Java_142_IO_理解装饰器设计模式(处理流:装饰流)

声音放大模拟

package IOStudy;
/**
 * 处理流:装饰流
 * 
 * 实现放大器对声音的放大功能
 * @author pmc
 *
 */
public class chuliliuIO {
	public static void main(String[] args) {
		Person p=new Person();
		p.say();
		
		Amplifier am=new Amplifier(p);
		am.say();
		
		p.say();
	}
}
interface Say{
	void say();
}
class Person implements Say{

	//属性
	private int voice=10;
	@Override
	public void say() {
		System.out.println("人的声音为:"+this.getVoice());
	}
	public int getVoice(){
		return this.voice;
	}
	public void SetVoice(int voice){
		this.voice=voice;
	}
}
//放大器
class Amplifier implements Say{
	private Person p;
	Amplifier(Person p){
		this.p=p;
	}
	@Override
	public void say() {
		System.out.println("人的声音为:"+p.getVoice()*100);
		System.out.println("噪音");
//		p.SetVoice(100);
	}
	
}

咖啡模拟

package IOStudy;
/**
 * 处理流:装饰流
 * 
 * 模拟咖啡
 * 1.抽象组件:需要装饰的抽象对象(接口或抽象父类)
 * 2.具体组件:需要装饰的对象
 * 3.抽象装饰类:包含了对抽象组件的引用以及装饰着共有的方法
 * 4.具体装饰类:被装饰的对象
 * @author pmc
 *
 */
public class chuliliuIO2 {
	public static void main(String[] args) {
		Drink coffee=new Coffee();
		System.out.println("价格:"+coffee.cost()+" "+coffee.info());
		
		Drink milk=new Milk(coffee);//装饰
		System.out.println("价格:"+milk.cost()+" "+milk.info());
		
		Drink tang=new Tang(milk);//装饰
		System.out.println("价格:"+tang.cost()+" "+tang.info());
	}
}
//抽象组件
interface Drink{
	double cost();//费用
	String info();//说明
}
//具体组件
class Coffee implements Drink{
	private String name="原味咖啡";
	@Override
	public double cost() {
		return 10;
	}

	@Override
	public String info() {
		return this.name;
	}
	
}
//抽象装饰类
abstract class Decorate implements Drink{
	private Drink drink;
	public Decorate(Drink drink){
		this.drink=drink;
	}

	@Override
	public double cost() {
		return this.drink.cost();
	}

	@Override
	public String info() {
		return this.drink.info();
	}
}
//具体装饰类
class Milk extends Decorate{

	public Milk(Drink drink) {
		super(drink);
	}
	@Override
	public double cost() {
		return super.cost()*4;
	}

	@Override
	public String info() {
		return super.info()+"加入牛奶";
	}
}
//具体装饰类2
class Tang extends Decorate{

	public Tang(Drink drink) {
		super(drink);
	}
	@Override
	public double cost() {
		return super.cost()*2;
	}

	@Override
	public String info() {
		return super.info()+"加入糖精";
	}
}

 

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

打赏作者

Mr_Pmc

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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