黑码
黑码

笔记:关于GCN的学习理解(白话)

GCN就是把时域上的图,用拉普拉斯矩阵,或者别的矩阵进行频域上的表示,再在频域上进行卷积.

Q1:为什么要用时域转频域,因为时域不好表示各个点和相邻的点的邻接关系,因为不同的邻接关系需要不同的权值才能进行卷积神经网络,但基于图的谱分解可以表示.

Q2:如何在频域上进行卷积?

变为频域上的运算就可以更好结合图的特征,运算的话就用频域上的傅里叶函数变换.这样就可以在频域上算好卷积.

是将拉普拉斯矩阵表示图,同时刚好的性质是,傅里叶变换需要基底ewit,这个用拉普拉斯矩阵的特征函数就完成了两者的结合.

卷积定理：函数卷积的傅里叶变换是函数傅立叶变换的乘积，即对于函数    f(t) 与 h(t)两者的卷积是其函数傅立叶变换乘积的逆变换：

然后这个又可以是这个拉普拉斯矩阵的特征函数.

后面就是运算的变换了,上面基本就是核心了,错了也没关系,大概差不多这样就好.

补充:

笔记:关于GCN的学习理解(白话)_第1张图片

 

 

资料:Graph Convolutional Network（GCN）

https://www.zhihu.com/question/54504471/answer/332657604

GCN代码

https://github.com/FighterLYL/GraphNeuralNetwork

图神经网络之神器——PYTORCH GEOMETRIC 上手 & 实战

https://www.freesion.com/article/6420402611/

基于图卷积网络的半监督分类（GCN） | 高飞 | 集智图网络读书会

北京师范大学

https://www.bilibili.com/video/BV1uJ411U7qF

频域、谱域以及拉普拉斯算子在图上的应用

https://www.bilibili.com/video/BV164411x7L2?p=8

你可能感兴趣的:(GNN)

