C#其他


摘自:C#入门经典第10章
C#属性块

//---------Student.cs
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace First
{
    public class Student
    {
        public readonly string name;
        private double  score;
        public Student(string name)
        {
            this.name = name;
            score = 0;       
        }
        public override string ToString()
        {
            return "[名字:" + this.name + "--分数:" + this.score + "]";
        }
        public double stuScore
        { 
            get
            {
                return score;
            }
            set
            {
                if (value >= 0 && value <= 100)
                    score = value;
                else
                    throw new ArgumentOutOfRangeException("stuScore",value,"stuScore must be assigned a value between 0 and 100!");     
            }
         }
    }
}
//----------Program.cs
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace First
{
    class Program
    {
        static void Main(string[] args)
        {
            Console.WriteLine("新建学生...");
            /*  //ERROR
            String[] nameList = new String[20];
            nameList={"a","b","c"};  
            */
            string[] nameList={"张三","李四","王五"};
            Student[] stu=new Student [3];
            stu[0] = new Student(nameList[0]);
            stu[1] = new Student(nameList[1]);
            stu[2] = new Student(nameList[2]);
            Console.WriteLine("stu 新建完成...");

            foreach(Student s in stu )
                try
                {
                    Console.WriteLine("--------------------------");
                    Console.WriteLine("请给下面学生输入分数:"+s.name);
                    double inputScore = Convert.ToDouble(Console.ReadLine());
                    s.stuScore = inputScore;
                    Console.WriteLine("设置分数成功!");
                }
                catch (Exception e)
                {
                    //Console.WriteLine("输入分数不符合要求!");                   
                }
            Console.WriteLine("输出学生信息:");
            foreach (Student s in stu)
                Console.WriteLine(s);
            Console.ReadKey();
        }
    }
}

摘自:C#入门经典第13章

C#委托和事件

//----------Connection.cs
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Timers;

namespace Second
{
    //在名字空间声明一个委托.
    public delegate void MessageHandler(string message);   
    public class Connection
    {
        /*
         * 在类中声明一个事件,且用关键字event修饰
         * public  event       MessageHandler      MessageArrived;
         *         关键字      委托(事件的类型)   事件
         */
        public event MessageHandler MessageArrived;
        private Timer pollTimer;
        public Connection()
        {
            /*
             * 1.建立对象(这个对象可以引发事件Elapsed)
             * 2.订阅事件(采用显/隐式委托+=。这里的委托指ElapsedEventHandler,匹配方法是CheckMessage)
             * 3.开启线程(当引发事件后,就通知订阅器,转到相应的处理方法中去)
             * 注:在下面主线程中可以看到事件的嵌套
             */
            pollTimer = new Timer(100);
            pollTimer.Elapsed += new ElapsedEventHandler(CheckMessage);        
        }
        public void Connect()
        {
            pollTimer.Start();
        }
        public void Disconnect()
        {
            pollTimer.Stop();
        }
        /*
         * 定义一个Random实例,生成0-9之间的随机数
         * 定义一个匹配方法CheckMessage,该方法与委托名具有相同的返回类型和形参
         * MessageArrived != null含义是:事件是否有订阅者?如果为null表示没有订阅,从而也就不会被引发
         * MessageArrived("Hello C sharp!");表示委托,由相应的匹配事件处理
         * 解释:见主函数
         */
        private static Random random = new Random();
        private void CheckMessage(object source,ElapsedEventArgs e)
        {
            Console.WriteLine("Checking for new messages:");
            if ((random.Next(9) == 0) && (MessageArrived != null))
                MessageArrived("Hello C sharp!");    
        }
    }
}
//----------Display.cs
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Second
{
    public class Display
    {
        public void DisplayMessage(string message)
        {
            Console.WriteLine("Message arrived:"+message );
        }
    }
}
//-------------Program.cs
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Second
{
    class Program
    {
        static void Main(string[] args)
        {
            Connection myConnection = new Connection();
            Display myDisplay = new Display();
            /*
             * 事件触发者:Connection,事件触发对象:myConnection
             * 事件:MessageArrived,事件委托:MessageHandler
             * 
             * 事件订阅者:Display,事件订阅对象:myDisplay
             * 匹配方法:DisplayMessage,用来响应MessageArrived事件 
             */
            myConnection.MessageArrived += new MessageHandler(myDisplay.DisplayMessage);
            myConnection.Connect();
            Console.ReadKey();
            Console.ReadKey();
        }
    }
}
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