10 多态 , 抽象类以及接口

10

形参和实参:
  • 形参 : 定义方法时参数列表上的变量
  • 实参 : 调用方法时传进去的值
  • 基本数据类型做参数 , 形参的改变不影响实参的值
  • 引用数据类型做参数 , 形参的改变影响实参的值 (String 和 基本数据类型包装类除外)

多态

三个前提:
  • 有继承或实现关系
  • 有方法的重写
  • 父类的引用指向子类的对象
调用
调用关系成员变量成员方法静态变量静态方法父类独有子类独有
向上转型 Animal ani = new Cat();父类子类父类父类父类不能调用
向下转型 Cat cat = (Cat) ani;子类子类子类子类父类子类
不转型子类子类子类子类父类子类
两种转型

向上转型 :

父类名 父类对象名 = new 子类名;
 Animal ani = new Cat;

向下转型 :

子类名 子类对象 = (子类名)父类对象名;
 Cat cat = (Cat) ani;
public class Futher{
	String name;
	
	public void show() {
		System.out.println("FutherName:"+name);
	}
	
	public static void main(String[] args) {
		Futher fu = new Futher();
		fu.name = "张飞";
		fu.show();//张飞
		
		Son so = new Son();
		so.name = "张苞";
		so.show();//张苞
		
		Futher fut = new Son();
		fut.name = "张苞";
		fut.show();//null
	}
}

class Son extends Futher{
	String name;
	
	public void show() {
		System.out.println("SonName:"+name);
	}
}

注意事项:

  • 多态只能调用父类方法和重写方法 , 不能调用子类特有的方法
  • 如果要调用子类特有的方法 , 需要向下转型

抽象

  • 用abstract修饰的类
  • 当我们使用的方法没有方法时 , 可以将方法修饰为抽象的
抽象类定义格式:
abstract class 类名{
    
}
抽象方法格式 :
abstract 修饰符 返回值类型 方法名(参数列表);
注意事项:
  • 含有抽象方法的类一定是抽象类 , 但是抽象类里面不一定有抽象方法
  • 抽象类中可以定义构造方法 , 但是不可以创建对象
  • 抽象类本身无意义 , 所以应该用一个类去继承它 , 然后重写里面所有的抽象方法 . 如果不想实现其中的抽象方法 , 那么这个类本身应该是一个抽象类
  • 抽象类中的构造方法本身无意义 , 但是可以用于给子类对象初始化
  • final和abstract不能共存 , 因为final修饰的类不能被继承 , 而被abstract修饰的类必须要继承
  • 如果想要使用抽象类对象 , 可以使用抽象类多态的形态
public class AbstractDemo1 {
	public static void main(String[] args) {
		Shape s1 = new Rect(2.2,3.5);
		s1.area();
		s1.primeter();
		
		Shape s2 = new Circle(3.2);
		s2.area();
		s2.primeter();
	}
}

abstract class Shape{
	public abstract void primeter();
	public abstract void area();
}

class Rect extends Shape{
	double height;
	double length;
	
	public Rect() {
		super();
	}
	public Rect(double height, double length) {
		super();
		this.height = height;
		this.length = length;
	}

	@Override
	public void primeter() {
		System.out.println("矩形的周长为:"+2*(height+length));
	}
	@Override
	public void area() {
		System.out.println("矩形的面积为"+(height*length));
	}	
}

class Circle extends Shape{
	double r;
	
	public Circle() {
		super();
	}
	public Circle(double r) {
		super();
		this.r = r;
	}

	@Override
	public void primeter() {
		System.out.println("圆的周长为:" + 2*3.14*r);
	}
	@Override
	public void area() {
		System.out.println("圆的面积为:" + 3.14*r*r);
    }
}

接口

  • 功能的拓展
定义格式:
interfa 接口名{
    
}
接口实现格式:
class 类名 implements 接口1,接口2{
    
}
注意事项:
  • 接口中默认所有方法都是抽象的(jdk1.8之前) , 默认是public static 修饰
  • 接口中没有构造方法
  • 接不能创建对象 , 若想使用接口对象 , 可以通过向上转型 , 使用多态的形式
  • 接口中所有的变量默认是常量
  • 如果想使用接口 , 则要通过 implements 实现接口
  • 接口的子类要实现接口中所有的抽象方法 , 或者自己是一个抽象类
  • 一个类可以实现多个接口 , 并且可以在继承类的同时实现多个接口 , 类和接口之间是实现关系
  • 接口和接口之间是继承关系 , 接口可以多继承
public class InterfaceDemo1 {
	public static void main(String[] args) {
		
		InterfaceA a = new Print();
		a.printCapitalLetter();
		System.out.println();
		InterfaceB b = new Print();
		b.printLowercaseLetter();
	}
}	

interface InterfaceA{
	public void printCapitalLetter();
}

interface InterfaceB{
	public void printLowercaseLetter();
}

class Print  extends Test implements InterfaceA,InterfaceB{

	@Override
	public void printLowercaseLetter() {
		for(char i='a';i<='z';i++) {
			System.out.print(i + " ");
		}
	}

	@Override
	public void printCapitalLetter() {
		for(char i='A';i<='Z';i++) {
			System.out.print(i + " ");
		}
	}
}

class Test{
	
}
抽象类和接口的区别 :
  • 一个类最多只能继承一个抽象类 , 但是可以实现多个接口
  • 接口只能继承接口 , 但不能实现接口 , 可以多继承
  • 抽象类中既可以定义变量又可以定义常量 . 接口中只可以定义常量
  • 抽象类中既可以定义抽象方法 又可以定义非抽象方法 . 接口中只可以定义抽象方法(jdk1.8以前)+
  • 抽象类中有构造方法 , 接口中没有构造方法
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,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,它们在神经网络用于添加线性,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. **则化(Regularization)**:技术如 Dropout、L1/L2 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