STUDIO

public class MainActivity extends AppCompatActivity {

    static String urlString = "http://api.expoon.com/AppNews/getNewsList/type/1/p/";
    private PullToRefreshListView ptr;
    private UserDao dao;
    List<DataBeans.DataBean> list = new ArrayList<DataBeans.DataBean>();
    private ImageLoader instance;
    int page;
    @SuppressLint("HandlerLeak")
    private Handler handler = new Handler() {
        @Override
        public void handleMessage(Message msg) {
            super.handleMessage(msg);
            if (msg.what == 0) {
                String ss = (String) msg.obj;
                //添加
                dao.addData(urlString + page, ss);
                //解析
                Gson gson = new Gson();

                DataBeans dataBeans = gson.fromJson(ss, DataBeans.class);
                List<DataBeans.DataBean> data = dataBeans.getData();
                list.addAll(data);
                adapter.notifyDataSetChanged();
                ptr.onRefreshComplete();
            }
        }
    };
    private MyAdapter adapter;
    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        //找控件
        ptr = (PullToRefreshListView) findViewById(R.id.ptr);
        //设置模式
        ptr.setMode(PullToRefreshBase.Mode.BOTH);
        //获取dao类
        dao = new UserDao(MainActivity.this);
        //Imageloader的实体类
        instance = ImageLoader.getInstance();
        //设置适配器
        adapter = new MyAdapter();
        ptr.setAdapter(adapter);
        //获取数据的方法
        getData(0);
        //刷新监听
        ptr.setOnRefreshListener(new PullToRefreshBase.OnRefreshListener2<ListView>() {
            @Override
            public void onPullDownToRefresh(PullToRefreshBase<ListView> pullToRefreshBase) {
                list.clear();
                getData(0);
            }

            @Override
            public void onPullUpToRefresh(PullToRefreshBase<ListView> pullToRefreshBase) {
                page++;
                getData(page);
            }
        });

    }

    private void getData(int page) {
        final String url = urlString + page;
        //判断网络
        if (NetStates.getType(MainActivity.this) != -1) {
            Toast.makeText(MainActivity.this, "有网啦!", Toast.LENGTH_SHORT).show();
            new Thread() {
                @Override
                public void run() {
                    super.run();
                    String json = NetHttpUrl.getJson(url);
                    Message msg = new Message();
                    msg.obj = json;
                    msg.what = 0;
                    handler.sendMessage(msg);
                }
            }.start();
        } else {
            Toast.makeText(MainActivity.this, "无网络,请重试!", Toast.LENGTH_SHORT).show();
            //查询
            String s = dao.queryData(url);
            //判断
            if (!s.isEmpty()) {
                //解析
                Gson gson = new GsonBuilder().create();
                DataBeans dataBeans = gson.fromJson(s, DataBeans.class);
                List<DataBeans.DataBean> data = dataBeans.getData();
                list.addAll(data);
                adapter.notifyDataSetChanged();
                ptr.onRefreshComplete();
            }
        }

    }

    private class MyAdapter extends BaseAdapter {
        @Override
        public int getCount() {
            return list.size();
        }

        @Override
        public Object getItem(int i) {
            return list.get(i);
        }

        @Override
        public long getItemId(int i) {
            return i;
        }

        @Override
        public View getView(int i, View view, ViewGroup viewGroup) {
            ViewHolder holder;
            if (view == null) {
                view = View.inflate(MainActivity.this, R.layout.holder, null);
                holder = new ViewHolder();
                holder.name = view.findViewById(R.id.name);
                holder.img = view.findViewById(R.id.img);
                view.setTag(holder);
            } else {
                holder = (ViewHolder) view.getTag();
            }
            //赋值
            holder.name.setText(list.get(i).getNews_title());
            DisplayImageOptions options = ImageLoaderUntils.getOptions();
            instance.displayImage(list.get(i).getPic_url(), holder.img, options);
            return view;
        }
    }

    class ViewHolder {
        private ImageView img;
        private TextView name;
    }
}
 

<com.handmark.pulltorefresh.library.PullToRefreshExpandableListView
    android:id="@+id/ptr"
    android:layout_width="match_parent"
    android:layout_height="match_parent"></com.handmark.pulltorefresh.library.PullToRefreshExpandableListView>



<ImageView
    android:layout_marginLeft="20dp"
    android:id="@+id/img"
    android:layout_width="80dp"
    android:layout_height="80dp"
    android:src="@mipmap/ic_launcher_round"/>
<TextView
    android:id="@+id/name"
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"
    android:text="name"/>
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