- 某公司遭遇AI换脸诈骗,被骗走两个亿!
夕小瑶
人工智能
大家好我是二狗。这年头,AI换脸不是个新鲜事了。但是你敢信香港一公司因此被骗了两亿港元?事情究竟是怎么一回事呢?据香港文区报2月4日报道,香港警方披露首宗多人换脸AI诈骗案,一家总部在英国的跨国公司的香港分公司被AI换脸技术骗走2亿港元(折合约1.8亿人民币)。具体如何骗的?据警方透露,骗子先是搜集了该公司英国高层在YouTube上公开的影像,然后再利用人工智能「Deepfake」技术伪造英国高层
- ICCV 2023 | 8篇论文看扩散模型diffusion用于图像检测任务:动作检测、目标检测、异常检测、deepfake检测...
机器学习与AI生成创作
目标检测人工智能计算机视觉
1、动作检测DiffTAD:TemporalActionDetectionwithProposalDenoisingDiffusion基于扩散方法提出一种新的时序动作检测(TAD)算法,简称DiffTAD。以随机时序proposals作为输入,可以在未修剪的长视频中准确生成动作proposals。从生成建模的视角,与先前的判别学习方法不同。首先将真实proposals从正向扩散到随机proposa
- 香港公司员工遭遇2亿港币Deepfake诈骗; 阿里巴巴Qwen1.5震撼发布;通义千问App推新功能迎佳节
go2coding
AI日报人工智能
AI新闻香港公司员工遭遇2亿港币Deepfake诈骗摘要:近日,香港一家英国跨国企业的员工被Deepfake技术仿造的视频诈骗,损失2亿港币。骗子通过伪造高管的面貌和声音,用视频会议的形式命令其转账,该员工误信五天后方察觉受骗。这次诈骗使用了AI换脸和音频合成技术,提升了诈骗的可信度,警方目前正在调查中。此外,Deepfake技术引发的泛滥问题引起社会广泛关注,包括泰勒斯威夫特的AI艳照事件,促使
- 论文阅读《thanking frequency fordeepfake detection》
一只发呆的猪
论文阅读计算机视觉人工智能
项目链接:https://github.com/yyk-wew/F3Net这篇论文从频域的角度出发,提出了频域感知模型用于deepfake检测的模型整体架构图:1.FAD:频域感知分解,其实就是利用DCT变换,将空间域转换为频域,变换后的图像低频信息在左上角,高频信息在右下角,同时高频表示细粒度的伪造痕迹,因为进过DCT变换后的图像不再具有尺度不变性和局部相关性的RGB图像特性,故需要对其进行ID
- 图像检测系列之(12)异常检测(13)拼接伪造(14)deepfake | ICCV2021生成对抗GAN汇总梳理...
机器学习与AI生成创作
扩散模型与GAN生成对抗网络计算机视觉机器学习人工智能深度学习神经网络
(1)GAN改进系列|最新ICCV2021生成对抗网络GAN论文梳理汇总图像编辑系列之(2)基于StyleGAN(3)GAN逆映射(4)人脸(5)语义生成|ICCV2021生成对抗GAN梳理汇总图像恢复系列之(6)超分(7)反光去除(8)光斑去除(9)阴影去除(10)水下图像失真去除|ICCV2021生成对抗GAN图像恢复系列(11)之修复(inpainting)|最新ICCV2021生成对抗网络
- 图像处理之《用于统一源跟踪和深度伪造检测的深度可分离水印SepMark》论文精读
Hard Coder
图像处理图像处理水印SepMark主动防御被动防御
一、文章摘要恶意的Deepfakes导致了一场关于区分真脸和伪造脸的激烈冲突。尽管已经制定了许多事后检测Deepfakes的对策,但毫无疑问,在可预见的操作之前,被动取证没有考虑对原始人脸采取任何预防措施。为了完成这个取证生态系统,我们提出了名为SepMark的主动式解决方案,该解决方案为源跟踪和Deepfake检测提供了统一的框架。SepMark源自基于编码器-解码器的深度水印,但具有两个可分离
- 【ICCV2019】论文阅读FaceForensics++: Learning to Detect Manipulated Facial Images
yipala
论文阅读伪造人脸数据检测论文阅读