  • 图神经网络：挖掘关系数据中的宝藏
    图神经网络：挖掘关系数据中的宝藏在浩瀚的数据海洋中，蕴藏着一类特殊而强大的资源——关系数据。它们不是孤立的点，而是相互连接、彼此影响的复杂网络：社交平台上朋友的朋友、电商系统中商品与用户的互动、蛋白质分子内原子的结合、城市交通网中的道路连接……这些数据天然以图的形式存在，节点代表实体，边则承载着实体间千丝万缕的关系。传统的数据挖掘工具面对这些盘根错节的结构往往力不从心，而图神经网络（GNN）的崛起
  • GNN--知识图谱（逐步贯通基础到项目实践） 峙峙峙 图神经网络知识图谱人工智能
    原文仓库链接：知识图谱–贯通已有知识地图记录知识关系图谱和跨学科碰撞新启发知识图谱mermaid可能需要下载插件才能渲染线性代数神经网络深度学习框架硬件加速图论GNN框架交叉理解前向理解定义：前向理解：A–>B，A为B的基础铺垫知识，通过深入学习A对B有更好的理解01.LinearAlgebraforLinearLayerofNN从线性代数行列变换的角度看神经网络中的线性层线性代数矩阵乘法，可以理
  • TensorFlow图神经网络(GNN)入门指南 AI天才研究院 AI人工智能与大数据tensorflow神经网络人工智能ai
    TensorFlow图神经网络(GNN)入门指南关键词：TensorFlow、图神经网络、GNN、深度学习、图数据、节点嵌入、图卷积网络摘要：本文全面介绍如何使用TensorFlow实现图神经网络(GNN)。我们将从图数据的基本概念开始，深入探讨GNN的核心原理，包括图卷积网络(GCN)、图注意力网络(GAT)等流行架构，并通过TensorFlow代码示例展示如何构建和训练GNN模型。文章还将涵盖
  • 基于图神经网络的ALS候选药物预测模型设计与实现 神经网络15044 MATLAB专栏神经网络深度学习神经网络人工智能深度学习机器学习
    基于图神经网络的ALS候选药物预测模型设计与实现一、任务背景与意义肌萎缩侧索硬化症（ALS）是一种致命的神经退行性疾病，目前尚无有效治愈方法。传统药物发现流程耗时长、成本高，而人工智能技术为加速药物发现提供了新途径。本文设计并实现了一个基于图神经网络（GNN）的ALS候选药物预测模型，通过整合分子图结构信息和生物活性数据，实现对潜在治疗ALS化合物的高效筛选。二、系统架构设计
  • 百度7天GNN学习-图与图学习中 静静喜欢大白 pgl
    目录1链接预测分析图学习的主要任务链接预测（Linkprediction）1.相似度分数2.性能指标(Performancemetrics)完整代码输出2节点标记预测分析完整代码输出3图嵌入图嵌入（GraphEmbedding）1.节点嵌入(NodeEmbedding)2.边嵌入(EdgeEmbedding)3.图嵌入(GraphEmbedding)完整代码输出小结小结参考1链接预测分析图学习的
  • GNN多任务预测模型实现（二）：将EXCEL数据转换为图数据 走的远一些 神经网络知识分享知识备份人工智能深度学习
    目录一.引言二.加载和检查数据三.提取特征和标签四.标准化特征五.构建节点索引六.构建边及其特征七.总结八.结语一.引言在图神经网络（GraphNeuralNetworks,GNNs）的多任务学习场景中，数据预处理是至关重要的一步。尤其是当我们的数据存储在表格格式（如Excel文件）中时，如何有效地将其转换为图数据格式，是搭建GNN模型的基础。二.加载和检查数据第一步是加载数据并检查其格式。我们通
  • 顶会新方向！14篇图神经网络（GNN）最新顶会论文汇总！（含2024） AI科研技术派 神经网络人工智能深度学习
    图神经网络（GNN）是深度学习领域中备受关注的前沿课题，它在处理图结构数据方面展现出了强大的潜力，随着研究的不断深入，越来越多的优秀论文在顶级学术会议上涌现。今天就给大家整理了14篇顶会中发表的图神经网络优质论文，一起看看这方面的最新研究成果吧！AAAI20241、Fine-tuningGraphNeuralNetworksbyPreservingGraphGenerativePatterns通过
  • 图神经网络(GNN)模型的基本原理 xiaocai_6666 神经网络人工智能深度学习
    一、概述  在人工智能领域，数据的多样性促使研究人员不断探索新的模型与算法。传统的神经网络在处理像图像、文本这类具有固定结构的数据时表现出色，但面对具有不规则拓扑结构的图数据，如社交网络、化学分子结构、知识图谱等，却显得力不从心。  图神经网络（GraphNeuralNetworks,GNN）是一种直接在图结构数据上运行的神经网络，用于处理节点、边或整个图的特征信息。其核心思想是通过聚合邻域节点的
  • 《A Gentle Introduction to Graph Neural Networks》 欧先生^_^ 人工智能
