dwz查询找回

1 篇文章 0 订阅

今天使用dwz框架的查询找回,但是总是第三层查找结果页面覆盖在第二层操作页面,一开始以为是我的form的头写错了

<form method="post" action="{{ route('') }}" class="pageForm required-validate" onsubmit="return validateCallback(this,dialogAjaxDone)">

最后找到原因:原来是第二层页面的rel属性值没有设置,导致页面总在一个窗口跳转,而不是弹出;

<a class="btnLook" href="" rel="pice.add" lookupGroup="pice">查找带回</a>

标签的 rel 属性用于指定当前文档与被链接文档的关系。

通俗讲就是告诉浏览器被链接文档是什么样的文件,rel里包括了许多的可选值:

1.html4支持的属性值
rel=”help” :帮助的信息文档;
rel=”home” :站点主页;
rel=”canonical”: 指定规范链接,当网站有两个以上内容重复的页面时,即告诉搜索引擎该抓取哪个比较权威的页面,链接地址建议采用绝对地址,例如 link rel=”canonical” href=”http://blog.sina.com.cn/htmlcss3” /。
rel=”shortcut icon”:指定ico图标,让图标显示在浏览器的地址栏、标题栏中。语法书写如下
link rel=”shortcut icon” href=”http://网址/favicon.ico”
rel=”alternate”:用来定义一个可交替的链接,在IE浏览器下,该属性不被支持。
rel=”stylesheet”:定义一个外部样式表。
rel=”appendix”:文档的附录页。HTML5不支持该属性
rel=”chapter” :从当前文档链接到一个章节。HTML5不支持该属性
rel=”contents”:当前文档的内容目录,通常放在主内容的侧栏,方便于各主题之间跳转。 HTML5不支持该属性
rel=”copyright”:当前文档的版权页或隐私页面。HTML5不支持该属性
rel=”glossary”:调用到此文档的词汇表。 HTML5不支持该属性
rel=”subsection”:当前文档的一个小分段。HTML5不支持该属性
rel=”section”:文档列表中的一个小节。HTML5不支持该属性
rel=”help” :帮助的信息文档。
rel=”home” :站点主页。
rel=”index”:当前文档的索引。
rel=”next” :文档的下一页、或下一篇,浏览器可以提前加载。
rel=”prev” :文档的上一页、或上一篇,定义浏览器的后退键。
rel=”start”:文档的开始页,即(第一页)。HTML5不支持该属性

