EXT TreePanel可以看看

var contacterTree = new Ext.tree.TreePanel({
                 id:
"treePanelContact",
                 border:
false,
                 lines:
false,   // 去掉树的线
                 rootVisible:true,             
                 autoScroll:
true,
                 animate:
true,   
                 width:
200,               
                 height :
468,
                 style:
"background-color:#FFFFFF;border-color:#0099FF;",               
               
//    enableDD: false,  // 允许树可以拖拽
                 containerScroll: true,
                 loader:
new Ext.tree.TreeLoader({
                       dataUrl:
'<%=path%>/treeOperation.do?action=loadTree'
                 }),
                 root:
new Ext.tree.AsyncTreeNode({
                    id :
"treeContact",
                       text:
'联系人',
                       draggable:
false,                                
                       expanded:
true   // 展开根节点下的节点
                 }),
                 listeners:{
                    click :
function(node){
                       
if(node.id == "treeContact"){
                           
// 如果点击的是根节点,则 GridPanel 显示所有的数据
                            store.load({params:{flag:'all'}});
                        }
                       
else if(node.isLeaf() == true){
                           
// 如果点击的是枝节点的话,则根据 ID 查询联系人的信息
                            store.load({params:{flag:'contacter',contacterId:node.id}});                               
                        }
else{
                           
// 如果既不是根节点也不是枝节点,那么点击的就是分组节点,
                            // 则 GridPanel 显示对应分组号的联系人信息
                            store.load({params:{flag:'group',groupId:node.id}});
                        }                       
                    }
                 }
               });
              
              
// 添加 树的右键菜单
               contacterTree.on('contextmenu', menuShow);
           
function menuShow ( node )
            {
                treeRightMenu.show(node.ui.getAnchor());
                node.select();
//让右击是选中当前节点               
            };

               
          
var treeRightMenu = new Ext.menu.Menu({
                 id:
'treeMenuContext',
                 items: [
                 {
                     text:
'搜索联系人',
                     icon:
"../images/shared/icons/fam/search.gif",
                     handler:
function()
                        {
                            Search_Contacter(
"搜索联系人");
                        }
                 },                
                 {
                     text:
'添加联系人',
                     icon:
"../images/shared/icons/fam/add.gif",
                     handler:
function()
                        {
                            AddContacter(
"新增联系人");
                        }
                 },{
                     text:
'添加分组',
                     icon:
"../images/shared/icons/fam/add.gif",
                     handler:
function()
                        {
                            AddContacterGroup(
"新增分组");
                        } 
                 },{
                     text:
"删除",
                     icon:
"../images/shared/icons/fam/delete.gif",
                     handler:
function()
                        {
                            treeDelContacter();
                        }
                 }
                 ]
           }); 

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