java做2048_java学习--javaScript编写2048

2048这款游戏在git上面开放源码意外走红,代码极其简单,类似于flapbird,本人试着用js代码用了三个小时完成了雏形

首先先布局

------------------------------------------------------------

2048

New Game

score: 0

----------------------------------

接着写链接的css

------------------------------------

header {

display: block;

margin: 0 auto;

width: 100%;

text-align: center;

}

header h1 {

font-family: Arial;

font-size: 40px;

font-weight: bold;

}

header #newgamebutton {

display: block;

margin: 20px auto;

width: 100px;

padding: 10px 10px;

background-color: #8f7a66;

font-family: Arial;

color: white;

border-radius: 10px;

text-decoration: none;

}

header #newgamebutton:hover {

background-color: #9f8b77;

}

header p {

font-family: Arial;

font-size: 25px;

margin: 20px auto;

}

#grid-container {

width: 460px;

height: 460px;

padding: 20px;

margin: 50px auto;

background-color: #bbada0;

border-radius: 10px;

position: relative;

}

.grid-cell {

width: 100px;

height: 100px;

border-radius: 6px;

background-color: #ccc0b3;

float: left;

margin: 7px;

color: red;

font-size: 50px;

line-height: 100px;

text-align: center;

font-weight: 900;

}

---------------------------------------

这两段都不重要

主要是js代码

先说main布局用的js

-------------------------------

var board=new Array();

var numberX;

var numberY;

$(function(){

newgame();

})

function newgame(){

initboard();

getrandomNumber();

getrandomNumber();

getandshow2();

}

function initboard(){

for (var i=0;i<4;i++) {

board[i]=new Array();

for (var j=0;j<4;j++) {

board[i][j] = 0 ;

}

}

}

function getrandomNumber(){

do{

numberX=parseInt(Math.floor(Math.random()*4));

numberY=parseInt(Math.floor(Math.random()*4));

if(board[numberX][numberY]==0){

break;

}

}while(true);

board[numberX][numberY]=2;

}

function getandshow2(){

for (var i=0;i<4;i++) {

for (var j=0;j<4;j++) {

var cell=$("#grid-cell-"+i+"-"+j);

cell.html("");

var item=board[i][j];

if(item>0){

cell.html(item);

}

}

}

}

主要使用二维数组作为model,界面的16个div作为view,而getandshow2作为controller,即使这么小的程序也有mvc的概念呢

想想其实anglarJs也是厉害,将mvc的概念放在一个个简单的标签里面

getrandomNumber方法是创建随机位置的

--------------------------------

最后就是game.js的代码了

------------------------------------

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