2.html5

rel=”noreferrer”:该属性可以阻止浏览器发送访问来源信息,即表示让浏览器不发送referrer;
rel=”nofollow”:指定该链接不被搜索引擎跟踪,意思是某些垃圾页面不想被蜘蛛抓取收录。例如将该属性用在a标签中,则告诉搜索引擎不要抓取这条链接,写法 a href=”url路径” rel=”nofollow”
rel=”bookmark”:本网页的书签关系,用作书签的一个永久固定的URL。
rel=”archives”:历史文档信息。
rel=”external”:链接到外部文档,即告诉了搜索引擎,该链接不是本站链接。
rel=”license”:该文档的版权信息。
rel=”search”:文档内的搜索工具。
rel=”author”:文档的作者信息,Google比较看重。
rel=”first”:底部友情链接。
rel=”last”:链接到集合中最后的文档。
rel=”tag”:当前文档使用的标签,关键词标记。
rel=”up” :提供指向一个文档的链接,该文档提供当前文档的上下文关系。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单的GRU神经网络的MATLAB实现示例: ```matlab % GRU神经网络实现 % 参考:https://github.com/crazydonkey200/neural-networks-for-nlp/blob/master/gru.m classdef GRUNetwork < handle properties input_dim hidden_dim output_dim Wz Wr Wh Uz Ur Uh bz br bh end methods function obj = GRUNetwork(input_dim, hidden_dim, output_dim) obj.input_dim = input_dim; obj.hidden_dim = hidden_dim; obj.output_dim = output_dim; obj.Wz = rand(hidden_dim, input_dim); obj.Wr = rand(hidden_dim, input_dim); obj.Wh = rand(hidden_dim, input_dim); obj.Uz = rand(hidden_dim, hidden_dim); obj.Ur = rand(hidden_dim, hidden_dim); obj.Uh = rand(hidden_dim, hidden_dim); obj.bz = zeros(hidden_dim, 1); obj.br = zeros(hidden_dim, 1); obj.bh = zeros(hidden_dim, 1); end function [h, y] = forward(obj, x) T = size(x, 2); h = zeros(obj.hidden_dim, T); z = zeros(obj.hidden_dim, T); r = zeros(obj.hidden_dim, T); y = zeros(obj.output_dim, T); h(:, 1) = zeros(obj.hidden_dim, 1); for t = 1:T z(:, t) = sigmoid(obj.Wz * x(:, t) + obj.Uz * h(:, t) + obj.bz); r(:, t) = sigmoid(obj.Wr * x(:, t) + obj.Ur * h(:, t) + obj.br); h_tilde = tanh(obj.Wh * x(:, t) + obj.Uh * (r(:, t) .* h(:, t)) + obj.bh); h(:, t + 1) = (1 - z(:, t)) .* h(:, t) + z(:, t) .* h_tilde; y(:, t) = softmax(h(:, t + 1)); end h = h(:, 2:end); end function [dWz, dWr, dWh, dUz, dUr, dUh, dbz, dbr, dbh] = backward(obj, x, y_true, y_pred, h) T = size(x, 2); dWz = zeros(size(obj.Wz)); dWr = zeros(size(obj.Wr)); dWh = zeros(size(obj.Wh)); dUz = zeros(size(obj.Uz)); dUr = zeros(size(obj.Ur)); dUh = zeros(size(obj.Uh)); dbz = zeros(size(obj.bz)); dbr = zeros(size(obj.br)); dbh = zeros(size(obj.bh)); dz = zeros(obj.hidden_dim, T); dr = zeros(obj.hidden_dim, T); dh_tilde = zeros(obj.hidden_dim, T); dh = zeros(obj.hidden_dim, T + 1); dy = y_pred - y_true; dh(:, end) = zeros(obj.hidden_dim, 1); for t = T:-1:1 dh(:, t) = (1 - z(:, t)) .* dh(:, t + 1); dh_tilde(:, t) = z(:, t) .* dy(:, t) .* (1 - tanh(obj.Wh * x(:, t) + obj.Uh * (r(:, t) .* h(:, t)) + obj.bh) .^ 2); dz(:, t) = (h_tilde(:, t) - h(:, t)) .* h(:, t + 1) .* z(:, t) .* (1 - z(:, t)); dr(:, t) = sum(obj.Uh' * dh_tilde(:, t) .* h(:, t + 1) .* z(:, t) .* (1 - r(:, t)), 2); dh(:, t) = dh(:, t) + obj.Uh' * dh_tilde(:, t) .* r(:, t) .* (1 - h(:, t + 1) .^ 2); dbz = dbz + dz(:, t); dbr = dbr + dr(:, t); dbh = dbh + sum(dh_tilde(:, t), 2); dWz = dWz + dz(:, t) * x(:, t)'; dWr = dWr + dr(:, t) * x(:, t)'; dWh = dWh + dh_tilde(:, t) * (r(:, t) .* h(:, t))'; dUz = dUz + dz(:, t) * h(:, t)'; dUr = dUr + dr(:, t) * h(:, t)'; dUh = dUh + dh_tilde(:, t) * (r(:, t) .* h(:, t - 1))'; end end function update(obj, dWz, dWr, dWh, dUz, dUr, dUh, dbz, dbr, dbh, lr) obj.Wz = obj.Wz - lr * dWz; obj.Wr = obj.Wr - lr * dWr; obj.Wh = obj.Wh - lr * dWh; obj.Uz = obj.Uz - lr * dUz; obj.Ur = obj.Ur - lr * dUr; obj.Uh = obj.Uh - lr * dUh; obj.bz = obj.bz - lr * dbz; obj.br = obj.br - lr * dbr; obj.bh = obj.bh - lr * dbh; end end end function sigm = sigmoid(x) sigm = 1 ./ (1 + exp(-x)); end function sm = softmax(x) ex = exp(x); sm = ex / sum(ex); end ``` 这个实现包括前向和后向传播以及模型参数的更新。你可以使用`GRUNetwork`类来实例化GRU网络并进行训练和测试。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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