JavaScript数据类型的几个注意点

ECMAScript有5种简单的数据类型:Undefined、Null、Boolean、Number和String,还有1种复杂数据类型——Object。
通过typeof可以检测给定变量的数据类型,如:

var message = "some string";
alert(typeof(message));

运行结果如下:
这里写图片描述

1.Undefined类型
使用var声明变量但未对其进行初始化时,这个变量的值就是undefined。
对未初始化的变量和未声明的变量执行typeof操作,都会返回undefined值,但是这两者还是有区别的。

var message;
//未声明age变量
alert(message);
alert(age);

上述代码中两个alert执行结果如下:
这里写图片描述

这里写图片描述

!!对未经声明的变量只能执行一项操作typeof。

2.Null类型
null值表示一个空对象指针,undefined值派生自null值,所以undefined==null会返回true。

3.Boolean类型
调用转型函数Boolean()可以将任何数据类型转换为Boolean值。

var message = "some string";
var messageBoolean = Boolean(message);
alert(typeof(messageBoolean));

运行结果如下:
这里写图片描述
!!在控制流语句(如if语句)中,自动执行相应的Boolean转化。如:

var message = "some string";
if(message){
    alert("hhhhhhh");
}

运行结果如下:
这里写图片描述

4.Number类型
ECMAScript能够表示的最小数值保存在Number.MIN_VALUE(一般为5e-324),最大值保存在Number.MAX_VALUE(一般为1.7976931348623157e+308)。
如果某个值超过了范围,会被自动转换成特殊的Infinity值,具体为负无穷(-Infinity)和正无穷(Infinity)。
NaN表示非数值,是一个特殊的值,任何涉及NaN的操作都会返回NaN(如NaN/10),并且NaN和任何值都不相等,包括NaN本身。
alert(NaN == NaN); //返回false
isNaN()函数用来判断某个值是否是NaN。

数值转换:
三种方式:Number()、parseInt()、parseFloat(),第一种可用于任何数据类型,第二种和第三种则只针对将字符串转为数值。
几个典型例子如下:

var num1 = Number("Hello Word!");  //NaN
var num2 = Number("");             //0
var num3 = Number("0000011");      //11
var num4 = Number(true);           //1

var num1 = parseInt("123abc");      //123
var num2 = parseInt("");            //0
var num3 = parseInt("0xA");         //10(十六进制数)
var num4 = parseInt(22.5);          //22
var num5 = parseInt("070");         //56(八进制数)
var num6 = parseInt("10",8);        //8(按八进制解析)

var num1 = parseFloat("123abc");    //123
var num3 = parseFloat("0xA");//0(十六进制的字符串始终会被转换成0)
var num4 = parseFloat(22.5);            //22.5
var num4 = parseFloat(22.5.34);         //22.5

5.String类型
ECMAScript中的字符串是不可变的,即字符串一旦创建,若改变首先要销毁原来的字符串,再用一个新值填充改变量。
转换成字符串的两个方法:toString()和String()
除null,undefined以外的类型都有toString方法,其中,数值的toString方法,可以传递一个参数:输出数值的基数。

var num  = 10;
alert(num.toString());  //"10" 默认十进制
alert(num.toString(2)); //"1010" 二进制
alert(num.toString(8)); //"12" 八进制
alert(num.toString(16));//"a" 十六进制

String()方法适用于任何类型,首先,如果值有toString方法,则调用toString方法,如果值是null,则返回“null”,如果是undefined。则返回“undefined”。

6.Object类型
Object的每个实例都具有如下方法:
*constructor:构造函数(var o = new Object() )
*hasOwnProperty(propertyName):检查给定属性是否在当前对象实例中
*isPrototypeOf(object):检查传入对象是否是当前对象的原型
*propertyIsEnumerable(propertyName):检查给定属性是否能够使用for-in属性来枚举
*toLocaleString():返回对象字符串表示,返回结果与执行环境地区对应
*toString():返回对象字符串表示
*valueOf():通常与toString方法的返回值相同
!!由于在ECMAScript中Object是所有对象的基础,因此所有对象都具备这些基本属性和方法。

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。
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。
【5层】2800平米框架商务写字楼毕业设计(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
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