努力毕业的小白
努力毕业的小白

论文研读之误差反向传播算法的数学推导及实现步骤

  1. 【开始时间】：
  2. 【结束时间】：
  3. 【论文】：王铁林, 沈国良. 误差反向传播算法的数学推导及实现步骤. 辽阳石油化高等专科学校学报，2002.9（2）1-3.
  4. 【论文链接】：[https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFD2002&filename=LYSY200203000&uid=WEEvREcwSlJHSldRa1FhdXNXaEhoOHRuWmJFQVY4KzlRUXAzSVFzNXVLQT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4IQMovwHtwkF4VYPoHbKxJw!!&v=MTE2MDdTN0RoMVQzcVRyV00xRnJDVVJMT2VadVJwRkN2bVZydkFLVFRZZDdHNEh0UE1ySTlGWklSOGVYMUx1eFk=]

你可能感兴趣的:(论文研读)

  • 论文研读 | 解耦动态时空图神经网络交通预测 时空大数据小组 深度学习交通物流时序数据库
    DecoupledDynamicSpatial-TemporalGraphNeuralNetworkforTrafficForecasting本文是由中科院大学2022年发表于VLDB会议的一篇文章，作者创新地提出了一种解耦时空框架——DSTF，提升了模型在交通流预测任务中的性能，并在两个真实数据集上进行了验证。作者通过将先验知识融合进模型结构中，从而提升模型性能的思路值得借鉴，以下对论文进行分享
  • 【论文研读】Better Together:Unifying Datalog and Equality Saturation 被制作时长两年半的个人练习生 Datalog编程语言Datalog程序分析
    最近研究ReassociatePass整的头大，翻两篇Datalog的论文看看。今天看的一篇是比较新的文章，23年4月贴到arxiv上的。本文的主要贡献是提出了egglog,将Datalog和Eqsat结合起来，继承了Datalog的efficientincrementalexecution,cooperatinganalysisandlattice目录Introduction部分BackGrou
  • 经典论文研读：《Bigtable: A Distributed Storage System for Structured Data》 WanderingScorpion 论文研读检索技术论文研读数据存储原力计划
    一概述BigTable是以大神JeffreyDean为首的Google团队在2006年公开的分布式存储系统，是Google“三驾马车”论文中（GFS、MapReduce、BigTable）中最后公开的。在BigTable论文中，Google构思、设计并实现了一套支持结构化数据存储的超大容量分布式存储系统。BigTable中关于数据模型、底层存储技术和架构模型的设计思路直到今日仍被奉为经典，下面我们
  • 深度学习学习笔记-论文研读4-基于深度强化学习的多用户边缘计算任务卸载调度与资源分配算法 丰。。 神经网络论文研读学报论文研读学习边缘计算算法人工智能深度学习
    本人学识浅薄，如有理解不到位的地方还请大佬们指出，相互学习，共同进步概念引入强化学习DQN算法边缘计算边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可
  • 通俗科普文：贝叶斯优化与SMBO、高斯过程回归、TPE（附新书） 科技州与数据州
    以下文章来源于SimpleAI，作者郭必扬贝叶斯优化是AutoML中的重要概念，近年来变得很火热。作为一种重要的基于先验的调参/策略选择技术，贝叶斯的应用范围也很广。但这个概念对于初次接触的同学可能较难理解，经过数天的论文研读、博客/教程/代码查阅，我总结了这篇科普文，也手绘了一些示意图，希望尽量在一篇文章内、通俗易懂地讲清楚什么是贝叶斯优化。本文目录：理清基本概念的关系各种超参数调节方法的对比G
  • 【论文研读】基于卷积神经网络的图像局部风格迁移 lexonT
    自2015年Gatys首次提出神经艺术风格迁移框架以来，图像风格迁移逐渐成为计算机图形学和计算机视觉领域的一个研究热点，但是当前针对图像风格迁移的研究大多难以提取图像中的局部进行风格迁移，而将重心放在图像全局风格迁移上，针对局部风格迁移这一研究领域上的空白，浙江工业大学缪永伟与浙江理工大学、中科院自动化研究所合作发表了《基于卷积神经网络的图像局部风格迁移》一文。文中提出了一种基于卷积神经网络的图像
  • 2024 1.6~1.12 周报 shengMio 周报深度学习机器学习
    一、上周工作论文研读二、本周计划思考毕业论文要用到的方法或者思想，多查多看积累可取之处。学习ppt和上周组会内容、卷积神经网络。三、完成情况1.数据训练的方式1.1迁移学习迁移学习是一种机器学习方法，把任务A训练出的模型作为初始模型，并使用它来改进新目标任务B的学习。即通过从已学习的相关任务中转移知识来改进学习的新任务。这可以包括使用模型作为特征提取器，微调模型，或使用模型的部分作为初始化。找到目