    这篇《AGentleIntroductiontoGraphNeuralNetworks》是一篇非常经典且对新手友好的图神经网络入门文章。我将为你深入浅出地解读它的核心思想、关键概念和重要性。这篇论文（更像是一篇博客文章或教程）的主要目的不是提出新的模型，而是系统性地、直观地解释GNN到底是什么，为什么需要它，以及它是如何工作的。我会将解读分为以下几个部分：核心动机：为什么我们需要GNN？核心思想：
  • 一文解析13大神经网络算法模型架构 攻城狮7号 AI前沿技术要闻深度学习神经网络人工智能机器学习
    目录一、引言：神经网络的演进脉络二、基础架构：深度学习的基石2.1人工神经网络（ANN）2.2深度神经网络（DNN）三、专项任务架构：领域定制化突破3.1卷积神经网络（CNN）3.2循环神经网络（RNN）3.3图神经网络（GNN）四、生成模型：从数据到创造4.1生成对抗网络（GAN）4.2变分自编码器（VAE）4.3扩散模型（DiffusionModels）五、现代架构：大模型的核心引擎5.1Tr
  • 【人工智能】图神经网络（GNN）的推理方法 meisongqing 人工智能神经网络
    图神经网络（GNN）的推理方法是指利用训练好的模型对图结构数据（如节点、边或整个图）进行预测或决策的过程。其核心在于如何通过图的拓扑结构和节点/边特征，传播和聚合信息以实现目标任务的推理。以下是GNN的主要推理方法分类及其关键技术：1.按推理任务分类(1)节点级推理（Node-LevelInference）任务：预测单个节点的属性（如节点分类、回归）。方法：消息传递（MessagePassing）
  • Dijkstra算法对比图神经网络（GNN） 爱吃青菜的大力水手 算法神经网络人工智能自动化调度算法机器学习
    什么是AI模型？AI模型（人工智能模型）是一类模仿人类智能行为的数学模型或算法。它们通过从大量数据中学习，识别模式、做出预测或决策。常见的AI模型包括机器学习模型（如决策树、神经网络、支持向量机）和深度学习模型（如卷积神经网络CNN、循环神经网络RNN）。简单来说，AI模型就像一个“智能大脑”，通过训练数据来掌握某种技能，比如分类、预测或规划。AI模型如何使用到机器人调度算法中？机器人调度是指规划
  • 从零到前沿：2025年人工智能系统性学习路径与最新技术融合指南 小李独爱秋 人工智能人工智能学习
    一、构建人工智能认知框架（一）基础学科筑基数学核心能力线性代数：掌握矩阵运算（张量分解在推荐系统的应用）与特征值分析（PCA降维原理）概率统计：贝叶斯网络在医疗诊断中的应用，蒙特卡洛方法在强化学习的采样策略优化理论：2025年主流的元学习（Meta-Learning）框架中的二阶优化算法发展计算机科学基础数据结构：图神经网络（GNN）中的邻接矩阵存储优化操作系统：分布式训练中的GPU资源调度策略（
  • 面向实时性瓶颈的量子-神经拟态混合架构突破性解决方案 百态老人 架构
    一、光子量子加速器驱动GNN参数优化1.光子QUBO-GNN协同架构基于量子退火算法优化GNN参数更新的核心在于构建可微分量子-经典混合计算流。2025年部署的光子量子加速器采用以下创新设计：拓扑感知编码：将GNN参数更新路径映射为光子量子芯片上的波导干涉网络，通过硅基光子学器件实现QUBO矩阵的物理嵌入动态退火策略：在150ps级光子寿命周期内完成参数空间遍历，采用"脉冲退火"模式（图1）：H(
  • 图神经网络实战（12）——图同构网络(Graph Isomorphism Network, GIN) 盼小辉丶 图神经网络从入门到项目实战GNN图神经网络深度学习
    图神经网络实战（12）——图同构网络0.前言1.图同构网络原理2.构建GIN模型执行图分类2.1图分类任务2.2PROTEINS数据集分析2.3构建GIN实现图分类2.4GCN与GIN性能差异分析3.提升模型性能小结系列链接0.前言Weisfeiler-Leman(WL)测试提供了一个理解图神经网络(GraphNeuralNetworks,GNN)表达能力的框架，利用该框架我们比较了不同的GNN层
  • Geometric Vector Perceptron (GVP) 开源项目教程 梅昆焕Talia
    GeometricVectorPerceptron(GVP)开源项目教程gvp项目地址:https://gitcode.com/gh_mirrors/gvp/gvp1.项目介绍1.1项目概述GeometricVectorPerceptron(GVP)是一个用于从生物分子结构中学习的旋转等变图神经网络（GNN）。该项目由斯坦福大学的Dror实验室开发，旨在通过几何向量感知器来处理生物分子结构数据，特
  • 【GNN4Medical】GNN在医疗领域发展和应用 静静喜欢大白 医疗影像医学影像GNN人工智能癌症
