java将数组正负书_JAVA基础知识——数组

数组是一种数据结构,用来存储同一类型值的集合

int[] a = new int[10];

数字数组,初始化时全部为0   boolean 为false    对象数组和字符数组为null

a.length  表示数组的长度

for each 循环

遍历数组

for(int element:a)

System.out.println(element);

int[] a = new int [10];

for(int i=0;i<10;i++)

{

a[i]=i;

}

System.out.println(Arrays.toString(a));    //[0,1,2,3,4,5,6,7,8,9]

数组初始化以及匿名数组:

int[] smallPrimes = {1,2,3,4,5,6};    //创建数组对象同时初始化

new  int[] {1,2,3,4,5,6}         //初始化匿名数组

有长度为0的数组,并且和null 不同

数组拷贝:

int[] luckyNumbers = smallPrimes;

luckyNumbers[5]=12;      //这个时候两个数组的第六位都是12;

如果希望将一个数组中的所有值拷贝到另一个数组中去,就要使用Arrays类的copyOf方法

int[] copiedluckyNumbers = arrays.copyOf(luckyNumbers,luckyNumbers.length);    //第二个是新数组的长度

用来增加数组的大小:luckyNumbers = Arrays.copyOf(luckyNumbers,2*luckyNumbers.length);    //如果之后的数组小,只能留下前面的数值

命令行参数:

不会

数组排序:

Arrays类中的sort方法:

int[] a = new int [10000]

...

Arrays.sort(a)         //这个方法使用了优化的快速排序算法

多维数组:

int  [] [] balances = new int [10][10];

int [] [] magicSquare =

{

{16,3,2,13},

{5,10,11,8},

{9,6,7,12},

{4,15,14,1}

}

不规则数组:

package test;

import java.lang.reflect.Array;

import java.math.*;

import java.util.Arrays;

public class test

{

public static void main(String[] args)

{

test a = new test();

a.irregular();

}

void irregular()

{

int [][] arrays = new int [3][];

arrays[0] = new int[2];

arrays[1] = new int[3];

arrays[2] = new int[4];

for(int i=0;i

{

for(int j=0;j

arrays[i][j] = i+j*2;

}

for(int i=0; i

for(int j=0;j

System.out.print(arrays[i][j]+" ");

System.out.println();

for(int []row: arrays)                //foreach输出

for(int col:row)

System.out.print(" "+col+",");

System.out.println();

}

}

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