  • OpenFWI 论文研读 shengMio 论文深度学习
    论文title：OPENFWI:Large-scaleMulti-structuralBenchmarkDatasetsforFullWaveformInversion——OPENFWI：基于全波形反演的大规模多结构基准数据集摘要Abstract：全波形反演（FWI）在地球物理中被广泛用于从地震数据中重建高分辨率速度图。OPENFWI由12个数据集（共2.1TB）组成，这些数据集是从多个来源合成的
  • 【论文研读】Detection of redundant expressions: A precise, efficient, and pragmatic algorithm in SSA. 被制作时长两年半的个人练习生 编程语言c++编译器值编号程序优化LLVM
    继续研读GVN领域的文章，又是一篇重要的文章，此文提出的算法已经在LLVM中实现为NewGVN。能够找到所有Herbrand等值关系且时间复杂度为polynomial。目录IntroductionTheProblemTerminologyBasicConceptAlgorithmCorrectnessproofandcomplexityanalysisExperimentalresultsRela
  • 【论文研读】Furthering Datalog in the pursuit of program analysis 被制作时长两年半的个人练习生 编程语言linux运维服务器
    最近准备开一个新坑，记录一下读过的一些论文，主要聚焦笔者在阅读过程中的感悟，一些重点算法的理解，以及笔者觉得可以改进的地方。本文为系列的第一篇，试试水先。本文选择的论文是FurtheringDataloginthepursuitofprogramanalysis。是一篇剑桥大学的博士论文，发现此文的契机是在对valuenumbering技术进行跟踪时发现了一篇2004年的APolynomial-T
  • 论文研读：基于统计重加权的方法减少通用回复 飞剑客阿飞
    论文研读：基于统计重加权的方法减少通用回复会议名称：EMNLP2018文章题目：TowardsLessGenericResponsesinNeuralConversationModels:AStatisticalRe-weightingMethod原文链接：https://link.zhihu.com/?target=https%3A//www.paperweekly.site/papers/24
  • 【论文研读】Minimax and Biobjective Portfolio Selection Based on Collaborative Neurodynamic Optimization 如果皮卡会coding 论文研读投资组合论文阅读minimax
    MinimaxandBiobjectivePortfolioSelectionBasedonCollaborativeNeurodynamicOptimization基于协同神经动力学优化的极大极小双目标投资组合选择文章目录MinimaxandBiobjectivePortfolioSelectionBasedonCollaborativeNeurodynamicOptimization一.基本信
  • 【10大专题，2.8w字详解】：从张量开始到GPT的《动手学深度学习》要点笔记 hadiii gpt深度学习笔记人工智能transformer
    《动手学深度学习PyTorch版》复习要点全记录专注于查漏补缺、巩固基础，这份笔记将带你深入理解深度学习的核心概念。通过一系列精心整理的小专题，逐步构建起你的AI知识框架。从最基础的张量操作，到最新的GPT模型，每个专题都配备了直观的图示和详细的公式解析。初版笔记以《动手学深度学习PyTorch版》书籍为基准，随后将根据视频讲解和最新论文研读内容进行实时更新。所有专题都配备了精美的图表和公式推导。
  • 论文研读：基于统计重加权的方法减少通用回复 飞剑客阿飞
    论文研读：基于统计重加权的方法减少通用回复会议名称：EMNLP2018文章题目：TowardsLessGenericResponsesinNeuralConversationModels:AStatisticalRe-weightingMethod原文链接：https://link.zhihu.com/?target=https%3A//www.paperweekly.site/papers/24
  • 基于边缘计算的电力智慧物联系统设计与实现（论文研读） 椒椒。 边缘计算人工智能大数据
    基于边缘计算的电力智慧物联系统设计与实现摘要：0引言1电力智慧物联系统架构设计1.1总体框架设计1.2物模型设计1.3边缘计算1.4交互协议1.5面向云边协同的智能生态1.5.1应用开发1.5.2智能生态1.5.3云边协同2实验验证及试点建设2.1实验测试2.1.1功能型测试2.1.2非功能性测试2.2现场试点建设3结语参考文献：基于边缘计算的电力智慧物联系统设计与实现.-论文研读崔恒志1,蒋承伶
