MyJava课堂小计 Day5

一、循环结构概述和for语句的格式及其使用

        1.什么是循环结构
循环语句可以在满足循环条件的情况下,反复执行某一段代码,这段被重复执行的代码被称为循环体语句,当反复执行这个循环体时,
需要在合适的时候把循环判断条件修改为false,从而结束循环,否则循环将一直执行下去,形成死循环
2.循环结构的分类
for循环
while循环
3.循环结构for语句的格式:
for(初始化表达式语句;判断条件语句;控制条件语句) {
循环体语句;
}
4.执行流程:
a:执行初始化表达式语句
b:执行判断条件语句,看其返回值是true还是false
如果是true,就继续执行
如果是false,就结束循环
c:执行循环体语句;
d:执行控制条件语句
e:回到B继续。
E5.注意事项:
初始化表达式语句只执行一次

二、循环结构for语句注意事项

        1.判断条件语句无论简单还是复杂结果是boolean类型。

2.循环体语句如果是一条语句,大括号可以省略;如果是多条语句,大括号不能省略。建议永远不要省略。

3.一般来说:有左大括号就没有分号,有分号就没有左大括号

四、循环结构while语句的格式和基本使用

        1.循环结构while语句的格式:
while循环的基本格式:
while(判断条件语句) {
循环体语句;
}
完整格式:
   初始化条件语句;
   while(判断条件语句) {
循环体语句;
控制条件语句;
  }
2.执行流程:
(1):执行初始化条件语句;
(2):执行判断条件语句,看其返回值是true还是false
如果是true,就继续执行
如果是false,就结束循环
(3):执行循环体语句;
(4):执行控制条件语句

(5):回到b继续。

五、循环结构do...while语句的格式和基本使用

        1.循环结构do...while语句的格式:
do {
循环体语句;
}while(判断条件语句);

完整格式;
初始化条件语句;
do {
循环体语句;
控制条件语句;
}while(判断条件语句);
2.执行流程:
1:执行初始化条件语句;
2:执行循环体语句;
(3):执行控制条件语句;
(4):执行判断条件语句,看其返回值是true还是false
如果是true,就继续执行
如果是false,就结束循环

(5):回到b继续。

六、循环结构三种循环语句的区别与注意事项

          1.三种循环语句的区别:

(1):do...while循环至少执行一次循环体。
而for,while循环必须先判断条件是否成立,然后决定是否执行循环体语句。
(2):A: 如果你想在循环结束后,继续使用控制条件的那个变量,用while循环,否则用for循环。不知道用for循环。
因为变量及早的从内存中消失,可以提高内存的使用效率。

B:建议优先考虑for循环,然后是while循环 ,最后是do...while循环

        2.循环结构注意事项  死循环:

                (1):一定要注意控制条件语句控制的那个变量的问题,不要弄丢了,否则就容易死循环。

        (2):两种最简单的死循环格式
        while(true){...}

        for(;;){...}

七、控制跳转语句break语句

        1.什么是控制跳转语句
前面我们已经说过了,Java中的goto是保留字,目前不能使用。虽然没有goto语句可以增强程序的安全性,但是也带来很多不便,
比如说,我想在某个循环执行到某一步的时候就结束,现在就做不了这件事情。
为了弥补这个缺陷,Java就提供了break,continue和return来实现控制语句的跳转和中断。
2.控制跳转语句的分类
break 中断
continue 继续
return 返回 
3.break的使用场景
(1):在选择结构switch语句中
(2):在循环语句中
注意:离开使用场景的存在是没有意义的
4.作用
(1):退出单层循环
(2):退出多层循环(几乎不使用)
要想实现这个效果,就必须知道一个东西;带标签的语句;

格式:标签名:语句

八、控制跳转语句continue语句

       1.continue的使用场景
(1):在循环语句中
(2):离开使用场景的存在是没有意义的
2.作用

1:跳出一次循环,执行下一步操作

九、控制跳转语句return语句

        1.return的作用
return 就是退出一个方法。

跳转到上层调用的方法。这个在方法的使用那里会在详细的讲解。

十、方法概述和格式说明

        1.为什么要有方法
假设有一个游戏程序,程序在运行过程中,要不断地发射炮弹(植物大战僵尸)。发射炮弹的动作需要编写100行的代码,在每次实现发射炮弹的地方都需要重复地编写这100行代码,这样程序会变得很臃肿,可读性也非常差。为了解决代码重复编写的问题,可以将发射炮弹的代码提取出来放在一个{}中,并为这段代码起个名字,这样在每次发射炮弹的地方通过这个名字来调用发射炮弹的代码就可以了。上述过程中,所提取出来的代码可以被看作是程序中定义的一个方法,程序在需要发射炮弹时调用该方法即可。
2.什么是方法
方法就是完成特定功能的代码块
在很多语言中都有函数的定义,但是在咱们JAVA语言中,我们将其称之为方法。
3.方法的格式
修饰符 返回值类型 方法名(参数类型 参数名1,参数类型 参数名2 ....){
方法体;
return 返回值;
}
4.方法的格式详细说明
(1): 修饰符 比较多,后面会详细介绍。目前使用  public static
(2): 返回值类型 用于限定返回值的数据类型
(3): 方法名 就是一个名称,它的存在是为了方便我们调用方法
(4): 参数类型 限定调用方法时传入参数的数据类型
(5): 参数名 是一个变量,接收调用方法时传入的参数 这个参数其实有一个专业的名词,被称之为形式参数,它的作用是用来接收实际参数的.
(6): 方法体 完成功能的代码
(7): return 结束方法以及返回方法指定类型的值 

(8): 返回值 就是功能的结果,由return带回,带回给调用者

十一、方法之求和案例及其调用

        1.如何写一个方法
(1)两个明确
a:返回值类型 明确功能结果的数据类型
b:参数列表 你要传递几个参数,以及每一个参数的数据类型
2.方法调用(有明确返回值的调用)
(1)单独调用,一般来说没有意义,所以不推荐。
(2)赋值调用,推荐方案。

(3)输出调用,但是不够好。因为我们可能需要针对结果进行进一步的操作。

        3.方法的注意事项

                (1):方法不调用不执行

        (2):方法与方法是平级关系,不能嵌套定义
        (3):方法定义的时候参数之间用逗号隔开
        (4):方法调用的时候不用在传递数据类型

        (5):如果方法有明确的返回值,一定要由return带回一个值


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