    目录1、引入2、方法综述2021SensorsGraph-BasedDeepLearningforMedicalDiagnosisandAnalysis:Past,PresentandFuture图神经网络在智能诊断与预测中应用的指南和测试基准2022MechanicalSystemsandSignalProcessingTheemerginggraphneuralnetworksforintel
  • 图神经网络全解析：从基础概念到前沿应用 程序员小嬛 人工智能神经网络神经网络人工智能深度学习
    近年来，在从社交网络到分子生物学等众多领域中，数据以图形式表示的情况愈发常见。图神经网络（GraphNeuralNetwork,GNN）是专门针对图结构数据研发的，若想充分释放图表示的潜能，深入探究图神经网络就成为关键。在本部分内容里，我们将详细剖析图神经网络的基础概念，并弄清楚它们为何能成为现代数据分析和机器学习领域的关键工具。下面，我们将围绕这些要点，全面认识GNN。首先，我们会剖析图作为数据
  • 基于图神经网络（GNN）的机器人路径规划与环境理解 学习ing1 神经网络机器人人工智能
    1.图神经网络（GNN）基础1.1GNN定义与结构图神经网络（GNN）是一种用于处理图结构数据的深度学习模型。在机器人路径规划与环境理解中，GNN能够有效处理环境中的拓扑结构信息。GNN的基本结构由节点（如机器人、障碍物、目标点等）和边（表示节点之间的关系）组成。每个节点都有自己的特征向量，边则表示节点之间的连接关系。例如，在一个室内环境中，机器人可以作为中心节点，周围的墙壁、家具等作为其他节点，
  • (GNN) Graphormer：Transformers在图表示中的表现真的很差吗？ 无声之钟 图神经网络入门到精通人工智能
    摘要Transformer架构已经成为许多领域的主流选择，例如自然语言处理和计算机视觉。然而，与主流的GNN变体相比，它在图级预测的热门排行榜上尚未取得竞争力的表现。因此，如何使Transformer在图表示学习中表现良好仍然是一个谜。在本文中，我们通过提出Graphormer来解决这个谜题，Graphormer基于标准的Transformer架构，可以在广泛的图表示学习任务中取得出色的结果，尤其
  • 大模型驱动的人造板胶水仿真实验：从分子模拟到工艺优化 davysiao AI应用随记人工智能机器学习算法
    一、引言人造板胶水的性能直接影响板材的强度、耐水性和环保性。传统实验方法需反复试错，成本高且周期长。本文提出一种基于大模型的仿真实验框架，结合分子动力学模拟、图神经网络（GNN）和化学大语言模型（如ChemGPT），实现胶水配方设计、反应过程模拟和性能预测的全流程自动化。以PMDI（多亚甲基多苯基异氰酸酯）胶水为例，展示如何通过大模型加速研发进程。二、技术框架与核心模块1.分子动力学模拟（MD）工
  • low pass filtering / high pass filtering 所谓远行Misnearch 图网络低通滤波GNN
    在图神经网络（GNN）中，低通滤波（low-passfiltering）特性是指网络在学习图节点表示时，倾向于保留图结构中局部相似节点之间的信息，同时平滑掉图中的不相关信息。这种特性使得GNN能够捕捉到节点的局部结构特征，并且能够在信息传播过程中忽略掉远离当前节点的、噪声较多的部分。低通滤波的类比为了更好理解GNN编码器中的低通滤波特性，我们可以借用传统信号处理中的滤波器类比。信号处理中的滤波器可
  • 论文阅读笔记：Graph Matching Networks for Learning the Similarity of Graph Structured Objects 游离态GLZ不可能是金融技术宅 知识图谱机器学习深度学习人工智能
    论文做的是用于图匹配的神经网络研究，作者做出了两点贡献:证明GNN可以经过训练，产生嵌入graph-leve的向量可以用于相似性计算。作者提出了一种新的基于注意力的跨图匹配机制GMN(cross-graphattention-basedmatchingmechanism)，来计算出一对图之间的相似度评分。（核心创新点）论文证明了该模型在不同领域的有效性，包括具有挑战性的基于控制流图(control
  • 图神经网络实战（9）——GraphSAGE详解与实现 盼小辉丶 图神经网络从入门到项目实战图神经网络GNNpytorch
    图神经网络实战（9）——GraphSAGE详解与实现0.前言1.GraphSAGE原理1.1邻居采样1.2聚合2.构建GraphSAGE模型执行节点分类2.1数据集分析2.2构建GraphSAGE模型3.PinSAGE小结系列链接0.前言GraphSAGE是专为处理大规模图而设计的图神经网络(GraphNeuralNetworks,GNN)架构。在科技行业，可扩展性是推动系统增长的关键驱动力。因此