  • FreeMatch: Self-adaptive Thresholding for Semi-supervised Learning[论文研读笔记2023的ICLR] 白兔1205 汇报论文人工智能
    原文链接：https://arxiv.org/abs/2205.07246代码链接：https://github.com/microsoft/Semi-supervised-learning作者视频讲解链接：https://www.bilibili.com/video/BV14L411k7De/?spm_id_from=333.999.0.0&vd_source=90e27a3caa4ef021d
  • 论文研读｜An Embarrassingly Simple Approach for Intellectual Property Rights Protection on RNNs _Meilinger_ 神经网络水印论文研读AI安全神经网络水印语言模型白盒水印版权保护模型水印RNN
    目录论文信息文章简介研究动机研究方法白盒水印水印信号构造黑盒水印触发集构造水印嵌入实验结果保真度&有效性鲁棒性抗移除攻击（RemovalAttack）抗模型剪枝（ModelPruning）抗微调攻击（Fine-Tuning）抗水印覆写攻击（Overwriting）抗伪造攻击（Anti-AmbiguityAttacl）隐蔽性迁移性CaseStudy方法评估相关文献论文信息论文名称：AnEmbarra
  • pointNet复现、论文和代码研读 苏钟白 python
    文章目录论文复现论文研读1.动机2.模型结构![在这里插入图片描述](https://img-blog.csdnimg.cn/286bc0bfc06846f690adde4979366977.png)3.实验效果4.总结代码研读模型什么时候保存，保存到哪里？模型训练的数据集？为什么是在CPU上运行的？运行的时候有输入gpu号如何测试模型的语义分割的效果？如何测试模型的分类效果？论文复现https:
  • RFNet模型论文和代码研读 苏钟白 python
    论文研读论文的代码：https://github.com/AHupuJR/RFNet论文动机截止到2020年，很少有实时的基于RGBD的分割模型。本文提出一种基于RGB-D的实时分割模型，可用于自动驾驶场景。模型的结构在编码器部分，两个独立的分支分别提取RGB的特征和深度的特征，RGB分支为主分支，深度分支为下级分支。每个分支都采用的ResNet18为骨干网络。深度分支输出的特征会通过AFC模块融
  • 论文研读｜Turning Your Weakness Into a Strength: Watermarking Deep Neural Networks by Backdooring _Meilinger_ 论文研读神经网络水印AI安全神经网络水印模型水印黑盒水印后门攻击深度学习
    目录论文信息文章简介研究动机研究方法水印生成水印嵌入版权验证实验结果保真度（Functionality-Preserving）&有效性（Effectiveness）鲁棒性（Unremovability）抗微调攻击抗伪造攻击（OwnershipPiracy）抗迁移学习ImageNet方法评估相关文献论文信息论文名称：TurningYourWeaknessIntoaStrength:Watermark
  • 论文研读｜Watermarking Deep Neural Networks for Embedded Systems _Meilinger_ 神经网络水印论文研读人工智能AI安全网络空间安全神经网络水印模型水印黑盒水印后门攻击
    目录论文信息文章简介研究动机研究方法水印生成水印嵌入版权验证实验结果方法评估有效性（Effectiveness）保真度（Fidelity）嵌入容量（Payload）假阳性（FalsePositiveRate）安全性（Security）篡改攻击（TamperingAttack）伪造攻击（GhostSignatureAttack）相关文献论文信息论文名称：WatermarkingDeepNeuralN
  • 论文研读｜Protecting Intellectual Property of Deep Neural Networks with Watermarking _Meilinger_ 神经网络水印论文研读人工智能深度学习机器学习AI安全神经网络水印黑盒水印后门攻击
    目录论文信息文章简介研究动机研究方法水印生成水印嵌入版权验证实验结果有效性（Effectiveness）高效性（ConvergeSpeed）保真度（Functionality）鲁棒性（Robustness）Anti-剪枝攻击（Pruning）Anti-微调攻击（Fine-tuning）安全性（Security）Anti-模型逆向攻击（ModelInversion）方法评估相关文献论文信息论文名称：
