Jquery X Ajax

1 Jquery Ajax 简介

Jquery 对 Ajax 操作封装了一套跨浏览器,方便用户使用的 Api;
直接调用Jquery编写Ajax

2 Jquery Ajax Load方法

针对DOM,远程请求,把请求的数据载入到 DOM 里;
load(url,[,data],[,callback])
Url:请求地址
Data:请求参数
Callback:请求完成后的回调方法,(无论请求成功失败都会调用这个函数。好像finally)

data后台获取,即使是json格式,也可以用request.getParameter()换取!
实例:

 $(document).ready(function(){
  $("#b1").click(function(){
   $("#d1").load("/HeadFirstJquery/ajax?action=load",{name:"张三",age:14},function(){
    alert("执行完成");
   });
  });
  ......省略中间代码
  <input id="b1" type="button" value="Load加载"/>
<div id="d1"></div>
<hr/>

后台:

 private void load(HttpServletRequest request, HttpServletResponse response)
   throws ServletException, IOException {
  response.setContentType("text/html;charset=utf-8");
  String name=request.getParameter("name");
  String age=request.getParameter("age");
  System.out.println("name:"+name);
  System.out.println("age:"+age);
  PrintWriter out=response.getWriter();
  out.println("jquery Ajax 大爷你好");
  out.flush();
  out.close();
 }

3 Jquery Ajax Get/Post方法

一般常用的:Ajax 请求后台;
$.post(URL,data,callback); (固定语法,一般建议都用post)
Url:请求地址
Data:请求参数
Callback:请求完成后的回调方

  $("#b2").click(function(){
   $.post("/HeadFirstJquery/ajax?action=post",{id:1},function(data,textStatus){
    alert("请求状态:"+textStatus);//如果返回成功,就返回success;
    alert("返回数据:"+data);//返回后台响应的文本
    data=eval("("+data+")");
    $("#name").val(data.name);
    $("#age").val(data.age);
   });
  });
 });
 ......省略中间代码
 <input id="b2" type="button" value="post/get加载"/><br/>
 姓名:<input type="text" id="name"/><br/>
 年龄:<input type="text" id="age"/>
 </body>
 </html>

后台:

 private void post(HttpServletRequest request, HttpServletResponse response)
   throws ServletException, IOException {
  response.setContentType("text/html;charset=utf-8");
  String id=request.getParameter("id");
  System.out.println("id:"+id);
  PrintWriter out=response.getWriter();
  out.println("{name:'张三',age:14}");
  out.flush();
  out.close();
 }

post和get效果相同,这不过请求头有稍微的变化。get请求的优点几乎被现在的浏览器都克服了,所以现在开发一般都用post,将数据包装在请求体中,更加安全。

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