java 语言基础组成(一)

 

一、         java 语言基础组成

              

2.1关键字:

                

 

2.2 标示符:

              

                

                

          

   

2.4.1 常量

            

 

 2.4.1.1    

十六进制:四个二进制就是一个十六进制

     八进制  :三个二进制就是一个八进制

 2.4.1.2 

     负数的二进制表现形式:取反+1——(取反就是将二进制的1变成0,0变成1

         如:6=0000-0000-0000-0000-0110

             -6= 1111-1111-1111-1111-1010

     注意:负数的高位时1,正数的最高位是0

 

 

2.4.2     变量

1、概念:①就是将不确定的数据进行存储,也就是需要在内存中开辟一个空间。

        ②该区域有自己的名称(变量名)和类型(数据类型)

        ③该区域的数据可以在同一类型范围内不断变化

2、为什么要定义变量:

     用来不断的存放同一类型的常量,并可以重复使用。

3、使用变量注意:

     ① 变量的作用范围对于在一对{}之间有效

     ②初始化值

4、变量的定义格式:

      数据类型   变量名=初始化值

(如定义一个int型的变量,初始值为3 int x=3

           5、注:变量就如同数学中的未知数

2.4.3 常量与变量

               

    

类型转换

①强制类型转换:如  byte b=3

                   b=(byte)(b+3)

 

②表达式的数据类型自动提升

·所有的byteI型、short型和char型的值将被提升成ing型

     · 如果一个操作数是long型,计算结果就是long型

     ·如果一个操作数是float型,计算结果就是float

·如果个操作数是double型,计算结果就是double型

Ascii码:97  a

65  A

               49   1

     

 

2.5 运算符

       

2.5.1 算术运算符

        

   注:字符串数据和任何数据使用“+”都是相连接,最终都会变成字符串

   补充:转义字符:通过“\ “来转变后面的字母或者符号的含义

         如:\n:换行

             \b:退格,相当于backspace

          \r:按下回车键。在Window系统,回车符是由两个字符来表示\r\n

          \t:制表符,相当于tab

 

2.5.2 赋值运算符

       

:注意:short s=4

       s=s+4     //编译失败,因为s会被提升为int类型,运算后的结果还是int类型。无法赋值给short类型。

       s+=4      //编译通过,因为+=运算是在给s赋值时,自动完成了强转操作。

 

2.5.3 比较运算符

      

 

2.5.4 逻辑运算符

     逻辑运算符用于连接boolean类型的表达式

        

     

①&: 只要两边的boolean表达式结果有一个为false,那么结果介绍false

           只有两边都为true, 结果为true.

 ②|:只要两边的boolean表达式结果有一个为true,那么结果介绍true

           只有两边都为false, 结果为false.

     ③^: 两边相同结果是false

           两边不相同结果是true

     ④&&:双与;  “&”特点:无论左边是true是false,右边都运算。

                  &&”特点:当左边是false时,右边不运算。运算效率更高。

     ⑤||:双或;   “|”特点:无论左边是true是false,右边都运算。

                    ||”特点:当左边是true,右边不运算。运算效率更高。

 

2.5.5 位运算符

    

     ①<<:就是乘以2的移动的位数次幂

     ②>>:就是除以2的移动的位数次幂

     ③>>>:无符号右移;无论最高位是什么,右移后,都用0补

           “>>”:最高位补什么由原有的数据的最高位值而定;

                  如果最高位是0,右移后,用0补空位;

                  如果最高位是1,右移后,用1补空位。

     ④&:运算例如:

        

⑤|:运算例如:

         

⑥^:运算例如:

           

⑦~: 反码:如~6=-7

  ⑧^: 一个数异或同一个数两次,结果还是那个数。

 

 

  练习:对两个整数变量的值进行互换(不需要第三方变量)

Int  n=3, m=4 ;

n=n+m ;

m=n-m ;

n=n-m ;                                                                           

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