  • 论文研读 - share work - QPipe:一种并行流水线的查询执行引擎 yzs87 java开发语言
    QPipe：一种并行流水线的查询执行引擎QPipe:ASimultaneouslyPipelinedRelationalQueryEngine关系型数据库通常独立执行并发的查询，每个查询都需执行一系列相关算子。为了充分利用并发查询中的数据扫描与计算，现有研究提出了丰富的技术：从缓存磁盘页以构建物化视图到优化多查询。然而，现有研究所提出的思想本质上受现代以查询为中心的引擎设计哲学所限制。理想状态下，
  • MV-Map论文研读 高的好想出去玩啊 论文研读深度学习人工智能
    MV-MapMV-Map:OffboardHD-MapGenerationwithMulti-viewConsistency论文：https://arxiv.org/pdf/2305.08851.pdfcode：https://github.com/ZiYang-xie/MV-Map代码未开源总体网络结构简述论文首次提出以非车载的方式产生高精度地图。可以视为在HDMapNet的优化版本，多三阶段网
  • BEVFromer论文研读 高的好想出去玩啊 论文研读深度学习
    1.总体结构上图为BEVFormer在t时刻的网络结构。图(a)表示的是BEVFormer的encoder层。BEVFormer有6个encoder层，每一个encoder除了本文自定义的三个组件外都和传统的transformers结果一致。自定义的三个组件分别是网格状的BEVqueries，TSA和SCA。其中BEVqueries的参数是可学习的，它通过注意力机制查询多相机视角下的BEV空间特征
  • 论文研读｜生成式跨模态隐写发展综述 _Meilinger_ 文本隐写论文研读生成式隐写跨模态隐写SteganographyImageTextSpeech
    前言：本文介绍近5年来生成式跨模态隐写领域的相关工作。相关阅读：生成式文本隐写发展综述不同于文本隐写，跨模态隐写需要考虑不同模态间的相关性，常见的跨模态场景有：Image-to-Text（如图像描述）,Text-to-Speech（如语音助手）,Text-to-Image（如按文作画）等。下面对基于深度学习的生成式跨模态隐写相关工作进行介绍。[1]-基于图像描述的文本信息隐藏(北京邮电大学学报，2
  • 【连载】深度学习笔记14：CNN经典论文研读之Le-Net5及其Tensorflow实现 linux那些事
    在前几次笔记中，笔者基本上将卷积神经网络的基本原理给讲完了。从本次笔记开始，笔者在深度学习笔记中会不定期的对CNN发展过程中的经典论文进行研读并推送研读笔记。今天笔者就和大家一起学习卷积神经网络和深度学习发展历史上具有奠基性的经典论文之一的关于LeNet-5网络一文。LeNet-5是由具有卷积神经网络之父之美誉的YannLeCun在1998年发表在IEEE上面的一篇Gradient-basedle
  • TimeGAN学习记录 河马小白 GAN学习
    一、学习TimeGAN主要参考的链接如下：（1）知乎上的TimeGAN论文研读（2）csdn上的一篇博客，论文阅读：《TimeSeriesGenerativeAdversrialNetworks》（TimeGAN，时间序列GAN)（3）时间序列丨基于TimeGAN模型生成时间序列数据及其Python实践二、我的理解TimeGAN无预测功能，只是对数据进行了分段处理并可以捕捉时序特征，但效果并不好？
  • 第三周 YYYlan
    论文研读研究方向：插画与动画叠加效果的运用与表现1.付博宇.动画前期设计中插画艺术的应用[J].明日风尚,2020(06):33-34.https://kns.cnki.net/KXReader/Detail?autoLogin=1&TIMESTAMP=637381423548572500&DBCODE=CJFD&TABLEName=CJFDLASN2020&FileName=MRFS202006
  • 神经网络论文研读-多模态方向-综述研读(上) 丰。。 学报论文研读神经网络论文研读机器学习笔记神经网络人工智能深度学习
    翻译以机翻为主原文目录前言图1：LMU印章（左）风格转移到梵高的向日葵绘画（中）并与提示混合-梵高，向日葵-通过CLIP+VGAN（右）。在过去的几年中，自然语言处理（NLP）和计算机视觉中使用的方法取得了一些突破。除了对单模态模型的这些改进之外，大规模多模态方法已成为一个非常活跃的研究领域。在本次研讨会中，我们回顾了这些方法，并试图创建一个坚实的该领域的概述，从当前最先进的方法分别是深度学习的两
  • ASM系列六 利用TreeApi 添加和移除类成员 lijingyao8206 jvm动态代理ASM字节码技术TreeAPI
        同生成的做法一样，添加和移除类成员只要去修改fields和methods中的元素即可。这里我们拿一个简单的类做例子，下面这个Task类，我们来移除isNeedRemove方法，并且添加一个int 类型的addedField属性。   package asm.core; /** * Created by yunshen.ljy on 2015/6/
