【HTML5初涉】新增主体结构元素和非主体结构元素

新增的主体结构元素 
article元素 
        article 代表文档 页面 或应用程序中独立的 完整的 可以独自被外部引用的内容 . 一篇文章/帖子/用户评论/独立插件等等 
        article 可以嵌套使用 嵌套时, 内层的元素需要与外层元素内容相关联
        article 可以用来表示插件  

section元素
        section 元素用于对网站或应用程序中的页面上的内容进行分块 .  通常由内容及其标题组成 . 
                与article区别是 : article 相当于特殊的section 比section更强调独立性  section 强调将内容分块/分段
         section 不能作为设置样式的页面容器
                   没有标题内容 不要使用section元素
nav元素 
       nav元素可以作为页面导航的连接组
       nav应用场景 :
            1.传统导航栏
            2.侧边栏导航
            3.页内导航
            4.翻页导航
       H5中不能用menu代替nav元素 menu是带有交互性的元素 用在一系列发出命令的元素中

aside元素 
         aside元素用来表示当前页面或文章的附属信息部分, 包括与主要内容相关的引用/侧边栏/广告/导航条/以及其他区别于内容主体的部分
        
time元素 
        time标签中日期与时间的间隔为 T  标准时间表示为Z   +后面表示的时差

pubdate 属性 
           表示time元素  代表文章或者整个网页的发布日期


新增的非主体结构元素 
    
    header 导航/引导元素 页头 可出现多次   footer 页脚 (版权信息/链接/作者)  hgroup 将标题及其子标题分组的元素 
    address元素  呈现联系信息 

    H5结构  :  显示编排内容区域块  隐式编排内容区域块 标题分级  不同区域块使用相同级别标题

       
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,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