Showwindow 及参数

[DllImport("user32.dll", EntryPoint = "ShowWindow", CharSet = CharSet.Auto)]
        public static extern int ShowWindow(IntPtr hwnd, int nCmdShow);

函数功能:该函数设置指定窗口的显示状态。
    参数:
    hWnd:窗口句柄。

    nCmdShow:指定窗口如何显示。如果发送应用程序程序提供了STARTUPINFO结构,则应用程序第一次调用ShowWindow时该参数被忽略。否则,在第一次调用ShowWindow函数时,该值应为在函数WinMain中nCmdShow参数。在随后的调用中,该参数可以为下列值之一:

    SW_FORCEMINIMIZE:在WindowNT5.0中最小化窗口,即使拥有窗口的线程被挂起也会最小化。在从其他线程最小化窗口时才使用这个参数。

    SW_MIOE:隐藏窗口并激活其他窗口。

    SW_MAXIMIZE:最大化指定的窗口。

    SW_MINIMIZE:最小化指定的窗口并且激活在Z序中的下一个顶层窗口。

    SW_RESTORE:激活并显示窗口。如果窗口最小化或最大化,则系统将窗口恢复到原来的尺寸和位置。在恢复最小化窗口时,应用程序应该指定这个标志。

    SW_SHOW:在窗口原来的位置以原来的尺寸激活和显示窗口。

    SW_SHOWDEFAULT:依据在STARTUPINFO结构中指定的SW_FLAG标志设定显示状态,STARTUPINFO 结构是由启动应用程序程序传递给CreateProcess函数的。

    SW_SHOWMAXIMIZED:激活窗口并将其最大化。

    SW_SHOWMINIMIZED:激活窗口并将其最小化。

    SW_SHOWMINNOACTIVATE:窗口最小化,激活窗口仍然维持激活状态。

    SW_SHOWNA:以窗口原来的状态显示窗口。激活窗口仍然维持激活状态。

    SW_SHOWNOACTIVATE:以窗口最近一次的大小和状态显示窗口。激活窗口仍然维持激活状态。

    SW_SHOWNOMAL:激活并显示一个窗口。如果窗口被最小化或最大化,系统将其恢复到原来的尺寸和大小。应用程序在第一次显示窗口的时候应该指定此标志。

    返回值:如果窗口以前可见,则返回值为非零。如果窗口以前被隐藏,则返回值为零。

    备注:应用程序第一次调用ShowWindow时,应该使用WinMain函数的nCmdshow参数作为它的nCmdShow参数。在随后调用ShowWindow函数时,必须使用列表中的一个给定值,而不是由WinMain函数的nCmdSHow参数指定的值。

Public Const SW_HIDE = 0
Public Const SW_SHOWNORMAL = 1
 
Public Const SW_SHOWMINIMIZED = 2
Public Const SW_SHOWMAXIMIZED = 3
Public Const SW_MAXIMIZE = 3
Public Const SW_SHOWNOACTIVATE = 4
Public Const SW_SHOW = 5
Public Const SW_MINIMIZE = 6
Public Const SW_SHOWMINNOACTIVE = 7
Public Const SW_SHOWNA = 8
Public Const SW_RESTORE = 9