  • Springmvc-权限设计 bee1314 springWebjsp
    万丈高楼平地起。 权限管理对于管理系统而言已经是标配中的标配了吧，对于我等俗人更是不能免俗。同时就目前的项目状况而言，我们还不需要那么高大上的开源的解决方案，如Spring Security，Shiro。小伙伴一致决定我们还是从基本的功能迭代起来吧。 目标： 1.实现权限的管理（CRUD） 2.实现部门管理 （CRUD) 3.实现人员的管理 （CRUD） 4.实现部门和权限
  • 算法竞赛入门经典（第二版）第2章习题 CrazyMizzz c算法
    2.4.1 输出技巧 #include <stdio.h> int main() { int i, n; scanf("%d", &n); for (i = 1; i <= n; i++) printf("%d\n", i); return 0; } 习题2-2 水仙花数(daffodil
  • struts2中jsp自动跳转到Action 麦田的设计者 jspwebxmlstruts2自动跳转
    1、在struts2的开发中，经常需要用户点击网页后就直接跳转到一个Action，执行Action里面的方法，利用mvc分层思想执行相应操作在界面上得到动态数据。毕竟用户不可能在地址栏里输入一个Action（不是专业人士）   2、＜jsp:forward page="xxx.action" /＞ ，这个标签可以实现跳转，page的路径是相对地址,不同与jsp和j
  • php 操作webservice实例 IT独行者 PHPwebservice
    首先大家要简单了解了何谓webservice，接下来就做两个非常简单的例子，webservice还是逃不开server端与client端。我测试的环境为：apache2.2.11 php5.2.10做这个测试之前，要确认你的php配置文件中已经将soap扩展打开，即extension=php_soap.dll; OK 现在我们来体验webservice //server端 serve
  • Windows下使用Vagrant安装linux系统 _wy_ windowsvagrant
    准备工作： 下载安装 VirtualBox ：https://www.virtualbox.org/ 下载安装 Vagrant ：http://www.vagrantup.com/ 下载需要使用的 box ： 官方提供的范例：http://files.vagrantup.com/precise32.box 还可以在 http://www.vagrantbox.es/ 
  • 更改linux的文件拥有者及用户组(chown和chgrp) 无量 clinuxchgrpchown
    本文（转） http://blog.163.com/yanenshun@126/blog/static/128388169201203011157308/ http://ydlmlh.iteye.com/blog/1435157 一、基本使用： 使用chown命令可以修改文件或目录所属的用户：        命令
  • linux下抓包工具 矮蛋蛋 linux
    原文地址： http://blog.chinaunix.net/uid-23670869-id-2610683.html tcpdump -nn -vv -X udp port 8888 上面命令是抓取udp包、端口为8888 netstat -tln 命令是用来查看linux的端口使用情况 13 . 列出所有的网络连接 lsof -i 14. 列出所有tcp 网络连接信息 l
  • 我觉得mybatis是垃圾！：“每一个用mybatis的男纸，你伤不起” alafqq mybatis
    最近看了  每一个用mybatis的男纸，你伤不起 原文地址 ：http://www.iteye.com/topic/1073938 发表一下个人看法。欢迎大神拍砖； 个人一直使用的是Ibatis框架，公司对其进行过小小的改良； 最近换了公司，要使用新的框架。听说mybatis不错；就对其进行了部分的研究； 发现多了一个mapper层；个人感觉就是个dao；
  • 解决java数据交换之谜 百合不是茶 数据交换
    交换两个数字的方法有以下三种 ，其中第一种最常用   /* 输出最小的一个数 */ public class jiaohuan1 { public static void main(String[] args) { int a =4; int b = 3; if(a<b){ // 第一种交换方式 int tmep =
  • 渐变显示 bijian1013 JavaScript
