找遍中文网站，也没有看到关于全面的j2me入门的文章，买了一本书，只讲了plam，还过时了，有高手指点一二吗？

jlike 2001-11-07 11:04:17
不胜感激！
...全文
113 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
adventurerHome 2001-11-08
  • 打赏
  • 举报
 回复
sun网站，最好的资料！
nielinjie 2001-11-08
  • 打赏
  • 举报
 回复
a book named masting kjava in chinese can be found in shanghai
Palm J2ME串行通讯程序编写调试
本文介绍了一种高效的方法来编写和调试Palm J2ME嵌入式程序中的串行通讯部分。通过使用Windows终端仿真程序模拟通讯的一方，可以简化调试过程，提高开发效率。
Palm 串行通讯GPS数据读取的实现
博客涉及Palm、J2ME、智能终端等信息技术内容，还提及通讯及互联网相关，可能围绕智能终端借助Palm、J2ME实现通讯及在互联网中的应用。
Android笔记1  Android入门
本文介绍了移动开发的基础知识，包括智能手机的发展历史、不同操作系统的特点及应用，重点对比了Android与iOS两大平台的区别，并深入探讨了Android的体系结构及其开发优势。
用JAVA编写简单呼叫器餐厅,使用Java编写Palm OS程序的解决方案1
本文探讨了使用Java为PalmOS开发应用的不同途径。介绍了Sun微系统的KVM及配置文件，包括CLDC和CDC的基本概念及其限制。同时，文章还提到了Kawt作为另一种开发工具的选择。
【锂电池SOC估计】PyTorch基于Basisformer时间序列锂离子电池SOC预测研究（python代码实现）
内容概要：本文围绕基于Basisformer模型的时间序列锂离子电池SOC（State of Charge，荷电状态）预测展开研究，利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入，Basisformer能够有效捕捉电池状态的动态变化特征，提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析，并与传统方法进行对比，验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力，也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群：具备一定Python编程基础和深度学习理论知识，熟悉PyTorch框架，从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算；②为电池健康管理（BMS）提供可靠的状态输入；③推动深度学习在时间序列预测中的实际落地，提升现有预测模型的泛化能力与稳定性； 阅读建议：建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究（python代码实现）的资源，重点研读所提供的Python代码，深入理解数据处理方式与模型网络结构的设计思路，尝试调整超参数以观察对预测性能的影响，从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。
J2ME

13,096

社区成员

26,491

社区内容

发帖
与我相关
我的任务
社区描述
Java J2ME
社区管理员
  • J2ME社区
加入社区
  • 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