
  }
 }
 //添加右边的图片广告 addRightImage(链接,图片地址,链接目标,图片提示)
 this.addRightImage = function(href,image,target,title){
  var imageArray = getImageArray(href,image,target,title);
  if(imageArray != null){
     rightImageArray[rightImageArray.length] = imageArray;
  }
 }
 //内部添加广告图片使用,如果没有图片地址,则返回一个null值,否则返回一个数组
 function getImageArray(href,image,target,title){
  if(image == undefined){return null;}                 //没有图片地址,不添加
  if(target == undefined || target == ""){target = "_blank"};     //默认为_blank打开方式
  target = " target=/"" + target + "/"";
  if(title == undefined){                         //广告图片title提示
   title = "" ;
  }else{
   title = " title=/"" + title + "/"";
  }
  //链接以www.开头则自动加上http://  (否则链接时会链接错误)
  if(href.toLowerCase().substring(0,4) == "www."){
    href = "http://" + href;
  }
  if(image.toLowerCase().substring(0,4) == "www."){
    image = "http://" + image;
  }
  return new Array(href,image,target,title);
 }
 //内部显示图片横幅所用 showImageDiv(div的名称,div的摆放方向(left,right),div的摆放位置,div层距顶部的位置,显示的图片数组变量)
 function showImageDiv(div,pos,posPX,topPx,imageArray){
  var i;
  document.write("<div id=/"" + div + "/" style=/"" + pos + ":" + posPX + "px;POSITION:absolute;TOP:" + topPx + "px;/">");
  for(i=0; i< imageArray.length; i++){
     document.write("<a href=/"" + imageArray[i][0] + "/" "+ imageArray[i][2]+ imageArray[i][3] + "><img src=/""+ imageArray[i][1] + "/" border=/"0/" "+ imageArray[i][3] + "></a>");
     if(i != imageArray.length-1){document.write("<table border=/"0/" cellpadding=/"0/" cellspacing=/"0/"><tr><td height=10></td></tr></table>");}
  }
  document.write("</div>");
 }
 //滚动广告对联图片
 this.scroll = function(){
  showImageDiv("smilediv1","left",leftPos,leftTop,leftImageArray);
  showImageDiv("smilediv2","right",rightPos,rightTop,rightImageArray);
  window.setInterval(scrollImage,1);
 }
 //内部使用用来滚动广告图片
 function scrollImage(){
  var diffY,percent;
  diffY=document.body.scrollTop;
  percent=.1*(diffY-lastScrollY);
  if(percent>0)percent=Math.ceil(percent);
  else percent=Math.floor(percent);
  document.all.smilediv1.style.pixelTop+=percent;
  document.all.smilediv2.style.pixelTop+=percent;   
  lastScrollY=lastScrollY+percent;
 }
}
///类结束

 

 

 


/类的使用示例代码
var SmileAdver = new SmileAdver_Class();
SmileAdver.setLeftPos(10);
SmileAdver.setRightPos(10);
SmileAdver.setLeftTop(150);
SmileAdver.setRightTop(150);
SmileAdver.addLeftImage("http://www.138tips.com/","http://www.88ball.com/images/138tips.gif","","asdfasdf");
SmileAdver.addLeftImage("http://www.138tips.com/","http://www.88ball.com/images/138tips.gif");
SmileAdver.addLeftImage("http://www.138tips.com/","http://www.88ball.com/images/138tips.gif");
SmileAdver.addRightImage("http://www.138tips.com/","http://www.88ball.com/images/138tips.gif");
SmileAdver.addRightImage("http://www.138tips.com/","http://www.88ball.com/images/138tips.gif");
SmileAdver.addRightImage("http://www.138tips.com/","http://www.88ball.com/images/138tips.gif");
SmileAdver.scroll();

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。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论 5
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