G# 微软的AOP?

loverP 2005-04-13 09:18:36
本贴转自“辣妹子社区”,原文链接:http://www.spicy-girl.net/forum/thread_show.asp?forum_id=f062936a96d3c8bd&thread_id=61097ccb54be14d6&page_pos=1


> 标题:G# 微软的AOP?
> 作者:zsc1974(zsc1974) 发表日期:2005-4-5 22:23:50
>
>
> 来自:idior
>
> G#是一种基于.Net平台的一门新的语言, 它可以在编译期以及运行期为原有的代码注入新的代码. 并且新的代码同样能保证.net平台下的类型安全性.
>
> 和CodeSmith不同的是 它的代码生成技术是为已有的代码添加新的功能, 也就是目前AOP技术所要实现的目标.
>
> 如果你使用过Aspectj就会发现它语法的丑陋, 而G#的语法是C#2.0的一个子集,看上去非常的容易理解.并且G#是基于.Net的IL语言的,所以无论是C#还是VB.Net都可以发挥它的威力.
>
> 来看一个小例子,你就会发现G#的优美之处.
>
> public class Client
> {
> public Client()
> {
> Messenger(“Hello World”);
> }
> private void Messenger(string message)
> {
> Console.WriteLine(message);
> }
> }
>
> public generator Rename
> {
> static generation ChangeIt : target Client.Messenger(string message)
> {
> pre
> {
> string oldMessage = message;
> message = “Hello G#”;
> }
> post
> {
> message = oldMessage;
> }
> }
> }
>
> 再看看利用G#注入后的新的代码:
>
> private void Messenger(string message)
> {
> // From ChangeIt pre block.
> string oldMessage = message;
>
> // From ChangeIt pre block.
> message = “Hello G#”;
>
> // From the Messenger method body.
> Console.WriteLine(message);
>
> // From ChangIt post block.
> message = oldMessage;
> }
>
> 有关G#的具体信息请见:http://erniebooth.name/articles/169.aspx
>

关于《G#语言规范》(上述“具体信息”的链接)的中文版,请参见http://blog.csdn.net/dotnet_editor/archive/2005/04/11/343261.aspx
...全文
2508 4 打赏 收藏 转发到动态 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
bytepark 2005-05-19
  • 打赏
  • 举报
回复
比如用于身份验证,就不用在每个method的前面都写上身份验证的代码了。
rushinger 2005-05-06
  • 打赏
  • 举报
回复
有点意思,动态修改一个method的实现代码?
steven2000 2005-04-21
  • 打赏
  • 举报
回复
不懂,优美在哪?
GSharp 2005-04-13
  • 打赏
  • 举报
回复
太简单点。
内容概要:本文围绕基于CNN-BiLSTM-Attention混合神经网络模型的电力负荷预测展开研究,提出一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)与注意力机制(Attention)的深度学习框架,并通过Python代码实现高精度的短期与超短期负荷预测。该模型充分利用CNN对局部特征的提取能力,捕捉负荷数据中的周期性与趋势性模式;借助BiLSTM对时间序列前后向依赖关系的建模能力,增强对动态变化的感知;并通过Attention机制自适应地聚焦关键历史时刻,提升预测准确性。文中详细阐述了数据预处理、模型结构设计、训练流程及超参数调优方法,并在真实负荷数据集上进行了实验验证,结果表明该混合模型相比传统单一模型和其他基准模型具有更优的预测性能,尤其在应对非线性、非平稳负荷波动方面表现突出。; 适合人群:具备一定Python编程能力和机器学习基础,从事电力系统分析、能源管理、智能电网或时序预测相关工作的科研人员、工程师及高校研究生。; 使用场景及目标:①应用于电网调度、电力市场出清、需求响应管理等场景下的精细化负荷预测;②为研究人员提供一套完整的、可复现的深度学习负荷预测代码框架,推动AI技术在能源领域的落地应用;③帮助理解CNN、BiLSTM与Attention模块之间的协同机制及其在时序建模中的集成方式。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点掌握数据归一化、滑动窗口构造、模型搭建与训练技巧,并尝试在不同地区、不同季节的负荷数据上进行迁移测试,以深入理解模型泛化能力与调参策略。

6,972

社区成员

发帖
与我相关
我的任务
社区描述
《新程序员》读者俱乐部
其他 其他
社区管理员
  • 《程序员》杂志社区
  • SoftwareTeacher
  • 《新程序员》编辑部
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