梯子的Java日记day_03

标题

算数运算符

算术运算符表

class demo1{
	public static void main(String[] args){
		int a = 3;
		int b = 5;
		System.out.println(a+b);//输出a与b的和
		System.out.println(a-b);//输出a与b的差
		System.out.println(a*b);//输出a与b的积
		System.out.println(a/b);//输出a与b的商
		System.out.println(a%b);//输出a与b的模

	}
}
自增与自减
在运算过程中,自增符在变量前时先自增再赋值,当在变量后时先进行赋值后自增.
/*
	自增和自减的举例
*/
class demo2{
	public static void main(String[] aargs){
		int x = 10;
		int y = 10;
		int z = 10;
		x=y++;
		z=--x;
		y=++x;
		x=y--;
		System.out.println("----------------------------");
	//复杂举例
		int a = 4;
		int b = 11;
		b = (a++)-(--b)+(++a)+(a*5)
		System.out.println("a"+a+"b"+b);
	}
}
 
赋值运算符
赋值运算符
=,+=,-=,*=,/=,%=

在赋值运算符中’='是基础算术运算符,其余拓展算术运算符中都有以下特性:

short a;
a+=3;    - - - - ->  a = (short)(a+3);
默认强制类型转化
比较运算符

关系运算符
比较运算符的结果都为boolear类型.

class demo3{
	public static void main(String [] args){
		int a = 12;int b = 33;
		boolean flag = (a==b);
		//第二个例子
		boolean  x = ture ;
		boolean  y = false ;
		boolean  z = (x==y) ;
		boolean  n = (x!=y);
		boolean  x = (x>y);
		System.out.println("z"+z+"n"+n+"m"+m);
		
}}
	
逻辑运算符

逻辑运算符有: & . | . ^ . ! . && . || 六种

&		与				F&T			F		
|		或				F|T			T		
^		亦或				T^F			T		
!		非				!T			F		
&&		短路与				F&&T			F		
||		短路或				F||T			T		

F代表false . T代表ture .
&与&&之间的关系:
在&会计算符号两边表达式的值然后进行计算,而&&会先计算左边的表达式,的左边的表达式中有false时就不在计算右边表达式的值直接输出false.
|与||之间的关系
在|会计算|两边的表达式在进行逻辑运算,而||会先计算左边的表达式,
左边的表达式为false,在对右边的表达式进行计算,都为false,结果输出false,
的左边的表达式中有true时就不在计算右边表达式的值直接输出true.

位运算符

位运算符

位运算符直接对二进制进行运算

位运算符细节

位运算符

算数三目运算符
格式:	(关系表达式)?表达式1:表达式2;
如果条件式为true,运算后结果为表达式1
如果条件式为false,运算后结果为表达式2

关于三目运算符的例子:
PS…含下方的键盘录入部分



import java.util.Scanner;
public class demo{	
	public static void main(String[] args){
  	//获取两个整数中的最大值
 	Scanner x = new Scanner(System.in);
  	//输入两个数
  	System.out.println("请输入第一个数: ");
  	int num1 = x.nextInt();
  
  	System.out.println("请输入第二个数: ");
  	int num2 = x.nextInt();
  	//比较
  	int max = (num1>num2)?num1:num2;
  	System.out.println("两者之间更大的是:"+max);
  	System.out.println("----------------------------------");
  	//比较三个数最大的那一个,并输出
 	System.out.println("请输入第三个数:" );
  	int num3 = x.nextInt();
  	int max2 = max>num3?max:num3;
  	System.out.println("三个数中最大的是:"+max2);  
  	System.out.println("----------------------------------");
  
  	//输入两个数
  	System.out.println("请输入第1个数: ");
  	int num4 = x.nextInt();
  	System.out.println("请输入第2个数: ");
  	int num5 = x.nextInt();
  	//比较两个数
  	boolean b = num4>num5;
  	System.out.println(b);
  	}
  }	

键盘录入

实线键盘录入步骤
	1导包
	import java.util.Scanner;
	2创建对象
	Scanner sc = new Scanner(System.in);
	3接收数据
	int x = sc.nextInt();
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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