DWZ的html简单演示

HTML扩展

支持HTML扩展方式来调用DWZ组件

Ajax链接扩展

<a href=”xxx” target=“ajax” [rel=“boxId”]>

示例: <a href="w_alert.html" target="ajax" rel="container">提示窗口</a>

当前navTab中链接ajax post扩展

<a href="user.do?method=remove" target="ajaxTodo">删除</a>

<a href="user.do?method=remove" target="ajaxTodo" title="确定要删除吗?">删除</a>

Title为可选项,如果设置,点击后将调用alertMsg.confirm与用户交互确认或取消,Title值为提示信息.Target值为ajaxTodo时会自动关联如下JS。

$("a[target=ajaxTodo]", $p).each(function(){

      $(this).click(function(event){

            var $this = $(this);

            var title = $this.attr("title");

            if (title) {

                  alertMsg.confirm(title, {

                        okCall: function(){

                              ajaxTodo($this.attr("href"));

                        }

                  });

            } else {

                  ajaxTodo($this.attr("href"));

            }

            event.preventDefault();

      });

});

dialog链接扩展

<a href=”xxx” target=“dialog” [rel=“dialogId”]>

A所指向页面将会在dialog 弹出层中打开,rel标识此弹出层的ID,rel为可选项。

Html标签扩展方式示例:

<a href="w_dialog.html" target="dialog" rel="page2">弹出窗口</a>

<a href="demo_page1.html" target="dialog" [max=true, mask=true, maxable=true, minable=true, resizable=true,drawable=true] rel="dlg_page1" title="[自定义标题]" width="800" height="480">打开窗口一</a>

Max 属性表示此dialog打开时默认最大化, mask表示打开层后将背景遮盖. maxable: dialog 是否可最大化, 

            minable:    dialog 是否可最小化,

            mixable:    dialog 是否可最大化 

            resizable:  dialog 是否可变大小 

            drawable: dialog 是否可拖动 

            width:        dialog 打开时的默认宽度 

            height:     dialog 打开时默认的高度

width,height分别打开dialog时的宽度与高度.

fresh:      重复打开dialog时是否重新载入数据,默认值true,

close:      关闭dialog时的监听函数,需要有boolean类型的返回值,

param:      close监听函数的参数列表,以json格式表示,例{msg:’message’}

关闭窗口:

在弹出窗口页面内放置<button class="closevalue="关闭"></button>即可。

JS调用方式示例:

$.pdialog.open(url, dlgId, title);

$.pdialog.open(url, dlgId, title, options);

options:{width:100px,height:100px,max:true,mask:true,mixable:true,minable:true,resizable:true,drawable:true,fresh:true,close:”function”, param:”{msg:’message’}”}, 所有参数都是可选项。

关闭dialog层:

$.pdialog.close(dialog); 参数dialog可以是弹出层jQuery对象或者是打开dialog层时的dlgId.

或者 

$.pdialog.closeCurrent(); 关闭当前活动层。

$.pdialog.reload(url, {data:{}, dialogId:"", callback:null})

刷新dialogId指定的dialogurl:刷新时可重新指定加载数据的url, data:为加载数据时所需的参数。

 


 




  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单的 Matlab 代码示例,用于实现 Gated Recurrent Unit (GRU) 模型: ```matlab % GRU implementation in MATLAB % Hyperparameters hidden_size = 100; % 隐藏层大小 seq_length = 10; % 输入序列长度 learning_rate = 0.01; % 初始化权重参数 Wz = randn(hidden_size, hidden_size + seq_length); Wr = randn(hidden_size, hidden_size + seq_length); Wh = randn(hidden_size, hidden_size + seq_length); Uz = randn(hidden_size, hidden_size); Ur = randn(hidden_size, hidden_size); Uh = randn(hidden_size, hidden_size); bz = zeros(hidden_size, 1); br = zeros(hidden_size, 1); bh = zeros(hidden_size, 1); % 训练数据和标签 data = ... % 输入序列数据 labels = ... % 目标标签 % 前向传播和反向传播 for iteration = 1:1000 % 初始化隐藏状态和损失 h = zeros(hidden_size, 1); loss = 0; for t = 1:seq_length % 前向传播 x = data(:, t); z = sigmoid(Wz * [h; x] + Uz * h + bz); r = sigmoid(Wr * [h; x] + Ur * h + br); h_tilde = tanh(Wh * [r .* h; x] + bh); h = (1 - z) .* h + z .* h_tilde; % 计算损失 loss = loss + norm(h - labels(:, t))^2; end % 反向传播 dWz = zeros(size(Wz)); dWr = zeros(size(Wr)); dWh = zeros(size(Wh)); dUz = zeros(size(Uz)); dUr = zeros(size(Ur)); dUh = zeros(size(Uh)); dbz = zeros(size(bz)); dbr = zeros(size(br)); dbh = zeros(size(bh)); dh_next = zeros(size(h)); for t = seq_length:-1:1 x = data(:, t); z = sigmoid(Wz * [h; x] + Uz * h + bz); r = sigmoid(Wr * [h; x] + Ur * h + br); h_tilde = tanh(Wh * [r .* h; x] + bh); dh = 2 * (h_tilde - labels(:, t)); dz = dh .* (h_tilde - h) .* z .* (1 - z); dr = (Wh(:, 1:hidden_size)' * dz) .* h .* r .* (1 - r); dh_tilde = (Wh(:, hidden_size+1:end)' * dz) .* (1 - h_tilde.^2); dh_combined = dh_next + (Wh(:, hidden_size+1:end)' * dz) .* r; dWz = dWz + dz * [h; x]'; dWr = dWr + dr * [h; x]'; dWh = dWh + dh_combined * [r .* h; x]'; dUz = dUz + dz * h'; dUr = dUr + dr * h'; dUh = dUh + dh_combined * (r .* h)'; dbz = dbz + dz; dbr = dbr + dr; dbh = dbh + dh_combined; dh_next = (Wz(:, 1:hidden_size)' * dz) + (Wr(:, 1:hidden_size)' * dr) + (Wh(:, 1:hidden_size)' * dh_combined); % 更新权重 Wz = Wz - learning_rate * dWz; Wr = Wr - learning_rate * dWr; Wh = Wh - learning_rate * dWh; Uz = Uz - learning_rate * dUz; Ur = Ur - learning_rate * dUr; Uh = Uh - learning_rate * dUh; bz = bz - learning_rate * dbz; br = br - learning_rate * dbr; bh = bh - learning_rate * dbh; end % 打印损失 fprintf('Iteration %d, Loss: %f\n', iteration, loss); end ``` 这只是一个简单的 GRU 模型实现示例,实际应用中可能需要根据具体问题进行调整和改进。希望对你有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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