Java基础知识十(继承)

继承:
把多个类中相同的成员给提取出来定义到一个独立的类中。然后让这多个类和该独立的类产生一个关系,
这多个类就具备了这些内容。这个关系叫继承。
通过extends关键字可以实现类与类的继承
		class 子类名 extends 父类名 {}
继承的好处:
	1、提高了代码的复用性,提高软件开发效率。
	2、提高了代码的维护性。(如果功能的的代码需要更改,修改一处即可)
	3、让类与类产生了一个关系,提供了多态的前提。
Java中继承的特点
	1、Java中类只支持单继承,不支持多继承。
			一个类只能有一个父类,不可以有多个父类。
	2、Java中可以多层(重)继承(继承体系)
			class A{}
			class B extends A{}
			class C extends B{}

子类不能继承父类的私有成员,只能继承父类所以非私有的成员(成员方法和成员变量)
子类不能继承父类的构造方法,但是可以通过super关键字去访问父类构造方法。
定义继承需要注意:
	不要为了其他类中某个功能而去继承。
什么时候使用继承呢?
	继承体现的是:is a的关系。
	使用继承,必须保证类与类之间有所属(is a)关系,即xxx是zzz中的一种。
Java继承中的成员关系:
	1、成员变量
		Fu类中的成员变量是非私有的,子类中可以直接访问,若Fu类中的成员变量私有了,
		子类是不能直接访问的。
		当子父类中出现了同名成员变量时,在子类中若要访问父类中的成员变量,必须使用
		关键字super来完成。
		子类的成员变量名称和父类中的成员变量名称一样,这个怎么访问呢?
			子类的方法访问变量的查找顺序:
				在子类方法的局部范围找,有就使用。
				在子类的成员范围找,有就使用。
				在父类的成员范围找,有就使用。
				找不到,就报错。
	2、成员函数:
				当在程序中通过对象调用方法时,会先在子类中查找有没有对应的方法,若子类
				中存在就会执行子类中的方法,若子类中不存在就会执行父类中相应的方法。
	3、构造方法
			在创建子类对象时,父类的构造函数会先执行,因为子类中所有构造函数的第一行有默
			认的隐式super();语句,调用本类中的构造函数用this(实参列表)语句,调用父类中的构造函
			数用super(实参列表)。
			子类的构造方法默认会去访问父类的无参构造方法
				是为了子类访问父类数据的初始化
			父类中如果没有无参构造方法,怎么办?
				子类通过super去明确调用带参构造
				子类通过this调用本身的其他构造,但是一定会有一个去访问了父类的构造
				让父类提供无参构造
	4、成员方法
			成员方法特殊情况——覆盖
			子类中出现与父类一模一样的方法时,会出现覆盖操作,也成为override重写、复写
			或者覆盖。
			重写的注意事项
			重写需要注意的细节问题
			1. 子类方法覆盖父类方法,必须要保证权限大于等于父类权限
			2. 静态只能覆盖静态,或者被静态覆盖,意思就是 静态函数不存在重写!
			3. 写法上稍微注意:必须一模一样:函数的返回值类型 函数名 参数列表都要一样
			总结:
			当一个类是另一个类中的一种时,可以通过继承,来扩展功能
			如果父类具备的功能内容需要子类特殊定义时,使用重写
			子类的成员方法和父类中的成员方法名称一样,这个怎么访问呢?
					通过子类对象访问一个方法的查找顺序:
					在子类中找,有就使用
					在父类中找,有就使用
					找不到,就报错
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