  • 机器学习AI/ML/CV/NLP/GNN算法公式汇总Latex代码 rockingdingo tensorflow大数据自然语言处理算法深度学习机器学习
    图学习和LinkPrediction任务KnowledgeGraphLinkPredictionEquationsAndLatexCodehttp://www.deepnlp.org/blog/knowledge-graph-link-prediction小样本学习和零样本学习公式的Latex代Few-ShotLearningAndZero-ShotLearningEquationsLatexCo
  • 图神经网络：拓扑数据分析的新时代 Jason_Orton 神经网络数据分析人工智能
    随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。图数据在许多现实世界问题中无处不在，诸如社交网络、交通网络、分子结构、推荐系统等都可以被建模为图结构。图神经网络通过直接处理图结构数据，能够更好地捕捉节点之间的关系信息，从而在众多任务中展现出了优异的性能。本文将深入探讨图神经网络的基本原理、常见的算法、应用
  • DeepSeek 高阶应用技术详解（4） Evaporator Core #DeepSeek快速入门DeepSeek进阶开发与应用deepseek
    1.引言在前三篇中，我们探讨了DeepSeek的基础功能、分布式训练、模型优化、模型解释性、超参数优化以及AutoML的应用。本篇将深入探讨DeepSeek在时间序列分析、图神经网络（GNN）和推荐系统中的应用。这些领域是深度学习的前沿方向，具有广泛的实际应用价值。2.DeepSeek在时间序列分析中的应用2.1时间序列分析简介时间序列分析是处理时间相关数据的重要技术，广泛应用于金融、气象、医疗等
  • ＜深入浅出图神经网络＞ 读书笔记 数学工具构造器 GNN
    文章目录笔记GNN代码chapter5|GCN分析TODO改代码得到的结论chapter6|GraphSage分析TODO去今年刚出就买了.一查豆瓣评分比我想的还低(我这种小白都能看出一些错误),有1说1对于入门还是可以的,至少能知道GNN大概的发展路线,如图卷积→\rightarrow→GCN→\rightarrow→GNN等.如果小白直接上手GNN啥的,连图滤波,空域频域等概念都不知道,也只能
  • IGModel——提高基于 GNN与Attention 机制的方法在药物发现中的实用性 Jackie_AI 计算机视觉stablediffusion自然语言处理语言模型Imagen
    IGModel——提高基于GNN与Attention机制的方法在药物发现中的实用性导言深度学习在药物发现（发现治疗药物）领域的应用以及传统方法面临的挑战。药物（尤其是我们将在本文中讨论的被称为抑制剂的药物）通过与在人体中发挥不良功能的蛋白质结合并改变这些蛋白质的功能来发挥治疗效果。因此，在设计药物时，必须优化这些结合的亲和力和药理特性，并准确预测蛋白质与药物之间的相互作用。近年来，人们尤其提倡使用
  • arXiv综述论文“Graph Neural Networks: A Review of Methods and Applications” 硅谷秋水 自动驾驶
    arXiv于2019年7月10日上载的GNN综述论文“GraphNeuralNetworks:AReviewofMethodsandApplications“。摘要：许多学习任务需要处理图数据，该图数据包含元素之间的丰富关系信息。建模物理系统、学习分子指纹、预测蛋白质界面以及对疾病进行分类都需要一个模型从图输入学习。在其他如文本和图像之类非结构数据学习的领域中，对提取的结构推理，例如句子的依存关系
  • Js函数返回值 _wy_ jsreturn
    一、返回控制与函数结果，语法为：return 表达式;作用: 结束函数执行，返回调用函数，而且把表达式的值作为函数的结果 二、返回控制语法为：return;作用: 结束函数执行，返回调用函数，而且把undefined作为函数的结果 在大多数情况下,为事件处理函数返回false,可以防止默认的事件行为.例如,默认情况下点击一个<a>元素,页面会跳转到该元素href属性
  • MySQL 的 char 与 varchar bylijinnan mysql
    今天发现，create table 时，MySQL 4.1有时会把 char 自动转换成 varchar 测试举例： CREATE TABLE `varcharLessThan4` ( `lastName` varchar(3) ) ; mysql> desc varcharLessThan4; +----------+---------+------+-
