ClinentChat.java

package chatroom;
import java.applet.*;
import java.io.*;
import java.net.*;
import java.awt.*;
import java.util.Hashtable;
//实现runnable接口,实现多继承。要实现Runnable的run方法,不能直接创建runnable类来运行,必须借助thread类
public class ClinentChat extends Applet implements Runnable {
 //变量申明
 Socket socket=null;
 DataInputStream in=null;
 DataOutputStream out=null;
 InputNameTextField submit=null;
 ChatArea chatSpace=null;
 Hashtable listTable;
 Label  tishi=null;
 Panel north,center;
 Thread thread;//用来运行runnable对象
 //初始化工作
 public void init(){
  setSize(800,400);
  int width=getSize().width;
  int height=getSize().height;
  listTable =new Hashtable();
  setLayout(new BorderLayout());
  submit =new InputNameTextField(listTable);
  int h=submit.getSize().height;
  chatSpace=new ChatArea("",listTable,width,height-(h+5));
  chatSpace.setVisible(false);
  tishi=new Label("正在连接到服务器,请稍等...",Label.CENTER);
  tishi.setForeground(Color.red);
  north=new Panel(new FlowLayout(FlowLayout.LEFT));
  center=new Panel();
  north.add(submit);
  north.add(tishi);
  center.add(chatSpace);
  add(north,BorderLayout.NORTH);
  add(center,BorderLayout.CENTER);
  validate();//??
 }
 //
 public void start(){
  //清除以前的套接字连接
  if(socket!=null&&in!=null&&out!=null){
   try{
    socket.close();
   }catch(Exception e){
   }
  }
  //与服务器套接字建立连接
  try{
   socket =new Socket(this.getCodeBase().getHost(),6666);//??
   in=new DataInputStream(socket.getInputStream());
   out=new DataOutputStream(socket.getOutputStream());
   }catch(IOException e){
    tishi.setText("连接失败");
   }
  //如果套接字连接成功,提示用户登录
  if(socket!=null){
   InetAddress address=socket.getInetAddress();
   tishi.setText("连接"+address+"成功");
   submit.setSocketConnection(socket,in,out);
   north.validate();
  }
  //为该用户启动一个新线程
  if(thread==null){
   thread=new Thread(this);
   thread.start();
  } 
 }
 //
 public void stop(){
  try{
   socket.close();
   thread=null;
  }catch(IOException e){
   this.showStatus(e.toString());
   
  }
 }
    //
 public void run(){
  while(thread!=null){
   if(submit.getCanChat()==true){
    chatSpace.setVisible(true);
    chatSpace.setName(submit.getName());
    chatSpace.setSocketConnection(socket,in,out);
    tishi.setText("祝聊天愉快!");
    center.validate();
    break;
   }
   try{
    Thread.sleep(100);
   }catch(Exception e){}
  }
 }
}
 
 
 
 

 

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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