javascript学习之继承

JavaScript实现继承

JavaScript实现继承的方式有三种,第一种,借用构造函数继承,第二种:原型继承。第三种:原型继承和借用构造函数继承的混合使用。

1. 借用构造函数继承: 是子类调用父类的模板,用调用函数的模式,调用父类函数,和变量。

代码:

	//继承  模板继承
			function Person(name,age){
				this.name = name;
				this.age = age;
				this.getName = function(){
					return "方法" + name;
				}
			}
			Person.prototype = {
				constructor:Person,//还原构造方法
				id:"1",
				test:function(){
					alert("父类原型方法");
				}
			}
			function Girls(sex,name,age){
				Person.call(this,name,age);
				this.sex = sex;
			} 
			
			//Girls.prototype = new Person("fxy","22");

			var girls = new Girls("fxy","22","女");

			alert("父类属性name:" + girls.name);//
			alert("父类属性属性age:" + girls.age);
			alert("子类属性sex:" + girls.sex);
			alert("父类方法:" + girls.getName());
			alert("父类原型属性" + girls.id);//访问不到
			girls.test();//父类原型方法//访问不到报错
执行结果如下:

虽然 继承了父类的模板,但是没有继承父类的原型。

2.原型继承

//继承  模板继承
			function Person(name,age){
				this.name = name;
				this.age = age;
				this.getName = function(){
					return "方法" + name;
				}
			}
			Person.prototype = {
				constructor:Person,//还原构造方法
				id:"1",
				test:function(){
					return "test父类原型方法";
				}
			}
			function Girls(sex){
				this.sex = sex;
			} 
			
			Girls.prototype = new Person("fxy","22");

			var girls = new Girls("女");

			document.write("父类属性name:" + girls.name + "<br/>");
			document.write("父类属性属性age:" + girls.age + "<br/>");
			document.write("子类属性sex:" + girls.sex + "<br/>");
			document.write("父类方法:" + girls.getName() + "<br/>");
			document.write("父类原型属性:" + girls.id + "<br/>");
			document.write("父类原型方法:" + girls.test() + "<br/>");//父类原型方法
			document.write("子类构造函数" + girls.constructor + "<br/>");


可以调用父类的所有属性和方法和原型属性和方法,但是子类的构造函数变成了父类的构造函数。

3.第三种继承 混合继承

//继承  模板继承
			function Person(name,age){
				this.name = name;
				this.age = age;
				this.getName = function(){
					return "方法" + name;
				}
			}
			Person.prototype = {
				constructor:Person,//还原构造方法
				id:"1",
				test:function(){
					return "test父类原型方法";
				}
			}
			function Girls(name,age,sex){
				Person.call(this,name,age);
				this.sex = sex;
			} 
			
			Girls.prototype = new Person();

			var girls = new Girls("fxy","22","女");

			document.write("父类属性name:" + girls.name + "<br/>");
			document.write("父类属性属性age:" + girls.age + "<br/>");
			document.write("子类属性sex:" + girls.sex + "<br/>");
			document.write("父类方法:" + girls.getName() + "<br/>");
			document.write("父类原型属性:" + girls.id + "<br/>");
			document.write("父类原型方法:" + girls.test() + "<br/>");//父类原型方法
			document.write("子类构造函数" + girls.constructor + "<br/>");


可以继承父类模板和父类原型对象

第四种:

集成以上所有优点,回避缺点

                        function extend(sub,sup){
				var f = new Function();
				f.prototype = sup.prototype;
				sub.prototype = new f();
				sub.prototype.constructor = sub;
				sub.supClass = sup;
				return sub;
			}
			//继承  模板继承
			function Person(name,age){
				this.name = name;
				this.age = age;
				this.getName = function(){
					return "方法" + name;
				}
			}
			Person.prototype = {
				constructor:Person,//还原构造方法
				id:"1",
				test:function(){
					return "test父类原型方法";
				}
			}
			extend(Girls,Person);
			function Girls(name,age,sex){
			        Girls.supClass.call(this,name,age);//继承模板
				this.sex = sex;
			} 
			
			//Girls.prototype = new Person();

			var girls = new Girls("fxy","22","女");

			document.write("父类属性name:" + girls.name + "<br/>");
			document.write("父类属性属性age:" + girls.age + "<br/>");
			document.write("子类属性sex:" + girls.sex + "<br/>");
			document.write("父类方法:" + girls.getName() + "<br/>");
			document.write("父类原型属性:" + girls.id + "<br/>");
			document.write("父类原型方法:" + girls.test() + "<br/>");//父类原型方法
			document.write("子类构造函数" + girls.constructor + "<br/>");



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