td 移动、移出、点击变色

var s;
var str = document.getElementById("report1").getElementsByTagName("tr");
//alert(str.length);
var tdd = str[0].getElementsByTagName("td");
for(var t =0;t<tdd.length;t++){
if(tdd[t].innerHTML.length==1&&tdd[t].innerHTML!=null){
// for ( var k =0; k < tdd[t].innerHTML; k++) {
// var tdt = str[k].getElementsByTagName("td");
// for(var n =0;n<tdt.length;n++){
// tdt[n].className='report1_66';
// }
// }
s = parseInt(tdd[t].innerHTML);
for(var i=tdd[t].innerHTML;i<str.length;i++){
var td = str[i].getElementsByTagName("td");

str[i].οnclick= function(){
SetCellsStyle(this.rowIndex+1);
};
str[i].οnmοusemοve= function(){
MouseMoveStyle(this.rowIndex+1);
};
str[i].οnmοuseοut= function(){
MouseOutStyle(this.rowIndex+1);
};
if(i%2==1){
//alert(td.length);
for(var j =0;j<td.length;j++){
td[j].className='report1_333';
}
}else{
for(var m =0;m<td.length;m++){
td[m].className='report1_11';
}
}
}
}
}


//选中改变这一行样式
var r = 0;
var ro =0;
var sty='';
var st='';
function SetCellsStyle(rowno) {
var rowid = rowno;
var introw = parseInt(rowid)-1;
var td = str[introw].getElementsByTagName("td");
//alert(td.length+"length");

if (r == 0) {
r = introw;
for ( var i = 0; i < td.length; i++) {
//tr.rows(row).cells(i).style.backgroundColor = "#FF99cc";
//alert(i);
td[i].className='report1_555';
}
}
if (r != introw) {
ro = r;
//alert(ro+"ro");
r = introw;
var std = str[ro].getElementsByTagName("td")

///alert(std.length+'---------------------eee'+td.length);
for ( var t = 0; t < td.length; t++) {
//tr.rows(row).cells(t).style.backgroundColor = "#FF99cc";
//tr.rows(ro).cells(t).style.backgroundColor = "";
td[t].className='report1_555';
if(introw%2==0&&ro%2==1){
std[t].className='report1_333';
}else if(ro%2==1){
std[t].className='report1_333';
}else{
//std[1].className='report1_11';
if(s==ro){
std[t+1].className='report1_11';
}else{
std[t].className='report1_11';
}
}
}

}
}
//当光标到达时改变这一行样式
function MouseMoveStyle(rowno) {
//event.srcElement.style.backgroundColor = "#d1f2fe";
//var row = cell.parentElement.rowIndex;
var rowid = rowno;
var introw = parseInt(rowid)-1;
var td = str[introw].getElementsByTagName("td");
if (r != introw) {
for ( var i = 0; i < td.length; i++) {
//tr.rows(row).cells(i).style.backgroundColor = "#d1f2fe";
td[i].className='report1_444';
}

}
}
//当光标移除时改变这一行样式
function MouseOutStyle(rowno) {
//event.srcElement.style.backgroundColor = "#ffffff";
//var row = cell.parentElement.rowIndex;
var rowid = rowno;
var introw = parseInt(rowid)-1;
var td = str[introw].getElementsByTagName("td");
if (r != introw) {
for ( var i = 0; i < td.length; i++) {
if(introw%2==0){
td[i].className='report1_11';
}else{
td[i].className='report1_333';
}
//tr.rows(row).cells(i).style.backgroundColor = "";
}
}

}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于HMM和LSTM的拼音程序LSTM (Long Short-Term Memory) 是一种特殊的循环神经网络(RNN)架构,用于处理具有长期依赖关系的序列数据。传统的RNN在处理长序列时往往会遇到梯度消失或梯度爆炸的问题,导致无法有效地捕捉长期依赖。LSTM通过引入门控机制(Gating Mechanism)和记忆单元(Memory Cell)来克服这些问题。 以下是LSTM的基本结构和主要组件: 记忆单元(Memory Cell):记忆单元是LSTM的核心,用于存储长期信息。它像一个传送带一样,在整个链上运行,只有一些小的线性交互。信息很容易地在其上保持不变。 输入门(Input Gate):输入门决定了哪些新的信息会被加入到记忆单元中。它由当前时刻的输入和上一时刻的隐藏状态共同决定。 遗忘门(Forget Gate):遗忘门决定了哪些信息会从记忆单元中被丢弃或遗忘。它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 输出门(Output Gate):输出门决定了哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。同样地,它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 LSTM的计算过程可以大致描述为: 通过遗忘门决定从记忆单元中丢弃哪些信息。 通过输入门决定哪些新的信息会被加入到记忆单元中。 更新记忆单元的状态。 通过输出门决定哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。 由于LSTM能够有效地处理长期依赖关系,它在许多序列建模任务中都取得了很好的效果,如语音识别、文本生成、机器翻译、时序预测等。
基于LSTM和注意力机制预测蛋白质-配体结合亲和力LSTM (Long Short-Term Memory) 是一种特殊的循环神经网络(RNN)架构,用于处理具有长期依赖关系的序列数据。传统的RNN在处理长序列时往往会遇到梯度消失或梯度爆炸的问题,导致无法有效地捕捉长期依赖。LSTM通过引入门控机制(Gating Mechanism)和记忆单元(Memory Cell)来克服这些问题。 以下是LSTM的基本结构和主要组件: 记忆单元(Memory Cell):记忆单元是LSTM的核心,用于存储长期信息。它像一个传送带一样,在整个链上运行,只有一些小的线性交互。信息很容易地在其上保持不变。 输入门(Input Gate):输入门决定了哪些新的信息会被加入到记忆单元中。它由当前时刻的输入和上一时刻的隐藏状态共同决定。 遗忘门(Forget Gate):遗忘门决定了哪些信息会从记忆单元中被丢弃或遗忘。它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 输出门(Output Gate):输出门决定了哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。同样地,它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 LSTM的计算过程可以大致描述为: 通过遗忘门决定从记忆单元中丢弃哪些信息。 通过输入门决定哪些新的信息会被加入到记忆单元中。 更新记忆单元的状态。 通过输出门决定哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。 由于LSTM能够有效地处理长期依赖关系,它在许多序列建模任务中都取得了很好的效果,如语音识别、文本生成、机器翻译、时序预测等。
CSDN IT狂飙上传的代码均可运行,功能ok的情况下才上传的,直接替换数据即可使用,小白也能轻松上手 【资源说明】 基于MATLAB实现的对心电信号进行滤波处理后,计算RR间隔,进而求得瞬时心率和心率变异系数,通过对RR间隔的变化曲线进行频谱分析,从而求得各个自律神经活动的评价指标+使用说明文档 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2020b;若运行有误,根据提示GPT修改;若不会,私信博主(问题描述要详细); 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可后台私信博主; 4.1 期刊或参考文献复现 4.2 Matlab程序定制 4.3 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 5、欢迎下载,沟通交流,互相学习,共同进步!

“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