行为型模式

Chain of Responsibility
// 与Decorator的实现形式相类似,
// Decorator是在原来的方法之上进行添加功能,而
// Chain则是判断信号如果不是当前处理的则转交个下一个节点处理
// 我可以使用if分支来实现相同的效果,但是不够灵活,链上的每个节点是可以替换增加的,相对
// 比较灵活,我们可以设计接口实现对节点的增删操作,而实现更方便的效果
// 这个是一个链状的结构,有没有想过使用环状结构

interface  Handler  {
void handRequest(int signal);
}


class  CHandler1  implements  Handler  {
private Handler handler;

public CHandler1(Handler handler) {
this.handler = handler;
}


public void handRequest(int signal) {
if (signal == 1{
System.out.println(
"handle signal 1");
}

else {
handler.handRequest(signal);
}

}
 
}


class  CHandler2  implements  Handler  {
private Handler handler;

public CHandler2(Handler handler) {
this.handler = handler;
}


public void handRequest(int signal) {
if (signal == 2{
System.out.println(
"handle signal 2");
}

else {
handler.handRequest(signal);
}

}
 
}


class  CHandler3  implements  Handler  {
public void handRequest(int signal) {
if (signal == 3{
System.out.println(
"handle signal 3");
}

else {
throw new Error("can't handle signal");
}

}
 
}


class  ChainClient  {
public static void main(String[] args) {
Handler h3 
= new CHandler3();
Handler h2 
= new CHandler2(h3);
Handler h1 
= new CHandler1(h2);

h1.handRequest(
2);
}

}

 Interpreter
// 感觉跟Composite很类似,只不过他分文终结符和非终结符

// Template Method

abstract   class  TemplateMethod  {
abstract void amd1();

abstract void amd2();

//此方法为一个Template Method方法
public void tmd() {
amd1();
amd2();
}

}

State
// 标准型
// 状态和操作不应该耦合在一起
class  Contexta  {
private State st;

public Contexta(int nst) {
changeStfromNum(nst);
}


public void changeStfromNum(int nst) {
if (nst == 1{
st 
= new CStatea1();
}

else if (nst == 2{
st 
= new CStatea2();
}


throw new Error("bad state");
}


void request() {
st.handle(
this);
}

}


interface  State  {
void handle(Contexta context);
}


class  CStatea1  implements  State  {
public void handle(Contexta context) {
System.out.println(
"state 1");
//也许在一个状态的处理过程中要改变状态,例如打开之后立即关闭这种效果
//context.changeStfromNum(2);
}

}


class  CStatea2  implements  State  {
public void handle(Contexta context) {
System.out.println(
"state 2");
}

}


// 工厂型
// 根据状态不通生成不同的state

class  StateFactory  {
public static State getStateInstance(int num) {
State st 
= null;

if (num == 1{
st 
= new CStatea1();
}

else if (num == 2{
st 
= new CStatea2();
}


return st;
}

}

Visitor

// 双向引用,使用另外的一个类调用自己的方法,访问自己的数据结构
interface  Visitor  {
void visitElement(Elementd element);
}


class  CVisitor  implements  Visitor  {
public void visitElement(Elementd element) {
element.operation();
}

}


interface  Elementd  {
void accept(Visitor visitor);

void operation();
}


class  CElementd  implements  Elementd  {
public void accept(Visitor visitor) {
visitor.visitElement(
this);
}


public void operation() {
//实际的操作在这里
}

}


class  Clientd  {
public static void main() {
Elementd elm 
= new CElementd();
Visitor vis 
= new CVisitor();

vis.visitElement(elm);
}

}
Iteretor
interface  Structure  {
interface Iteratora {
void first();

boolean hasElement();

Object next();

}

}


class  Structure1  implements  Structure  {
Object[] objs 
= new Object[100];

//使用内部类是为了对Struture1的数据结构有完全的访问权
class Iteratora1 implements Iteratora {
int index = 0;

public void first() {
index 
= 0;
}


public boolean hasElement() {
return index < 100;
}
 

public Object next() {
Object obj 
= null;

if (hasElement()) {
obj 
= objs[index];
index
++;
}


return obj;
}

}

}

Meditor
class  A1  {
public void operation1() {}
public void operation2() {}
}


class  A2  {
public void operation1() {}
public void operation2() {}
}


class  Mediator  {
A1 a1;
A2 a2;

public Mediator(A1 a1, A2 a2) {
this.a1 = a1;
this.a2 = a2;

}


//如果我想实现这个功能我可能会把他放在A1中
//但是这样耦合大,我不想在A1中出现A2对象的引用,
//所以我使用了Mediator作为中介
public void mmed1() {
a1.operation1();
a2.operation2();
}


public void mmed2() {
a2.operation1();
a1.operation2();
}

}

Command
// 我认为就是将方法转换成了类

class  Receiver  {
public void action1() {}

public void action2() {}
}


interface  Command  {
void Execute();
}


class  CCommand1  implements  Command  {
private Receiver receiver;

public CCommand1(Receiver receiver) {
this.receiver = receiver;
}


public void Execute() {
receiver.action1();
}

}


class  CCommand2  implements  Command  {
private Receiver receiver;

public CCommand2(Receiver receiver) {
this.receiver = receiver;
}


public void Execute() {
receiver.action2();
}

}

Observer
// 在这里看似乎这个模式没有什么用
// 但是如果我有一个线程监控Subject,如果Subject的状态
// 发生了变化,则更改Observer的状态,并出发一些操作,这样就有实际的意义了
// Observer与Visitor有相似的地方,都存在双向引用
// Subject可以注册很多Observer

interface  Subjectb  {
void attach(Observer observer);

void detach(Observer observer);

void mynotify();

int getState();

void setState(int state);
}


class  Subjectb1  implements  Subjectb  {
List observers 
= new ArrayList();
int state;

public void attach(Observer observer) {
observers.add(observer);
}


public void detach(Observer observer) {
observers.remove(observer);
}


public void mynotify() {
Observer observer 
= null;
Iterator it 
= observers.iterator();

while (it.hasNext()) {
observer 
= (Observer) it.next();
observer.Update();
}

}


public int getState() {
return state;
}


public void setState(int state) {
this.state = state;
}

}


interface  Observer  {
void Update();
}


class  Observer1  implements  Observer  {
Subjectb subject;
int state;

public Observer1(Subjectb subject) {
this.subject = subject;
}


public void Update() {
this.state = subject.getState();
}


public void operation() {
//一些基于state的操作
}

}

Memento
class  Memento  {
int state;

public int getState() {
return state;
}


public void setState(int state) {
this.state = state;
}

}


class  Originator  {
int state;

public void setMemento(Memento memento) {
state 
= memento.getState();
}


public Memento createMemento() {
Memento memento 
= new Memento();
memento.setState(
1);
return memento;
}


public int getState() {
return state;
}


public void setState(int state) {
this.state = state;
}

}


class  careTaker  {
Memento memento;

public void saverMemento(Memento memento) {
this.memento = memento;
}


public Memento retrieveMemento() {
return memento;
}

}

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,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,用于防止模过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模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