转载于:https://www.cnblogs.com/jackcovey/archive/2007/08/13/853994.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: trainnetwork函数是MATLAB中用于训练神经网络的函数,其参数包括: 1. net:要训练的神经网络对象。 2. inputs:输入数据。 3. targets:目标数据。 4. trainFcn:训练函数。 5. valFcn:验证函数。 6. testFcn:测试函数。 7. trainParam:训练参数。 8. performFcn:性能函数。 9. showWindow:是否显示训练窗口。 10. showCommandLine:是否在命令行窗口显示训练进度。 11. show: 是否显示训练进度。 12. plotFcns:绘图函数。 13. plotParams:绘图参数。 14. divideFcn:数据分割函数。 15. divideMode:数据分割模式。 16. divideParam:数据分割参数。 17. adaptFcn:自适应函数。 18. adaptParam:自适应参数。 19. initFcn:初始化函数。 20. initParam:初始化参数。 21. trainInd:训练集索引。 22. valInd:验证集索引。 23. testInd:测试集索引。 24. dataInd:数据索引。 25. layerConnect:层连接。 26. outputConnect:输出连接。 27. inputConnect:输入连接。 28. feedbackConnect:反馈连接。 29. layerWeights:层权重。 30. biasConnect:偏置连接。 31. inputWeights:输入权重。 32. layerStates:层状态。 33. IW:输入权重。 34. LW:层权重。 35. b:偏置。 36. states:状态。 37. info:训练信息。 38. netInputs:网络输入。 39. netOutputs:网络输出。 40. errors:误差。 41. perf:性能。 42. trainTime:训练时间。 43. numInputs:输入数量。 44. numLayers:层数量。 45. numOutputs:输出数量。 46. numFeedbackDelays:反馈延迟数量。 47. numWeightElements:权重元素数量。 48. numBiasElements:偏置元素数量。 49. numInputDelays:输入延迟数量。 50. numLayerDelays:层延迟数量。 ### 回答2: trainnetwork是MATLAB中用于训练神经网络的函数。它的参数包括输入数据、目标数据、神经网络结构、训练参数等。下面对其各个参数进行详细说明: 1. 输入数据:该参数指定用于训练的输入数据,通常是一个矩阵,每行表示一个样本,每列表示一个特征。可以使用MATLAB中的mat文件、Excel文件、文本文件等格式进行存储和加载。 2. 目标数据:该参数指定每个输入样本的期望输出值,通常也是一个矩阵,每行表示一个样本的期望输出值。 3. 神经网络结构:该参数指定神经网络的拓扑结构和各层节点数。可以通过MATLAB中的net对象或自己创建一个神经网络结构。 4. 训练参数:包括学习率、训练算法、最大训练轮数、最小误差等等。具体来说,学习率指定权重的更新速度,通常在0.1~0.001之间。训练算法指定用于优化权重的算法,包括梯度下降、随机梯度下降、L-BFGS等等。最大训练轮数指定训练的最大轮数,通常为几百至几千次。最小误差指定训练的停止条件,通常是目标误差或改进程度小于某一阈值。 5. 验证数据:用于验证神经网络训练结果的数据集,通常用于确定最终到达的误差率,以此判断是否存在过拟合现象等等。通常是从训练数据中随机抽取一部分作为验证数据集。 6. 归一化:该参数指定是否需要对输入数据进行归一化处理,通常使用Z-Score或者Min-Max方法。目的是确保每个特征的权重相等,避免训练结果出现偏差。同样,还可以使用平衡训练技术来针对数据集中存在的类别不平衡问题。 总之,trainnetwork具有丰富的参数选项,可以根据具体问题和数据集进行灵活配置,从而达到优化神经网络训练效果的目的。个人建议在使用trainnetwork前先进行数据分析和预处理,这样可以大幅提升训练效果。对于刚入门的新手,建议先从简单示例程序入手,逐步掌握其参数配置和调试技巧。 ### 回答3: trainnetwork是MATLAB中用于训练神经网络的函数,具有多种参数。下面对其中几个常用参数进行详细介绍。 1. net:神经网络对象 这是trainnetwork函数的必需参数,表示要训练的神经网络对象。可以通过newff、newcf、cascadeforwardnet等函数创建一个神经网络对象。 示例代码: net = newff(inputs, targets, hiddenSizes); 2. inputs:输入数据 这是神经网络异步训练(train,trainb,traingd等)的必需参数,表示训练数据的输入值。inputs可以是一个矩阵,每一列代表一个输入的特征。训练数据矩阵的行数表示样本个数。 示例代码: inputs = [0 0; 0 1; 1 0; 1 1]; 3. targets:目标数据 这是train、trainb、traingd等异步训练的必需参数,表示训练数据的期望输出值。targets也可以是一个矩阵,每一列代表一个输出的特征。训练数据矩阵的行数必须与inputs的行数相等。 示例代码: targets = [0; 1; 1; 0]; 4. trainFcn:训练函数 trainFcn表示选择使用哪种训练函数,默认为traingd(梯度下降)。MATLAB还提供了trainb(批处理)和trainlm(Levenberg-Marquardt算法)等训练函数选择。不同的训练函数对于同一种问题有着不同的收敛速度和鲁棒性,可根据实际问题需求选择。 示例代码: net.trainFcn = 'trainlm'; 5. epochs:训练次数 epochs表示迭代训练的次数,默认值为100,表示对训练数据进行100次迭代训练。epochs值的选择也取决于实际问题,应该根据训练误差和训练效果进行调整。 示例代码: net.trainParam.epochs = 200; 6. goal:训练误差目标 goal是训练过程中的目标误差,当误差小于该值时训练结束。目标误差值的选择应该注重实验效果和误差水平的平衡。 示例代码: net.trainParam.goal = 1e-5; 7. showWindow:显示训练窗口 这是一个布尔值,表示训练过程中是否显示训练窗口,可用于实时监测训练过程。默认值为true,即显示训练窗口。 示例代码: net.trainParam.showWindow = false; 除了这些参数之外,trainnetwork还有其他一些参数可供使用,例如max_fail、delay和ratio等,这些参数可以用于细化训练过程的控制和优化。但是,在使用这些参数时,需要对神经网络本身和训练问题进行深入了解和分析,以避免训练过程出现错误。

“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