07/11/2014 J2EE 学习笔记 Design Pattern Observer,Singleton et Iterator

Pattern Observer:

通过下面的例子来学习观察者模式。 我们有 两个接口Editeur.java和Lecteur.java。可以理解为编辑者和读者。

Editeur的代码如下,它要实现堵住:

package observeur;

public interface Editeur {
<span style="white-space:pre">	</span>public void ajouteLecteur(Lecteur l);
<span style="white-space:pre">	</span>public void surpprimeLecteur(Lecteur l);
<span style="white-space:pre">	</span>public void notifierLecteur();
}

LibData类继承了Editeur接口,这里它有四个成员变量,nbLecture记录读者总数。Lecture类型的ArrayList,用于存放读者。它实现了Editeur的接口方法,代码如下:

package observeur;

import java.util.ArrayList;

public class LibData implements Editeur{
	private int ca;
	private int nbVol;
	private int nbLecteur;
	ArrayList<Lecteur> listLecteurs= new ArrayList<Lecteur>();
	
	public void ajouteLecteur(Lecteur l) {
		this.listLecteurs.add(l);
	}	
	
	public void surpprimeLecteur(Lecteur l) {
		this.listLecteurs.remove(l);
	}	
	
	public void notifierLecteur() {
		for(Lecteur lecteur: this.listLecteurs){
			lecteur.upDate(ca, nbVol, nbLecteur);
		}
	}
	
	public void dataChanged(){		
		notifierLecteur();
	}
	
	public void setChanged(int ca, int nbVol, int nbLecteur){
		
		this.ca=ca;
		this.nbVol=nbVol;
		this.nbLecteur=nbLecteur;
		dataChanged();
	}
}



Lecture的代码如下,因为它是读者,所以只需要做一件事,更新数据:

package observeur;

public interface Lecteur {
	public void upDate(int ca, int nbVol, int nbLecteur);
}
AfficheCourant 类继承了Lecture接口,每次实例化它的时候都需要将它注册给一个Editeur。并且它实现了Lecture接口的方法。
package observeur;

public class AfficheCourant implements Lecteur{
	private int ca;
	private int nbVol;
	private int nbLecteur;
	private Editeur libData;
	
	
	public AfficheCourant (Editeur libData) {
		this.libData = libData;
		libData.ajouteLecteur(this);
	}
	
	public void upDate(int ca, int nbVol, int nbLecteur) {
		this.ca = ca;
		this.nbVol = nbVol;
		this.nbLecteur = nbLecteur;
	}
	
	public void display(){
		System.out.println("ca="+String.valueOf(ca)+" nbVol="+String.valueOf(nbVol)+" bLecteur="+String.valueOf(nbLecteur));
	}
	
}

Main()方法,代码如下:

package observeur;

public class Essi {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
		LibData libData = new LibData();
		
		AfficheCourant afficheCourant = new AfficheCourant(libData);
		
		//afficheStat
		libData.setChanged(12, 12, 23);
		libData.setChanged(312, 312, 1);
		
		//pour tester le resultat
		afficheCourant.display();
	}

}

小结:

observateur 可以有N个实例。

Observable   只能有1个实例。

Chaque Abonne a son Editeur.



Pattern Singleton: 有创建出多个实例的风险,因为我们的电脑cpu实际上是单线程运算的,当一个实例恰好运行完了if判断,等于null,这时另一个创建实例的代码也恰好来到if这里判断,那么它的结果页必然是null的,所以这时就会创建出两个实例。

public class Singleton{
    private static Singleton instance = null;
    private Singleton(){}
    public static  Singleton getInstance(){//需要<span style="color: rgb(0, 0, 139); font-family: Consolas, Menlo, Monaco, 'Lucida Console', 'Liberation Mono', 'DejaVu Sans Mono', 'Bitstream Vera Sans Mono', 'Courier New', monospace, serif; font-size: 14px; line-height: 17.8048000335693px;">synchronized</span>
        if(instance==null){ 
            instance = new Singleton();      
        }
    return instance;
    }
}

所以需要synchronise 为了避免多个实例的可能性,在getInstance()方法前面加上synchronized


public class Singleton{
    private static Singleton instance = null;
    private Singleton(){}
    public synchronized static  Singleton getInstance(){
        if(instance==null){ 
            instance = new Singleton();      
        }
    return instance;
    }
}



//class Singleton 和 pattern Singleton 的区别:
Singleton static s = new Singleton (); //static instance
Singleton  s = Singleton.getInstance();//pattern Singleton

Pattern Iterator:

这里我们建3个类:  Boisson.java, IteratorSurBoisson.java和Main.java。

Boisson.java继承了Iterable接口(java)内定义一个字符串数组boisson,初始值为:{"the","boisson","chocolat"}; 具体代码:

package Iterator;
 
import java.util.Iterator;
 
 
public class Boisson implements Iterable<String> {
 
    String[] boisson= {"the","boisson","chocolat"};
     
    @Override
    public Iterator<String> iterator(){
        return new IteratorSurBoissons(this);
    }
     
    public int length(){
        return boisson.length;
    }
 
    public final String[] getBoisson() {
        return boisson;
    }
 
    public final void setBoisson(String[] boisson) {
        this.boisson = boisson;
    }  
     
}

这里需要我们重写iterator()方法,它返回一个IteratorSurBoissons的实例。


IteratorSurBoissons 类继承了Iterator接口。它有两个成员变量,一个是Boisson,另一个是整型的conpteur,用来记录指针(下标)初始值为0。在它的构造函数里 初始化了Boisson实例。这里要实现hanNext()和next()方法,分别用来判断是否有下一个元素,取下一个元素。   具体代码:

package Iterator;
 
import java.util.Iterator;
 
public class IteratorSurBoissons implements Iterator<String>{
    private Boisson boissons;
    int compteur=0;
     
    public IteratorSurBoissons(Boisson boissonsAparcourir){
        this.boissons= boissonsAparcourir;
    }
     
      @Override  
    public boolean hasNext(){
        if(this.compteur < boissons.length()){
            return true;
        }else {
            return false;
        }
    }
     
      @Override
    public String next(){
        String b = boissons.boisson[compteur];
        this.compteur++;
        return b;
    }
     
}

main()类里, 创建了一个Boisson实例b,调用此b的iterator()方法 返回一个 Iterator<String>给  packVikingIterator。一个while循环,读取Boisson的值。
package Iterator;
 
import java.util.Iterator;
 
public class Main {
 
    public static void main(String[] args) {
        // TODO Auto-generated method stub
        Boisson b = new Boisson();
         
        Iterator<String> packVikingIterator = b.iterator();
        while (packVikingIterator.hasNext()) {
            System.out.println(packVikingIterator.next());         
        }
    }
}








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