社区
MS-SQL Server
帖子详情
一个有关存储过程关于修改的
dayangyang
2003-01-09 03:24:09
我想写个修改分类号和类别的存储过程,
要求当输入两个参数的时候,也就是分类号和类别的时候
修改它的分类号和类别
但要先查到这条记录根据分类号和类别
问题是我在DELPHI中只能输入两个参数
怎么实现?请写具体点好吗?
...全文
61
5
打赏
收藏
一个有关存储过程关于修改的
我想写个修改分类号和类别的存储过程, 要求当输入两个参数的时候,也就是分类号和类别的时候 修改它的分类号和类别 但要先查到这条记录根据分类号和类别 问题是我在DELPHI中只能输入两个参数 怎么实现?请写具体点好吗?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
5 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
nityly
2003-01-09
打赏
举报
回复
你可以用分隔符来作。比如
旧分类号和旧类别为"A","a" ,作为一个参数写成"A,a" 逗号分隔
新分类号和新类别为"B","b" ,作为一个参数写成"B,b"
到存储过程中再分解
alandd
2003-01-09
打赏
举报
回复
既然要修改,当然有旧分类号和旧类别, 新分类号和新类别
在程序检索出数据,未修改时,记下旧分类号和旧类别,
当输入新分类号和新类别时,记下新值,存储过程要传入四个参数
dayangyang
2003-01-09
打赏
举报
回复
呵呵
我只要两个EDIT
因为这个窗口中我还要设置其它的比如删除
我在想想吧
看怎么实现
愉快的登山者
2003-01-09
打赏
举报
回复
为什么DELPHI中只能输入两个参数?不能多些吗?
昵称被占用了
2003-01-09
打赏
举报
回复
??
77页-中国数字安全产业年度报告(2024)公开版 数世咨询 2024-6(1).pdf
77页-中国数字安全产业年度报告(2024)公开版 数世咨询 2024-6(1)
图像处理基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)
【图像处理】基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)内容概要:本文围绕“基于电磁学优化算法的多阈值分割算法研究”展开,结合Matlab代码实现,探讨了图像处理中的多阈值分割问题。通过引入电磁学优化算法(Electromagnetism-like Optimization, EMO),利用其全局搜索能力优化多阈值分割的阈值选取过程,以提升图像分割的精度与效率。文中详细阐述了算法原理、实现步骤,并通过实验验证其在图像分割中的有效性,展示了与其他智能优化算法的对比结果,突出了该方法在处理复杂图像时的优越性。; 适合人群:具备一定图像处理和优化算法基础,熟悉Matlab编程的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于医学图像、遥感图像等复杂图像的多阈值分割任务;②为智能优化算法在图像处理领域的应用提供实现案例与技术参考;③支持科研复现与算法改进。; 阅读建议:建议结合Matlab代码逐段理解算法实现流程,重点关注目标函数设计与电磁力机制的映射关系,可通过更换测试图像和对比其他优化算法加深理解。
基于51单片机的电子琴设计
本资源文件“基于51单片机的电子琴设计.zip”对应于博客文章“基于51单片机设计的简易电子琴”。该资源包含了实现
一个
简易电子琴所需的全部文件和代码,适用于学习和实践51单片机的开发。 内容 源代码:包含电子琴的C语言源代码,可在Keil uVision等51单片机开发环境中编译运行。 原理图:提供了电子琴的电路设计原理图,方便用户理解硬件连接和布局。 PCB设计文件:如果需要自行制作PCB,资源中包含了PCB设计文件,可用于PCB打样。 说明文档:详细的使用说明和操作指南,帮助用户快速上手。 使用方法 下载资源:点击下载“基于51单片机的电子琴设计.zip”文件。 解压文件:将下载的ZIP文件解压到本地目录。 阅读说明文档:仔细阅读说明文档,了解项目的基本结构和使用方法。 搭建硬件:根据原理图搭建硬件电路。 编译代码:使用Keil uVision等开发工具打开源代码,进行编译。 烧录程序:将编译好的程序烧录到51单片机中。 测试运行:连接电源,测试电子琴的功能是否正常。
故障诊断pytorch基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据](Python代码实现)
【故障诊断】【pytorch】基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据](Python代码实现)内容概要:本文介绍了一项基于CNN-LSTM神经网络模型的轴承故障诊断研究,采用PyTorch框架实现,使用西储大学公开的轴承故障数据集进行实验验证。该方法结合卷积神经网络(CNN)强大的特征提取能力与长短期记忆网络(LSTM)对时序数据的建模优势,构建深度学习分类模型,实现对轴承不同故障类型和严重程度的精准识别与分类,旨在提升工业设备故障诊断的自动化与智能化水平。; 适合人群:具备Python编程基础和深度学习基础知识的高校学生、科研人员及工业界从事设备状态监测与故障诊断的工程师;熟悉PyTorch框架者更佳。; 使用场景及目标:①应用于工业设备预测性维护系统中的轴承故障早期识别;②作为深度学习在时间序列分类任务中的典型案例,用于学习CNN-LSTM融合模型的设计与实现;③复现并改进现有故障诊断算法,推动相关科研工作进展。; 阅读建议:建议读者结合提供的Python代码与西储大学数据集进行实践操作,重点关注数据预处理、模型结构搭建、训练流程及结果分析环节,可进一步尝试调整网络参数或引入其他优化算法以提升分类性能。
hanlp-portable-1.8.6 对应模型下载 data-for-1.7.5
hanlp-portable-1.8.6 对应模型下载 data-for-1.7.5
MS-SQL Server
34,872
社区成员
254,640
社区内容
发帖
与我相关
我的任务
MS-SQL Server
MS-SQL Server相关内容讨论专区
复制链接
扫一扫
分享
社区描述
MS-SQL Server相关内容讨论专区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章