  • Quartz——TriggerListener和JobListener eksliang TriggerListenerJobListenerquartz
    转载请出自出处：http://eksliang.iteye.com/blog/2208624 一.概述 listener是一个监听器对象，用于监听scheduler中发生的事件，然后执行相应的操作；你可能已经猜到了，TriggerListeners接受与trigger相关的事件，JobListeners接受与jobs相关的事件。   二.JobListener监听器  j
  • oracle层次查询 18289753290 oracle；层次查询；树查询
    .oracle层次查询(connect  by) oracle的emp表中包含了一列mgr指出谁是雇员的经理，由于经理也是雇员，所以经理的信息也存储在emp表中。这样emp表就是一个自引用表，表中的mgr列是一个自引用列，它指向emp表中的empno列，mgr表示一个员工的管理者， select   empno,mgr,ename,sal  from e
  • 通过反射把map中的属性赋值到实体类bean对象中 酷的飞上天空 javaee泛型类型转换
    使用过struts2后感觉最方便的就是这个框架能自动把表单的参数赋值到action里面的对象中 但现在主要使用Spring框架的MVC，虽然也有@ModelAttribute可以使用但是明显感觉不方便。 好吧，那就自己再造一个轮子吧。 原理都知道，就是利用反射进行字段的赋值，下面贴代码 主要类如下：   import java.lang.reflect.Field; imp
  • SAP HANA数据存储：传统硬盘的瓶颈问题 蓝儿唯美 HANA
    SAPHANA平台有各种各样的应用场景，这也意味着客户的实施方法有许多种选择，关键是如何挑选最适合他们需求的实施方案。 在 《Implementing SAP HANA》这本书中，介绍了SAP平台在现实场景中的运作原理，并给出了实施建议和成功案例供参考。本系列文章节选自《Implementing SAP HANA》，介绍了行存储和列存储的各自特点，以及SAP HANA的数据存储方式如何提升空间压
  • Java Socket 多线程实现文件传输 随便小屋 javasocket
            高级操作系统作业，让用Socket实现文件传输，有些代码也是在网上找的，写的不好，如果大家能用就用上。 客户端类：   package edu.logic.client; import java.io.BufferedInputStream; import java.io.Buffered
  • java初学者路径 aijuans java
    学习Java有没有什么捷径?要想学好Java，首先要知道Java的大致分类。自从Sun推出Java以来，就力图使之无所不包，所以Java发展到现在，按应用来分主要分为三大块：J2SE,J2ME和J2EE,这也就是Sun ONE(Open Net Environment)体系。J2SE就是Java2的标准版，主要用于桌面应用软件的编程；J2ME主要应用于嵌入是系统开发，如手机和PDA的编程；J2EE
  • APP推广 aoyouzi APP推广
    一，免费篇 1，APP推荐类网站自主推荐 最美应用、酷安网、DEMO8、木蚂蚁发现频道等,如果产品独特新颖，还能获取最美应用的评测推荐。PS：推荐简单。只要产品有趣好玩，用户会自主分享传播。例如足迹APP在最美应用推荐一次，几天用户暴增将服务器击垮。 2，各大应用商店首发合作 老实盯着排期，多给应用市场官方负责人献殷勤。 3，论坛贴吧推广 百度知道，百度贴吧，猫扑论坛，天涯社区，豆瓣（
  • JSP转发与重定向 百合不是茶 jspservletJava Webjsp转发
      在servlet和jsp中我们经常需要请求,这时就需要用到转发和重定向;   转发包括;forward和include     例子;forwrad转发;  将请求装法给reg.html页面   关键代码;    req.getRequestDispatcher("reg.html
  • web.xml之jsp-config bijian1013 javaweb.xmlservletjsp-config
    1.作用：主要用于设定JSP页面的相关配置。 2.常见定义： <jsp-config> <taglib> <taglib-uri>URI(定义TLD文件的URI,JSP页面的tablib命令可以经由此URI获取到TLD文件)</tablib-uri> <taglib-location> TLD文件所在的位置
  • JSF2.2 ViewScoped Using CDI sunjing CDIJSF 2.2ViewScoped
