数据传值方式、分支结构、循环结构

运算符的优先级
  • 要心如明镜:运算符有优先级(先后顺序)问题。
  • 括号最优先,等号(赋值)最落后。
  • 先乘除后加减
  • 想不清楚或用不明白的,使用括号来解决
  • 括号只有小括号,可以一层层嵌套。
数据的传值方式

在js中,基本数据类型使用 “拷贝传值”——传值的时候直接就出现了一份新的数据(当然同时也是另一个变量所代表)
复合数据类型(数组和对象)使用“引用传值”——传值的时候只是做了一个地址指向,数据仍然只有一份,两个变量就指向这同一份数据。

  • 注意: 基本(简单)数据类型的变量名和数据是直接存在“快速内存”(栈内存)中,而复合数据类型(对象和数组)的存储分两个部分:实际数据存在“慢速内存”(堆内存)中,栈内存中只存变量名和数据在堆内存中的位置(地址)。
if分支结构
控制结构:就是使用一定的语法来控制我们程序执行的流程——也可以叫“流程控制结构”
分支就是“多条路径,走一条”。
  • 最简形式:
    //如果此条件满足(即条件判断的结果是true),则会执行其中的语句块,否则什么也不做。
    if( 条件判断语句 )
    {
    //要执行的语句块——语句块其实就是一种表示“n条语句”泛泛说法。
    }

  • 二选一分支形式:含义是两条路,必走一条。
    if( 条件判断语句 )
    {
    //要执行的语句块1——前面条件成立时执行
    }
    else
    {
    //要执行的语句块2——前面条件不成立时执行
    }

  • 多选一分支结构:多条路根据条件的满足情况走其中一条,但也可能一条都不走:
    if( 条件判断1 ) //如果此条件满足,则执行语句块1,然后if就结束了
    {
    //语句块1
    }
    else if ( 条件判断2 ) //如果条件1不满足,则判断条件2:如果满足,则执行语句块2,并结束if
    {
    //语句块2
    }
    else if ( 条件判断3 ) //如果条件2不满足,则判断条件3:如果满足,则执行语句块3,并结束if
    {
    //语句块3
    }
    …………………… //依此类推。。。。。。如果没有一个条件满足,则其实到最后什么也不会执行,if结束。

  • 综合型式:
    if( 条件判断1 ) //如果此条件满足,则执行语句块1,然后if就结束了
    {
    //语句块1
    }
    else if ( 条件判断2 ) //如果条件1不满足,则判断条件2:如果满足,则执行语句块2,并结束if
    {
    //语句块2
    }
    else if ( 条件判断3 ) //如果条件2不满足,则判断条件3:如果满足,则执行语句块3,并结束if
    {
    //语句块3
    }
    ……………. //依此类推。。。。。。
    else
    {
    //最后的else语句块。 //此语句块会在前面条件都不满足的时候去执行。
    }
    注意:综合型式中是必有一条分支(语句块)会得到执行。

switch分支结构:

switch的分支结构整体含义跟if类似,也是表示“多条路走一条”,其使用形式:
switch ( 一个变量或表达式 ) //不管是变量还是表达式,最终都代表一个“值”,我们用v1来说话
{
case 固定值1: //如果v1等于本值1,则会执行语句块1
//语句块1;
break; //退出此switch结构
case 固定值2: 如果v1不等于前面值1,则继续判断是否等于这里的值2,如果相等,执行语句2
//语句块2;
break; //退出此switch结构
case ………………………………
。。。。。。。。。。。。。。。。。
default: //如果前面各个判断都不成立(也就是不相等),则会执行此语句块。
//注意:switch中此default语句块可以没有。
//默认语句块
}

  • 特别注意:if语句其实是可以使用非常灵活的条件判断,比如 > >= < <= == != === ,但,switch这里case的判断,只能有一种判断:相等判断。
while循环结构:

循环的基本观念:

  1. 循环就是让某些程序(语句块)反复执行
  2. 循环必须能够有办法停止——计算机没有自己的判断能力去决定“累了,不做了”
    while循环的基本语法形式:
    while ( 条件判断 ) //如果条件判断满足了,则会执行其中的语句块,否则while结束。
    {
    //要执行的语句块
    } //如果此语句块执行完了,会立即回到前面while的位置继续判断。

上述形式只是语法上的基本要求,但,在“实用”中,通常会需要遵照如下模式:
【循环变量初始化】
while ( 【循环变量作为条件判断】 )
{
//循环体,就是要反复执行的语句块
【循环变量值的改变】
}

do while循环结构:

do while循环是一种会先执行一次,然后再根据判断条件来决定是否继续执行并循环的一种循环结构。
do while的实用形式如下:
【循环变量初始化】
do
{
//循环体,就是要反复执行的语句块
【循环变量值的改变】
} while ( 【循环变量作为条件判断】 ) ;

  • 描述: 先执行do后面打括号中的语句块,然后再进行while语句中的条件判断,如果判断成立(true),则继续回到上面do后面的大括号中执行语句块,否则就结束。
for循环结构——推荐使用:

for循环基本形式:
for( 【循环变量初始化A】; 【循环变量作为条件判断B】; 【循环变量值的改变C】 )
{
//循环体D,也就是要反复执行的语句块
}
for循环的执行逻辑(顺序):
A ==> B==>true ==> D ==> C ==>B==>true ==> D ==> C ==> B==>
┗==>false==>for循环结束 ┗==>false==>for循环结束

var a = new Date(); //new Date() 就是指“系统时间”,该时间其实就是一个“复合数据”,其中包括了时间(日期)中的各项值,比如年份数,月份数,时分秒,星期等等。其中每个数据都是一个“数字”而已。
var week = a.getDay(); //获取今天系统时间对应的星期,这里获取的星期只是一个0到6的数而已。0代表礼拜天,1代表礼拜一。

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