    <style type="text/css"> #wxf { FILTER: progid:DXImageTransform.Microsoft.Gradient(GradientType=0, StartColorStr=#ffffff, EndColorStr=#97FF98); height: 25px; } </style>
  • 探索JUnit4扩展：断言语法assertThat bijian1013 java单元测试assertThat
    一.概述         JUnit 设计的目的就是有效地抓住编程人员写代码的意图，然后快速检查他们的代码是否与他们的意图相匹配。 JUnit 发展至今，版本不停的翻新，但是所有版本都一致致力于解决一个问题，那就是如何发现编程人员的代码意图，并且如何使得编程人员更加容易地表达他们的代码意图。JUnit 4.4 也是为了如何能够
  • 【Gson三】Gson解析{"data":{"IM":["MSN","QQ","Gtalk"]}} bit1129 gson
      如何把如下简单的JSON字符串反序列化为Java的POJO对象? {"data":{"IM":["MSN","QQ","Gtalk"]}}   下面的POJO类Model无法完成正确的解析：   import com.google.gson.Gson;
  • 【Kafka九】Kafka High Level API vs. Low Level API bit1129 kafka
    1. Kafka提供了两种Consumer API High Level Consumer API Low Level Consumer API(Kafka诡异的称之为Simple Consumer API，实际上非常复杂) 在选用哪种Consumer API时，首先要弄清楚这两种API的工作原理，能做什么不能做什么，能做的话怎么做的以及用的时候，有哪些可能的问题  
  • 在nginx中集成lua脚本：添加自定义Http头，封IP等 ronin47 nginx lua
    Lua是一个可以嵌入到Nginx配置文件中的动态脚本语言，从而可以在Nginx请求处理的任何阶段执行各种Lua代码。刚开始我们只是用Lua 把请求路由到后端服务器，但是它对我们架构的作用超出了我们的预期。下面就讲讲我们所做的工作。 强制搜索引擎只索引mixlr.com Google把子域名当作完全独立的网站，我们不希望爬虫抓取子域名的页面，降低我们的Page rank。 location /{
  • java-归并排序 bylijinnan java
    import java.util.Arrays; public class MergeSort { public static void main(String[] args) { int[] a={20,1,3,8,5,9,4,25}; mergeSort(a,0,a.length-1); System.out.println(Arrays.to
  • Netty源码学习-CompositeChannelBuffer bylijinnan javanetty
    CompositeChannelBuffer体现了Netty的“Transparent Zero Copy” 查看API（ http://docs.jboss.org/netty/3.2/api/org/jboss/netty/buffer/package-summary.html#package_description） 可以看到，所谓“Transparent Zero Copy”是通
  • Android中给Activity添加返回键 hotsunshine Activity
    // this need android:minSdkVersion="11" getActionBar().setDisplayHomeAsUpEnabled(true); @Override public boolean onOptionsItemSelected(MenuItem item) {
  • 静态页面传参 ctrain 静态
    $(document).ready(function () { var request = { QueryString : function (val) { var uri = window.location.search; var re = new RegExp("" + val + "=([^&?]*)", &
  • Windows中查找某个目录下的所有文件中包含某个字符串的命令 daizj windows查找某个目录下的所有文件包含某个字符串
    findstr可以完成这个工作。   [html]  view plain copy   >findstr /s /i "string" *.*   上面的命令表示，当前目录以及当前目录的所有子目录下的所有文件中查找"string&qu
  • 改善程序代码质量的一些技巧 dcj3sjt126com 编程PHP重构