    JSF 2.0 introduced annotation @ViewScoped; A bean annotated with this scope maintained its state as long as the user stays on the same view(reloads or navigation - no intervening views). One problem w
  • 【分布式数据一致性二】Zookeeper数据读写一致性 bit1129 zookeeper
    很多文档说Zookeeper是强一致性保证，事实不然。关于一致性模型请参考http://bit1129.iteye.com/blog/2155336    Zookeeper的数据同步协议 Zookeeper采用称为Quorum Based Protocol的数据同步协议。假如Zookeeper集群有N台Zookeeper服务器(N通常取奇数，3台能够满足数据可靠性同时
  • Java开发笔记 白糖_ java开发
    1、Map<key,value>的remove方法只能识别相同类型的key值   Map<Integer,String> map = new HashMap<Integer,String>(); map.put(1,"a"); map.put(2,"b"); map.put(3,"c"
  • 图片黑色阴影 bozch 图片
     .event{ padding:0;    width:460px;    min-width: 460px;    border:0px solid #e4e4e4;    height: 350px;    min-heig
  • 编程之美-饮料供货-动态规划 bylijinnan 动态规划
    import java.util.Arrays; import java.util.Random; public class BeverageSupply { /** * 编程之美 饮料供货 * 设Opt（V’，i）表示从i到n-1种饮料中，总容量为V’的方案中，满意度之和的最大值。 * 那么递归式就应该是：Opt（V’，i）=max{ k * Hi+Op
  • ajax大参数（大数据）提交性能分析 chenbowen00 WebAjax框架浏览器prototype
    近期在项目中发现如下一个问题 项目中有个提交现场事件的功能，该功能主要是在web客户端保存现场数据（主要有截屏，终端日志等信息）然后提交到服务器上方便我们分析定位问题。客户在使用该功能的过程中反应点击提交后反应很慢，大概要等10到20秒的时间浏览器才能操作，期间页面不响应事件。 根据客户描述分析了下的代码流程，很简单，主要通过OCX控件截屏，在将前端的日志等文件使用OCX控件打包，在将之转换为
  • [宇宙与天文]在太空采矿,在太空建造 comsci
         我们在太空进行工业活动...但是不太可能把太空工业产品又运回到地面上进行加工,而一般是在哪里开采,就在哪里加工,太空的微重力环境,可能会使我们的工业产品的制造尺度非常巨大....      地球上制造的最大工业机器是超级油轮和航空母舰,再大些就会遇到困难了,但是在空间船坞中,制造的最大工业机器,可能就没
  • ORACLE中CONSTRAINT的四对属性 daizj oracleCONSTRAINT
    ORACLE中CONSTRAINT的四对属性 summary:在data migrate时,某些表的约束总是困扰着我们,让我们的migratet举步维艰,如何利用约束本身的属性来处理这些问题呢?本文详细介绍了约束的四对属性: Deferrable/not deferrable, Deferred/immediate, enalbe/disable, validate/novalidate,以及如
  • Gradle入门教程 dengkane gradle
    一、寻找gradle的历程 一开始的时候，我们只有一个工程，所有要用到的jar包都放到工程目录下面，时间长了，工程越来越大，使用到的jar包也越来越多，难以理解jar之间的依赖关系。再后来我们把旧的工程拆分到不同的工程里，靠ide来管理工程之间的依赖关系，各工程下的jar包依赖是杂乱的。一段时间后，我们发现用ide来管理项程很不方便，比如不方便脱离ide自动构建，于是我们写自己的ant脚本。再后
  • C语言简单循环示例 dcj3sjt126com c
    # include <stdio.h> int main(void) { int i; int count = 0; int sum = 0; float avg; for (i=1; i<=100; i++) { if (i%2==0) { count++; sum += i; } } avg
