Java基础04:数据类型扩展及面试题讲解

Java基础04:数据类型扩展及面试题讲解

整数拓展:

进制:

  1. 二进制:0b开头

    十进制123456789101112
    二进制01101110010111011110001001101010111100
  2. 八进制:0开头

    十进制12345678910111213141516
    八进制1234567101112131415161720
  3. 十六进制:0x开头

    10进制1234567891011121314151617
    16进制123456789ABCDEF1011
public class Demo03{
    public static void main(String[] args){
        int i1 = 0b10;		//二进制	0~1
        int i2 = 010;		//八进制	0~7
        int i1 = 10;		//十进制	0~9
        int i3 = 0x10;		//十六进制	0~9 A~F	16
        
        System.out.println(i1);		//2
        System.out.println(i2);		//8
        System.out.println(i3);		//10
        System.out.println(i4);		//16
        
    }
}

浮点数拓展

public class Demo03{
    public static void main(String[] args){
        float f = 0.1f;		
        double d = 1.0/10;	
        
        System.out.println(f);	//0.1
        Systen.out.println(d);	//0.1
        System.out.println(f == d);	//false
        
        float f1 = 1316532113f;
        float f2 = f1 + 1;
        System .out.println(f1 == f2);	//true
        
    }
}

上面的代码都是正确的,但是运行结果却很让人看不懂

这是因为float的特性:有限,离散,舍入误差,大约,接近但不等于。

所以最好完全避免使用浮点数进行比较!

字符拓展

public class Demo03{
    public static void main(String[] args){
        char c1 = 'a';
        char c2 = '中';
        
        System.out.println(c1);	//a
        System.out.println((int)c1);  //97 		 //强制转换

        System.out.println(c2);	//中
        System.out.println((int)c2);  //20013    //强制转换
        
        
        char c3 = '\U0061';		//字符码
        
        System.out.println(c3);//a
       

    }
}

所有的字符本质还是数字

编码 Unicode 表:97=a 65=A 2字节 65536 Excel 2 16 = 65536

例:U0000,UFFFF

转义字符

public class Demo03{
    public static void main(String[] args){
        
        System.out.println("Hello,World!");//Hello,World!
        
        System.out.println("Hello \t World!");//Hello	World!
        
        System.out.println("Hello \n World!");//Hello	换行
   										      //World!
    }
}

今天学了两个转义字符:

  1. \t : 制符表

  2. \n :换行

     ### 堆,栈、
    
	public class Demo03{
    public static void main(String[] args){
        
		String sa = new String("Hello,World");
        String sb = new String("Hello,World");

        System.out.println(sa==sb); //false


        String sc ="Hello,World";
        String sd ="Hello,World";

        System.out.println(sc==sd); //true
    }
 }

new :使数据存到一个新建的空间里

变量 sa和sb 因为使用的new赋的值,所以sa不等于sb。

变量sc和sd没有用方法new,所以他们相等;

布尔值拓展

boolean flag = true;
if(flag == true){}	//新手
if(flag){}			//老手

Less is More! 代码要精简易读!

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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