Collection 接口

Collection 接口

Collection 接口中声明的常用方法

an add(E e)把元素放到集合中
boolean addAll(Collection<? extends E> c)把另一个集合合并到当前集合中
boolean remove(Object o)移除集合中的元素
boolean contains(Object o)判断是不是含有某个元素
boolean containsAll(Collection<?> c)判断是不是完全含有目标集合中的元素
boolean removeAll(Collection<?> c)移除和目标集合中的元素相同的所有元素
boolean retainAll(Collection<?> c)取交集
clear() //清空size() //求集合长度
toArray() //把集合转成数组boolean isEmpty() //判空
Iterator iterator()使用迭代器对集合进行迭代

Collection 的添加类操作

static void test() {
Collection c=new ArrayList();
c.add("一"); 
c.add("二"); 
c.add("三"); 
c.add("四"); 
c.add(9); 
c.add(true); 
c.add(new Cat()); 

System.out.println(c); //[一, 二, 三, 四, 9, true, com.Cat@52e922]
System.out.println(c.size()); //7

Collection c2=new ArrayList();
c2.add("西瓜");
c2.add("冬瓜");

c.addAll(c2);
System.out.println(c); //[一, 二, 三, 四, 9, true, com.Cat@52e922, 西瓜, 冬瓜] 

}
Collection 的删除类操作

static void test2() {
Collection c=new ArrayList();
c.add("春花"); 
c.add("秋月"); 
c.add("凉风"); 
c.add("冬雪"); 
c.add("冬雪"); 

// 注意,remove 是移除首次出现的(即如果有多个,只移除一个)
c.remove("秋月"); //[春花, 凉风, 冬雪,冬雪]

Collection c2=new ArrayList();
c2.add("凉风");
c2.add("冬雪");
c2.add("酱油");

c.removeAll(c2);

System.out.println(c); //[春花]

c.clear();
System.out.println(c);  //[]

}
Collection 的判断类操作

static void test3() {
Collection c=new ArrayList();   
c.add("春花"); 
c.add("秋月"); 
c.add("凉风"); 
c.add("冬雪"); 

System.out.println(c.contains("铅球")); //false 
System.out.println(c.contains("凉风")); //true

Collection c2=new ArrayList(); 
c2.add("春花"); 
c2.add("秋月"); 
c2.add("月饼"); 

System.out.println(c.containsAll(c2));  //false

System.out.println(c2.isEmpty()); //false
c2.clear();
System.out.println(c2.isEmpty()); //true
System.out.println(c2.size()); //0 

}
Collection 的查询类操作

 static void test4() {
 Collection c=new ArrayList(); 
 c.add("春花"); 
 c.add("秋月"); 
 c.add("凉风"); 
 c.add("冬雪"); 
 
/*Collection c2=new ArrayList(); 
 c.add("w春花"); 
 c.add("w秋月"); 
 c.add("w铅球"); 
 
 c.retainAll(c2);  //取完的交集放在c 中  
 
 System.out.println(c); //[] 因为没有交集所以得到 空
   */  
 Collection c3=new ArrayList(); 
 c3.add("春花"); 
 c3.add("秋月"); 
 c3.add("铅球"); 
 c.retainAll(c3);  
 System.out.println(c);  //[春花, 秋月]
}

Iterator 接口

static void test5() {
Collection c=new ArrayList(); 
c.add("春花"); 
c.add("秋月"); 
c.add("凉风"); 
c.add("冬雪");

Iterator it=  c.iterator();

while(it.hasNext()) {
System.out.println("元素:"+it.next());

}
}
//例 演示了 next() 使用不当造成的问题

static void test6() {
Collection c=new ArrayList(); 
c.add("春花"); 
c.add("秋月"); 
c.add("凉风"); 
c.add("冬雪"); 

Iterator it=  c.iterator();

while(it.hasNext()) {
 String item=(String)it.next();
 System.out.println(it.next());  
} 

//秋月,冬月

}
//例 演示了迭代时越界的问题

static void test6() {

Collection c=new ArrayList(); 
c.add("春花"); 
c.add("秋月"); 
c.add("凉风"); 
c.add("冬雪");

    Iterator it=  c.iterator();
    
 while(it.hasNext()) { 
 System.out.println(it.next());  
 System.out.println(it.next());  
 System.out.println(it.next());    //NoSuchElementException
} 

}

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