FaceForensics++:LearningtoDetectManipulatedFacialImagesFaceForensics++:是一个面部伪造数据集,它使研究人员能够以有监督的方式训练基于深度学习的方法。数据集包含使用四种最新方法创建的操作,即Face2Face、FaceSwap、DeepFakes和NeuralTextures。Abstract:合成图像生成和操纵的快速发展引起人们
- Self-supervised Learning of Adversarial Example: Towards Good Generalizations for Deepfake Detection
二苏旧局吖
计算机视觉
一、研究背景将Deepfake检测器用于不可见的伪造手段仍比较困难。先有提升检测器泛化性能的思路有两种,但都有缺陷:合成伪造数据:能合成的伪造类型比较有限。提取共有特征:共有特征对预处理步骤敏感,在不同数据集中呈现较大差异。二、研究动机泛化性好的表征应该对多种类型的伪造都很敏感。三、研究目标通过合成对抗性数据来提升深度伪造检测器的泛化性能:1.利用伪造配置池合成伪造数据来增加伪造的“多样性”。(配
- 2022-ECCV-Hierarchical Contrastive Inconsistency Learning for Deepfake Video Detection
二苏旧局吖
人工智能计算机视觉
一、研究背景1.真实视频和伪造视频的面部动作规律不同,二者的时序信息不一致性可以作为识别深度伪造的有效线索。2.现有的方法倾向于施加二分类监督,限制了模型只能关注类别层面的差异。3.存在只有某一部分被篡改的视频。4.现有伪造手段比较成熟,在单张图片上难以找到伪造痕迹。二、研究动机时间不一致性揭示了真实视频和伪造视频之间不一致的面部动作,因此应该通过比较来挖掘。三、研究目标1.进行局部和全局对比。2
- 2022-ECCV-Explaining Deepfake Detection by Analysing Image Matching
二苏旧局吖
人工智能
一、研究背景1.大量工作将深度伪造检测作为一个二分类任务并取得了良好的性能。2.理解模型如何在二分类标签的监督下学习伪造相关特征仍难是个艰巨的任务。3.视觉概念:具有语义的人脸区域,如嘴、鼻子、眼睛。二、研究目标1.验证假设,并从图像匹配的角度评估视觉概念的关系,以此解释检测模型的预测结果。2.解释深度伪造检测模型如何在二分类标签的监督下学习伪影特征。3.习得更好的检测模型,提高在压缩视频上的伪造
- 哥又来看论文了《Deepfake Video Detection Using Convolutional Vision Transformer》
一只发呆的猪
transformer深度学习人工智能
我对这篇论文的评价:很水但平易近人!适合我这个小白(憨憨)看~论文的整体架构图:论文解读:首先看看人家摘要写的:1.我们在DeepFake检测挑战数据集(DFDC)上训练我们的模型,并实现了91.5%的准确率,AUC值为0.91,损失值为0.32。2.我们的贡献是我们在ViT架构中添加了一个CNN模块,并在DFDC数据集上取得了具有竞争力的结果。卷积VIT(卷积与vit的结合)模型架构由两部分组成
- HW06 GAN来生成卡通人物头像- simple
闪闪发亮的小星星
李宏毅机器学习课程学习笔记生成对抗网络人工智能神经网络
simple-GAN理论生成对抗网络(GAN)是最近十年来比较火爆的技术之一,被誉为21世纪最有趣的创想。GAN作为生成网络,自然是可以生成诸多形式的数据,这些数据甚至是现实世界中不曾存在的。例如,最近非常火爆的换脸技术,或者是称为DeepFake,就是GAN的杰作(当然不可能是最原始的GAN),能以假乱真的更换图片视频中的人的脸,因此这项技术也经常被用于各种犯罪(懂的都懂~)。其基本思想就是利用
- SolidWorks二次开发遇到的错误
周杰伦fans
SolidWorks二次开发c#
System.Runtime.InteropServices.COMException:“检索COM类工厂中CLSID为{545470A9-EF3C-4FC0-AA89-9676EE0BF318}的组件失败,原因是出现以下错误:80040154没有注册类(异常来自HRESULT:0x80040154(REGDB_E_CLASSNOTREG))。”这里是因为Face2face=newFace2();
- CVPR 2023 | 最全 AIGC 论文清单汇总版,30个方向130篇!
