添加类别和修改类别(无限级别分类)

//添加类别
CREATE   PROCEDURE DS_AddNewsType
(
 @NewsTypeName varchar(100),
 @NewsTypeDesc varchar(500),
 @ParentID int,
 
 @MasterID int,
 @ReleaseDate datetime,
 @iLanguage tinyint
)
AS
DECLARE @RecordCount as int
SET @RecordCount=
(
 select count(*) from DS_NewsType where NewsTypeName=@NewsTypeName
)

DECLARE @NewsTypeLevel as int
SET @NewsTypeLevel=
(
 select NewsTypeLevel from DS_NewsType where NewsTypeID=@ParentID
)
if @NewsTypeLevel is null
 begin
  set @NewsTypeLevel=0
 end

if @RecordCount<=0 begin
 INSERT INTO
  DS_NewsType
  (
   NewsTypeName,
   NewsTypeDesc,
   ParentID,
   NewsTypeLevel,
   IDTree,
   
   MasterID,
   AddDate,
   ReleaseDate,
   iLanguage
  )
  VALUES
  (
   @NewsTypeName,
   @NewsTypeDesc,
   @ParentID,
   @NewsTypeLevel+1,
   '.',
   
   @MasterID,
   GetDate(),
   @ReleaseDate,
   @iLanguage
  )

 DECLARE @IDTree as varchar(100)
 SET @IDTree=
 (
  select IDTree from DS_NewsType where NewsTypeID=@ParentID
 )

 if @IDTree is null
  begin
   Update
      DS_NewsType
   Set
      IDTree = ltrim(str(@@Identity))+'.'
   WHERE
      NewsTypeID = @@Identity
  end
 else
  begin
   Update
      DS_NewsType
   Set
      IDTree = @IDTree+ltrim(str(@@Identity))+'.'
   WHERE
      NewsTypeID = @@Identity
  end

 Update
    DS_NewsType
 Set
    IsLeaf = 0
 WHERE
    NewsTypeID = @ParentID
 
end
    
RETURN @@Identity
GO

//修改类别

CREATE    PROCEDURE DS_EditNewsType
(
 @NewsTypeID int,
 @NewsTypeName varchar(100),
 @NewsTypeDesc varchar(500),
 @ParentID int,
 
 @MasterID int,
 @ReleaseDate datetime,
 @iLanguage tinyint
)
AS
DECLARE @RecordCount as int
SET @RecordCount=
(
 select count(*) from DS_NewsType where NewsTypeName=@NewsTypeName and NewsTypeID!=@NewsTypeID
)

DECLARE @NewsTypeLevel as int
SET @NewsTypeLevel=
(
 select NewsTypeLevel from DS_NewsType where NewsTypeID=@ParentID
)
if @NewsTypeLevel is null
 begin
  set @NewsTypeLevel=0
 end

if @RecordCount<=0 begin
 Update
    DS_NewsType
 Set
    NewsTypeName = @NewsTypeName,
    NewsTypeDesc = @NewsTypeDesc,
    ParentID = @ParentID,
    NewsTypeLevel = @NewsTypeLevel+1,
    
    MasterID = @MasterID,
    ReleaseDate = @ReleaseDate,
    iLanguage = @iLanguage
 WHERE
    NewsTypeID = @NewsTypeID
    
 DECLARE @IDTree as varchar(100)
 SET @IDTree=
 (
  select IDTree from DS_NewsType where NewsTypeID=@ParentID
 )

 if @IDTree is null
  begin
   Update
      DS_NewsType
   Set
      IDTree = ltrim(str(@NewsTypeID))+'.'
   WHERE
      NewsTypeID = @NewsTypeID
  end
 else
  begin
   Update
      DS_NewsType
   Set
      IDTree =convert(nvarchar(100),@ParentID)+'.'+ltrim(str(@NewsTypeID))+'.'
   WHERE
      NewsTypeID = @NewsTypeID
  end

 Update
    DS_NewsType
 Set
    IsLeaf = 0
 WHERE
    NewsTypeID = @ParentID
end

RETURN

GO


 

转载于:https://www.cnblogs.com/zyosingan/archive/2007/12/26/1015350.html

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