markdown

javaSE

  • java语言

    1. markd语法
    2. 简单的dos命令
    3. 计算机语言发展
    4. java的诞生
    5. jdk:开发者工具包 配置环境变量
    6. JRE:运行环境
  • hello world

    1. javac hello.java 生成class
    2. java hello
    3. 编译型
    4. 解释型语言
    5. IDEA
  • 基础语法

    • 注释:1.行内注释 2.多行注释 3.文档注释 Javadoc生成帮助文档

    • 标识符 关键字

    • 数据类型

      • 基本数据类型:1.整数 2.浮点数 3.字符 4.布尔值
      • 引用数字类型:1.类 2.接口 3.素组
    • 类型转换

      • 自动类型转换
      • 强制类型转换
    • 变量和常量

      • 变量作用域:1.类变量 2.实例变量 3.局部变量
      • 常量
      • 命名规范: 1.见名知意2.驼峰原则 3.类:首字母大写,驼峰原则 4.常量:大写+下划线
    • 运算符

      • 算术运算符
      • 赋值运算符
      • 关系运算符
      • 逻辑运算符
      • 位运算符
      • 条件运算符
      • 扩展运算符
    • 包机制

      • 域名倒写
      • 防止命名冲突
      • package
      • import
    • javadoc

      • JDK帮助文档
      • javadoc:1.@author 2.@Version 3.@Since 4.@param 5.@return 6.@throws
    • 流程控制

      • Scanner 用户交互
      • 顺序结构
      • 选择结构:1.if单选择结构 2.if-else双选择结构 3.if-else if-else多选择结构 4.switch
      • 循环结构:1.whlie 2.do-while 3.for
    • break&continue

      • break:跳出循环
      • continue:终止当次循环
      • return:结束方法的运行
  • 方法

    • 方法的定义:修饰符 返回值 方法名(参数名){return语法}
    • 方法调用:1.类名方法 2.对象方法
    • 方法重载:名字相同 参数列表不同
    • 命令行传参
    • 可变传参数:1.… 2.必须放在最后一个参数
    • 递归
  • 数组

    • 数组的定义
    • 数组的使用
    • 二维数组
    • arrays工具类
    • 排序算法
  • 面向对象

    • 类与对象
    • 构造方法:构造的重载
    • new对象
    • 封装:属性私有:get、set
    • 继承:1.extends 2.object 3.方法重写 4.this 5.super
    • 多态
    • 修饰符:1.public 2.protected 3.private
    • 接口:1.interface 2.约束 3.子类实现接口,必须重写其中的方法
    • 内部类:1.局部内部类 2.静态内部类 3.匿名内部类
  • 异常

    • thorwable

      • Exception:1.运行时异常 2.检查性异常
      • error:1.AWT错误 2.JVM异常
    • 五个关键字:1.try 2.catch 3.finally 4.throw 5.throws

    • 自定义异常

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