    有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点，程序你只写一次，但以后会无数次的阅读。当你第二天回头来看你的代码 时，你就要开始阅读它了。当你把代码拿给其他人看时，他必须阅读你的代码。因此，在编写时多花一点时间，你会在阅读它时节省大量的时间。让我们看一些基本的编程技巧：    尽量保持方法简短    尽管很多人都遵
  • SharedPreferences对数据的存储 dcj3sjt126com
    SharedPreferences简介：                                                   &nbs
  • linux复习笔记之bash shell (2) bash基础 eksliang bashbash shell
    转载请出自出处： http://eksliang.iteye.com/blog/2104329 1.影响显示结果的语系变量（locale）  1.1locale这个命令就是查看当前系统支持多少种语系，命令使用如下： [root@localhost shell]# locale LANG=en_US.UTF-8 LC_CTYPE="en_US.UTF-8"
  • Android零碎知识总结 gqdy365 android
    1、CopyOnWriteArrayList add(E) 和remove(int index)都是对新的数组进行修改和新增。所以在多线程操作时不会出现java.util.ConcurrentModificationException错误。 所以最后得出结论：CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里，比如缓存。发生修改时候做copy，新老版本分离，保证读的高
  • HoverTree.Model.ArticleSelect类的作用 hvt Web.netC#hovertreeasp.net
    ArticleSelect类在命名空间HoverTree.Model中可以认为是文章查询条件类，用于存放查询文章时的条件，例如HvtId就是文章的id。HvtIsShow就是文章的显示属性，当为-1是，该条件不产生作用，当为0时，查询不公开显示的文章，当为1时查询公开显示的文章。HvtIsHome则为是否在首页显示。HoverTree系统源码完全开放，开发环境为Visual Studio 2013
  • PHP 判断是否使用代理 PHP Proxy Detector 天梯梦 proxy
    1. php 类 I found this class looking for something else actually but I remembered I needed some while ago something similar and I never found one. I'm sure it will help a lot of developers who try to
  • apache的math库中的回归——regression（翻译） lvdccyb Mathapache
    这个Math库，虽然不向weka那样专业的ML库，但是用户友好，易用。 多元线性回归，协方差和相关性（皮尔逊和斯皮尔曼），分布测试（假设检验，t，卡方，G），统计。   数学库中还包含，Cholesky，LU，SVD，QR，特征根分解，真不错。   基本覆盖了：线代，统计，矩阵， 最优化理论 曲线拟合 常微分方程 遗传算法（GA）， 还有3维的运算。。。
  • 基础数据结构和算法十三：Undirected Graphs (2) sunwinner Algorithm
      Design pattern for graph processing. Since we consider a large number of graph-processing algorithms, our initial design goal is to decouple our implementations from the graph representation
  • 云计算平台最重要的五项技术 sumapp 云计算云平台智城云
    云计算平台最重要的五项技术 1、云服务器 云服务器提供简单高效，处理能力可弹性伸缩的计算服务，支持国内领先的云计算技术和大规模分布存储技术，使您的系统更稳定、数据更安全、传输更快速、部署更灵活。 特性 机型丰富 通过高性能服务器虚拟化为云服务器，提供丰富配置类型虚拟机，极大简化数据存储、数据库搭建、web服务器搭建等工作； 仅需要几分钟，根据CP
  • 《京东技术解密》有奖试读获奖名单公布 ITeye管理员 活动
    ITeye携手博文视点举办的12月技术图书有奖试读活动已圆满结束，非常感谢广大用户对本次活动的关注与参与。  12月试读活动回顾： http://webmaster.iteye.com/blog/2164754 本次技术图书试读活动获奖名单及相应作品如下： 一等奖（两名） Microhardest：http://microhardest.ite
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他