数据水库的第14次灌水

综合练习(二)

一、题目要求:

1、创建数据库CPXS,保存于E盘根目录下以自己学号+姓第一个字母(阿拉伯数字+大写字母)方式创建的文件夹中,初始大小5MB,最大20MB,以10%方式增长,日志文件存于同一文件夹,初始大小2MB,最大5MB,以1MB方式增长;

2、创建表CP,CPBH为主键,8位数字,CPMC,长度12个字符,JG为精确到小数点后2位,KCL为整数,除了KCL,其他都不能为空;

3、使用INSERT输入数据,具体数据如下:

'10001100', '冰箱A_100', 1500.00, 500

'10002120', '冰箱A_200', 1850.00, 200

'20011001', '空调K_1200', 2680.00, 300

'20012000', '空调K_2100', 3200.00, 1000

'30003001', '冰柜L_150', 5000.00, 100

'10001200', '冰箱B_200', 1600.00, 1200

'10001102', '冰箱C_210', 1890.00, 600

'30004100', '冰柜L_210', 4800.00, 200

'20001002', '空调K_3001', 3800.00, 280

'20001600', '空调K_1600', 4200.00, 1500

4、显示CP所有记录

5、显示“产品名称”和“产品总值”,其中产品总值=JG*KCL

6、显示“产品名称”和“产品价格”,其中产品价格=JG*0.8

二、评分标准

1.代码规范:

大小写应用合理,

换行有缩进,

正确使用注释(如确实需要注释的话),

作业按照命名规范(如果作业中明确提出要求)。

可评价分数为0、0.5及1。

2.程序完整:

按照题目要求完成了所有功能代码,没有遗漏,如作业要求完成对多个条件的查询,如果遗漏则按规则减分。

可评价分数为0、0.5及1。

3.语法正确:

在查询分析器中运行语法检查通过与否。

可评价分数为0和1,通过为1,否则为0。

4.执行正确:

在查询分析器中执行代码,检验其通过与否。

可评价分数为0和2,通过为2,否则为0。

*复议:

对于上一步得0的作业,如果针对题目的代码本身没有问题,因为没有添加基础代码,如运行查询时没有提供建立数据库和表的代码导致不能运行,则检验其添加基础代码后是否能够运行,如果可以运行给0.5,否则给0。

注意:复议环节需要核对提交者代码,根据其内容确定是否需要添加基础代码,如数据库和表的建立,

三、知识回顾

本次作业主要涉及以下几方面:

1.    代码方式创建数据库

2.    代码方式创建表

3.    代码方式向表中填入数据

4.    *单表查询

1°查询全部列

2°修改查询结果中的列标题

(F1:原标题 as 新标题

    F2:新标题=原标题)

当自定义列标题有空格时需加’’

3°查询经过计算值

5.    几个常见的数据类型

整数型:bigint, int, smallint, tinyint(数值范围、精度、所占字节数依次减少)

精确数值型:decimal,numeric

浮点型(近似数值型):real,float

字符型:char(n)——n默认值为1,实际字符数<n,存储为空格

                                                     实际字符数>n,超出部分被截断

             varchar(n)——n表示所能存储的最大数值,实际存储为输入字符串实际字符个数。

注意

1.使用DROP Table,建议在此之前用IF EXIST语句进行判断。

2.精确到小数后两位,所以FLOAT不太恰当

四、优秀代码示例

CREATE DATABASE CPXS
ON
      (NAME='CPXS_DATA',
       FILENAME='E:\1715********G\CPXS_DATA.MDF',
       SIZE=5MB,
       MAXSIZE=20MB,
       FILEGROWTH=10%)
LOG ON
      (NAME='CPXS_LOG',
       FILENAME='E:\1715*******G\CPXS_LOG.LDF',
       SIZE=2MB,
       MAXSIZE=5MB,
       FILEGROWTH=1MB)
GO
USE CPXS
CREATE TABLE CP
       (CPBH CHAR(8) NOT NULL PRIMARY KEY,
        CPMC CHAR(12) NOT NULL,
        JG DECIMAL(10,2) NOT NULL,
        KCL INT NULL)
GO
INSERT INTO CP
   VALUES('10001100', '冰箱A_100', 1500.00, 500)
INSERT INTO CP
   VALUES( '10002120', '冰箱A_200', 1850.00, 200)
INSERT INTO CP 
   VALUES('20011001', '空调K_1200', 2680.00, 300)
INSERT INTO CP
   VALUES('20012000', '空调K_2100', 3200.00, 1000)
INSERT INTO CP
   VALUES('30003001', '冰柜L_150', 5000.00, 100)
INSERT INTO CP
   VALUES('10001200', '冰箱B_200', 1600.00, 1200)
INSERT INTO CP
   VALUES('10001102', '冰箱C_210', 1890.00, 600)
INSERT INTO CP
   VALUES('30004100', '冰柜L_210', 4800.00, 200)
INSERT INTO CP
   VALUES('20001002', '空调K_3001', 3800.00, 280)
INSERT INTO CP
   VALUES('20001600', '空调K_1600', 4200.00, 1500)
GO
SELECT *FROM CP
SELECT CPMC AS '产品名称', 产品总值=JG*KCL
FROM CP

SELECT CPMC AS '产品名称',产品价格=JG*0.8
FROM CP

、分数


小结:

本次作业出现的错误较上次比明显减少,格式也更加规范了。希望同学们能够再接再厉,继续进步。



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