机器学习与AI生成创作
AIGC
本文为清单版本,详细内容梳理版见:6万字!30个方向130篇!CVPR2023最全AIGC论文!一口气读完关注公众号【机器学习与AI生成创作】公众号,在后台回复AIGC(长按红字、选中复制)即可获取分类、按文件夹汇总好的论文集,gan起来吧!!!目录1、图像转换/翻译2、GAN改进/可控3、可控文生图/定制化文生图4、图像恢复5、布局可控生成6、医学图像7、人脸相关8、3D相关9、deepfake
- AI“傀儡术”或再掀视频伪造热潮!道翰天琼认知智能机器人平台API接口大脑为您揭秘-54
认知智能大脑
自然语言处理神经网络机器学习深度学习
如今,视频内容创作的门槛是越来越低了,DeepFake就是个典型例子。只需要参考人脸的数据和人物视频素材,DeepFake就可以方便地将视频中的人物的脸部换成参考人脸的脸部。随着恶搞视频的增加,DeepFake已经受到了人们的抵制,学术界也开发出越来越多的方法用于检测DeepFake视频。但是,伪造视频还有另一种思路,不在脸上动手脚,而是在语音上动歪脑筋。在学术界中,人们开始关注另一项转换技术,就
- DFIL: Deepfake Incremental Learning by Exploiting Domain-invariant Forgery Clues
二苏旧局吖
计算机视觉
一、研究背景1.在大规模数据集上训练后,DeepfakeDetection模型通常可以准确识别已知方法生成的伪造图像。2.由于数据分布的差异,模型检测新技术生成的图片时准确率显著降低。3.亟需一种能够应对多种潜在伪造方法的检测模型。二、研究动机1.难以获取足够新增伪造方法样本,依赖少量样本更新特征分布会造成过拟合。2.伪造检测任务存在数据不平衡问题,新增伪造方法样本远少于已知伪造方法。3.对齐新旧
- Towards Understanding the Generalization of Deepfake Detectors from a Game-Theoretical View
二苏旧局吖
计算机视觉
一、研究背景1.以往提升检测器泛化性能的工作分为两类:合成新的数据来丰富伪造特征设计特殊模块来关注具有普遍性的伪造痕迹2.上述工作通常是反映人类对伪造痕迹的理解,因此不能探究检测器中特征表示的泛化机制。二、研究动机1.检测器编码视觉概念间的多阶交互,其中的低阶交互通常对检测有很大的负面影响。2.具有良好泛化性能的检测器倾向于编码具有较少负面影响的低阶交互。3.大多数检测器通过抑制低阶相互作用的强度
- Masked Relation Learning for DeepFake Detection
二苏旧局吖
计算机视觉
一、研究背景1.现有deepfake检测方法大多关注于局部伪影或面部不协调,较少挖掘局部区域间的关系。2.现有关系挖掘类的工作往往忽略了关系信息的传播。3.遮挡建模在减轻信息冗余的同时促进高级语义信息(诱导性偏差较小)的挖掘,有助于提升网络的泛化性能。二、研究动机1.Deepfake技术会单独操纵视频中的每一帧,伪造结果缺乏时间连贯性。基于视频的检测技术更加关注相邻帧之间的时间不连贯性和时空不一致
- 只有一个源视频的Deepfakes简介
woshicver
python深度学习机器学习人工智能神经网络
Deepfakes简介Deepfakes是人工智能生成的任何人或名人的合成视频,它冒充真实的人,并让他们采取行动或说出他们从未做过的任何事情。Deepfake的创建过程在技术上很复杂,通常需要大量数据,然后将这些数据输入神经网络以训练和生成合成视频。Deepfakes的影响Deepfakes和AI虚拟形象可能会产生不同的影响,具体取决于其使用方式。虽然deepfake的负面影响可能令人恐惧,但它在
- 合工大《数字媒体技术》课程调研报告-视频伪造
晓宜
媒体音视频人工智能
2022年《数字媒体技术》课程调研报告“视频伪造”技术调研日期:2022.10.01调研报告摘要众所周知,人工智能正迎来第三次发展浪潮,它既给社会发展带来了巨大机遇,同时也带来了诸多风险,人工智能对国家安全的影响已成为世界各国的重要关切和研究议程。作为人工智能深度学习领域的一个分支,Deepfake(深度伪造)技术在近几年迅速兴起,为国家间的政治抹黑、军事欺骗、经济犯罪甚至恐怖主义行动等提供了新工
