模仿10086电话的代码

代码实现了和数据库的链接,查询
代码如下

package com.zhongruan;

import java.sql.*;
import java.util.Scanner;

public class X10086 {
    public  static int selectdb(int number,int l) throws SQLException, ClassNotFoundException {
        DBUtil dbUtil=new DBUtil();
        Connection connection=dbUtil.getConnection();
        String sql="select * from x10086 where phonenumber="+number+"";
        PreparedStatement statement=connection.prepareStatement(sql);
        ResultSet resultSet=statement.executeQuery();
        int i=0;
        while (resultSet.next()){
            i=resultSet.getInt(l);
        }
        return i;
    }
    public static void main(String[] args) throws SQLException, ClassNotFoundException {
        Scanner input=new Scanner(System.in);
        System.out.println("欢迎致电中国移动");
        Boolean b=true;
        while (b){
            System.out.println("查询话费请按1,查询流量请按2,人工服务请按3,结束通话请按4");
            System.out.println("请输入一个数");
            int n=input.nextInt();
            switch (n){
                case 1:
                    System.out.println("请输入你的手机号:");
                    int phonenumber1=input.nextInt();
                    int result1=X10086.selectdb(phonenumber1,2);
                    System.out.println("您的话费余额为:"+result1+"元");
                    break;
                case 2:
                    System.out.println("请输入你的手机号:");
                    int phonenumber2=input.nextInt();
                    int result2=X10086.selectdb(phonenumber2,3);
                    System.out.println("您的流量余额为:"+result2+"MB");
                    break;
                case 3:
                    System.out.println("嘟~嘟~嘟");
                    System.out.println("客服繁忙,请稍后再拨");
                    break;
                case 4:
                    System.out.println("欢迎下次致电中国移动");
                    b=false;
                    break;
                default:
                    System.out.println("输入的数字有误,请重新输入");
                    break;
            }
        }



    }



}

gan(生成对抗网络)是一种机器学习的模型,它由两个神经网络组成:生成器和判别器。生成器的目标是学习生成与真实样本相似的样本,而判别器则试图区分生成样本和真实样本。这两个网络相互竞争学习,从而提高生成样本的质量。 gan模仿学习的代码主要包括以下几个步骤: 1. 数据准备:首先需要准备训练数据集,可以是图像、文本或其他数据类型。数据要经过预处理,如归一化、编码等。 2. 构建生成器和判别器网络:生成器神经网络负责从随机噪声中生成样本,判别器神经网络则负责区分生成样本和真实样本。 3. 定义损失函数:通过定义损失函数来指导网络的训练。生成器的目标是最小化生成样本与真实样本之间的差异,判别器的目标是最大化正确分类生成样本和真实样本的能力。 4. 训练模型:通过交替训练生成器和判别器,不断调整网络参数,使生成样本的质量逐渐接近真实样本。 5. 评估结果:训练完成后,可以使用生成器生成新的样本,并与真实样本进行比较,评估生成样本的质量。 gan模仿学习的代码可以使用深度学习框架如TensorFlow、PyTorch等实现。根据具体的任务和数据类型,可以选择不同的网络结构和训练策略,以达到更好的效果。同时,还可以应用一些技巧,如批次归一化、Dropout等来提高训练的稳定性和效果。
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