  • presentModalViewController 的动画效果 dcj3sjt126com controller
    系统自带(四种效果)： presentModalViewController模态的动画效果设置：     [cpp]  view plain copy   UIViewController *detailViewController = [[UIViewController al
  • java 二分查找 shuizhaosi888 二分查找java二分查找
    需求：在排好顺序的一串数字中，找到数字T   一般解法：从左到右扫描数据，其运行花费线性时间O(N)。然而这个算法并没有用到该表已经排序的事实。 /** * * @param array * 顺序数组 * @param t * 要查找对象 * @return */ public stati
  • Spring Security（07）——缓存UserDetails 234390216 ehcache缓存Spring Security
           Spring Security提供了一个实现了可以缓存UserDetails的UserDetailsService实现类，CachingUserDetailsService。该类的构造接收一个用于真正加载UserDetails的UserDetailsService实现类。当需要加载UserDetails时，其首先会从缓存中获取，如果缓存中没
  • Dozer 深层次复制 jayluns VOmavenpo
    最近在做项目上遇到了一些小问题，因为架构在做设计的时候web前段展示用到了vo层，而在后台进行与数据库层操作的时候用到的是Po层。这样在业务层返回vo到控制层，每一次都需要从po-->转化到vo层，用到BeanUtils.copyProperties(source, target)只能复制简单的属性，因为实体类都配置了hibernate那些关联关系，所以它满足不了现在的需求，但后发现还有个很
  • CSS规范整理（摘自懒人图库） a409435341 htmlUIcss浏览器
       刚没事闲着在网上瞎逛，找了一篇CSS规范整理，粗略看了一下后还蛮有一定的道理，并自问是否有这样的规范，这也是初入前端开发的人一个很好的规范吧。 一、文件规范 1、文件均归档至约定的目录中。 具体要求通过豆瓣的CSS规范进行讲解： 所有的CSS分为两大类：通用类和业务类。通用的CSS文件，放在如下目录中： 基本样式库 /css/core
  • C++动态链接库创建与使用 你不认识的休道人 C++dll
    一、创建动态链接库 1.新建工程test中选择”MFC [dll]”dll类型选择第二项"Regular DLL With MFC shared linked"，完成 2.在test.h中添加 extern “C” 返回类型 _declspec(dllexport)函数名(参数列表); 3.在test.cpp中最后写 extern “C” 返回类型 _decls
  • Android代码混淆之ProGuard rensanning ProGuard
    Android应用的Java代码，通过反编译apk文件（dex2jar、apktool）很容易得到源代码，所以在release版本的apk中一定要混淆一下一些关键的Java源码。 ProGuard是一个开源的Java代码混淆器（obfuscation）。ADT r8开始它被默认集成到了Android SDK中。 官网： http://proguard.sourceforge.net/
  • 程序员在编程中遇到的奇葩弱智问题 tomcat_oracle jquery编程ide
    　　现在收集一下：       　　排名不分先后，按照发言顺序来的。   1、Jquery插件一个通用函数一直报错，尤其是很明显是存在的函数，很有可能就是你没有引入jquery。。。或者版本不对 2、调试半天没变化：不在同一个文件中调试。这个很可怕，我们很多时候会备份好几个项目，改完发现改错了。有个群友说的好：   在汤匙
  • 解决maven-dependency-plugin (goals "copy-dependencies","unpack") is not supported xp9802 dependency
    解决办法：在plugins之前添加如下pluginManagement，二者前后顺序如下：   [html]  view plain copy   <build>           <pluginManagement
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他