2月12日 Core Java 周一

/* hao
* 2018-2-12 10:53:21
* 金字塔
*/
public class ThreeClass {

public static void main(String[] args) {
    int key = 5;

    for(int i=0;i<=key;i++){
        for(int k=0;k<=key-i;k++){
            System.out.print(" ");
        }
        for(int j=1;j<=i*2+1;j++){
            System.out.print("*");
        }
        System.out.println();
    }

}

}
/* hao
* 2018-2-12 11:26:28
* 字符串比较
*/
public class FourClass {

public static void main(String[] args) {
    String [] st = new  String [] {"three","two","one","four"};
    String temp;

    for(int i=0;i<st.length-1;i++){
        if((st[i].compareTo(st[i+1])) > 0){
            temp = st[i];
            st[i]=st[i+1];
            st[i+1]=temp;
        }
    }for(int j=0;j<4;j++){
        System.out.println(st[j]);
    }

/* String a = “1”,b = “8”;

    System.out.println(a.compareTo(b));*/
}

}
import java.util.Scanner;

/* hao
* 2018-2-12 11:30:44
* 一次性 用户登录系统
*/
public class Login {

public static void main(String[] args) {
    // TODO Auto-generated method stub
    int p=0;
    Scanner sc = new Scanner(System.in);
    System.out.print("请输入用户名:");
    String aaa = sc.next();
    System.out.print("请输入密码:");
    String bbb = sc.next();
    sc.close();
    if(aaa.compareTo("admin")==0){
        if(bbb.compareTo("123456")==0){
            System.out.println("登录成功");
            p=1;
        }
    }
    if(p==0){
        System.out.println("登录失败");
    }
}

}
/* hao
* 2018-2-12 11:48:12
* Student类
*/
public class Student {
public static void main(String[] args){
TextStudent st = new TextStudent();
st.show();
st.study();
}

}
class TextStudent{
//属性
String name;
int age;
char sex;

    //方法
    void show(){
        System.out.println("展示方法");
    }
    void study(){
        System.out.println("学习方法");
    }

}
没有人可以回到过去从头再来,但是每个人都可以从今天开始,创造一个 全新的结局。

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