(2)JS语法注意事项(变量类型)

1.    标识符

变量名、函数名、属性名以及参数名的首字母必须是字母、下划线或者$符,其他字符可以是字母、下划线、$符或者数字。

JS区分大小写。

2.    关键字

switch             case        break       continue         default
do                   while       for      
if                     else
try                   catch       finally       new                 this          throw        
debugger*      delete      in              instanceof       typeof      with
function          return      var            void

3.    弱类型语言

通过 var定义变量,如var msg;由于msg在定义时没有赋初值,此时msg变量会保存一个特殊值undefined。
由于JS为弱类型语言,因此如下操作时可以的: var  msg = "hello"; msg = 100;
var msg = 100;定义了一个局部变量,但msg = 100 则msg则为全局变量

4.    数据类型

JS共有六种数据类型,基础数据类型一种:Undefined、Null、Boolean、Number、String;以及一种复杂数据类型:Object。Undefined和Null数据类型都只有一个值,undefined和null。

4.1  Undefined:在使用var声明变量但未初始化时,该变量的值即为undefined

4.2  Null:表示一个空对象指针,故typeof null == object。另一方面,undefined值是由null派生来的,所以undefined == null成立。

4.3  Boolean:只有两个值,true和false。在使用if(msg)时,msg会被自动转换为Boolean类型,等价于if(Boolean(msg))。

数据类型转换为true的值转换为false的值
Boobleantruefalse
String非空字符串空字符串""
Number任何非0数字,包括无穷大0和NaN
Object任何对象null
Undefined undefined

4.4  Number:整数与浮点数

(1)八进制可由前导0表示,010表示十进制数8;019由于9超出了八进制范围,前导0将被忽略,解释为十进制数19。十六进制数的前导为0x。

(2)由于浮点数的的存储空间是整数的两倍,所以JS会不失时机的将浮点数转化为整数,如1.0   =》 1.

(3)数值范围:js能表示的最小值保存在Number.MIN_VALUE中,最大值保存在Number.MAX_VALUE中。如果某次运算结果查处了js的数值范围,会自动转换为Infinity(正无穷)或-Infinity(负无穷),可通过isFinity(aa)函数判断aa是否有穷。正无穷和负无穷则分别保存在Number.POSITIVE_INFINITY和Number.NEGATIVE_INFINITY中。
(4)数值转换Number()函数。对于Boolean类型,Number(true) = 1;Number(false)=0。Number(null)=0;Number(undefined)=NaN。
对于字符串:只包含数字或有小数点则转换为对应的整数与浮点数注意Number("010")=10,这里不考虑前导0;如果包含有效的十六进制形式0x12则输出对应的10进制数;空字符串返回0;其他字符串返回NaN。对于Object先调用valueOf(),若为NaN,在调用toString()函数。
(5)字符串转数字可以使用parseInt()和parseFloat()函数。parseInt("AF")=NaN;parseInt("   12ag")=12;parseInt(22.5)=22
(6)NaN非数值,比如任何数除以0,在JS中都会正常执行,但除法结果为NaN。NaN的任何数值操作返回都为NaN,NaN与任何值都不相等,包括NaN本身。isNaN(NaN)=true;isNaN("blue")=true;isNaN(true)=false;isNaN(0)=false。这些都会先将参数转换为数值即调用Number()函数,再用isNaN函数进行判断。

4.5  String:除了null和undefined类型,number、boolean、object和string都有toString()函数。另外String()函数也可用于将任何值转换为字符串,如果有toString函数则先调用,否则,若为null返回null,若为undefined返回undefined。

4.6  Object:可以通过new操作创建对象 var a = new Object();

5.    数据类型检测——typeof(是操作符而不是函数!)

对一个值(变量或常量)使用typeof可能返回如下字符串:
"undefined":如果值未定义,当变量未声明或者声明后未初始化,typeof的返回值都是undefined
"boolean":如果值为布尔值
"string":如果值为字符串
"number":如果值为数字
"object":如果值为对象或者null
"function":如果值为函数




【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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。
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