【设计模式】观察者模式

      观察者模式,又称发布订阅
以保存订单完成后,通知仓库系统发货为例:

订单类:

public class Order {

    /**
     * 订单编号
     */
    private String orderCode;
    /**
     * 商品编号
     */
    private String productNum;
    /**
     * 数量
     */
    private int quantity;

    public String getOrderCode() {
        return orderCode;
    }

    public void setOrderCode(String orderCode) {
        this.orderCode = orderCode;
    }

    public String getProductNum() {
        return productNum;
    }

    public void setProductNum(String productNum) {
        this.productNum = productNum;
    }

    public int getQuantity() {
        return quantity;
    }

    public void setQuantity(int quantity) {
        this.quantity = quantity;
    }
}

订单服务:

public interface OrderService {
    void saveOrder(Order order);
}

订单服务实现类:


@Component("orderService")
public class OrderServiceImpl implements OrderService {
    @Autowired
    ApplicationContext applicationContext;

    public void saveOrder(Order order) {
        System.out.println("保存订单信息");
        //发布订单保存完成的通知
        applicationContext.publishEvent(new OrderEvent(this,order));
    }
}

 订单事件:

/**
 * 订单事件
 */
public class OrderEvent extends ApplicationEvent{
    private Order order;

    public OrderEvent(Object source,Order order) {
        super(source);
        this.order = order;
    }

    public Order getOrder() {
        return order;
    }
}

订单事件监听器:

/**
 * 仓库系统对订单事件的监听器
 */
@Component
public class WarehouseListener implements ApplicationListener<OrderEvent> {

    public void onApplicationEvent(OrderEvent orderEvent) {
        Order order = orderEvent.getOrder();
        System.out.println(order.getOrderCode()+"的商品:"+order.getProductNum()+"数量:"+order.getQuantity()+"已发货");

    }
}

demo:

@RunWith(SpringJUnit4ClassRunner.class)
@ContextConfiguration("classpath:application.xml")
public class OrderDemo {
    @Autowired
    OrderService orderService;

    @Test
    public void placeAnOrder(){
        //模拟保存订单
        Order order = new Order();
        order.setOrderCode("OT_2018091301");
        order.setProductNum("J151232");
        order.setQuantity(1);
        orderService.saveOrder(order);
    }
}

输出结果:
 

保存订单信息
11:26:11,829 DEBUG [org.springframework.beans.factory.support.DefaultListableBeanFactory]:251 - <Returning cached instance of singleton bean 'warehouseListener'>
OT_2018091301的商品:J151232数量:1已发货

 

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