- Deepfake!黑客冒充非洲联盟主席与多位欧洲领导人通话
FreeBuf_
人工智能
黑客利用人工智能冒充非洲联盟委员会主席穆萨-法基(MoussaFaki)与多位欧洲领导人通话。法基的发言人EbbaKalondo在X(前Twitter)上发文称,网络不法分子假冒法基与一些欧洲国家首都城市领导人进行了深度伪造视频通话。据肯尼亚新闻媒体《东非人》(TheEastAfrican)报道,卡隆多还证实,疑似网络犯罪分子与多位欧洲领导人进行了通话。该报道称,黑客在通话过程中使用了深度伪造的视
- AI换脸之Roop技术原理与实践
春末的南方城市
深度学习人工智能机器学习深度学习
目录1.方法介绍2.相关资料3.方法实践1.方法介绍Roop是一个用于Deepfake技术的工具,它允许用户在视频中替换面孔。与传统的Deepfake方法不同,roop不需要大量的数据集或复杂的训练过程。用户只需提供一张所需脸部的图像,roop就可以通过计算机视觉和人脸识别技术来将该图像应用到目标视频中。Roop交换的是两张人脸,主要是提取一个人的脸部特征迁移到另一个人的照片中去,主要分为两个步骤
- Face2Face: Real-time Face Capture and Reenactment of RGB Videos (CVPR 2016) 译文
胖胖腐乳
人脸重演人工智能计算机视觉cv
建议的在线再现设置:单目目标视频序列(例如,来自Youtube)基于源演员的表达进行再现,源演员使用商品网络摄像头进行现场录制。摘要我们提出了一种用于单目目标视频序列(例如Youtube视频)的实时面部再现的新方法。源序列也是单目视频流,用商品网络摄像头实时捕获。我们的目标是通过源演员将目标视频的面部表情动画化,并以逼真的方式重新渲染被操纵的输出视频。为此,我们首先通过基于非刚性模型的捆绑解决了从
- CVPR 2023 | 最全 AIGC 论文清单汇总版,30个方向130篇!
xuxu1116
AIGC前沿论文分享AIGC论文分享CVPRCVPR2023顶会文章CV方向文章图像方向顶会
目录1、图像转换/翻译2、GAN改进/可控3、可控文生图/定制化文生图4、图像恢复5、布局可控生成6、医学图像7、人脸相关8、3D相关9、deepfake检测10、图像超分11、风格迁移12、去雨去噪去模糊13、图像分割14、视频相关15、对抗攻击16、扩散模型改进17、数据增广18、说话人生成19、视图合成20、目标检测21、人像生成/姿态迁移22、发型迁移23、图像修复24、表征学习/表示学习
- 划重点!CISA、FBI、NSA联合发布深度伪造威胁网络安全报告
FreeBuf_
web安全安全
近日,美国国家安全局(NSA)、联邦调查局(FBI)、网络安全和基础设施安全局(CISA)联合发布了一份网络安全信息表(CSI),以应对深度伪造所带来的新威胁。CSI的标题为“将Deepfake威胁情境化到组织”,旨在帮助组织识别,防御和应对deepfake威胁。它建议组织实施实时验证功能、被动检测技术以及针对高级人员及其通信的保护措施等技术,以检测和缓解深度伪造。深度伪造是指使用人工智能(AI)
- 最新ICCV2021 | GAN少样本(26)实例可控(27)视图合成(28)细粒度生成(29)细粒度检索(30)生成对抗GAN...
机器学习与AI生成创作
扩散模型与GAN生成对抗网络python计算机视觉机器学习人工智能深度学习
(1)GAN改进系列图像编辑系列之(2)基于StyleGAN(3)GAN逆映射(4)人脸(5)语义生成图像恢复系列之(6)超分(7)反光去除(8)光斑去除(9)阴影去除(10)水下图像失真去除图像恢复系列(11)之修复(inpainting)图像检测系列之(12)异常检测(13)拼接伪造(14)deepfake图像检测系列之(15)图像分割(16)图像外插值图像转换imagetranslation
- 重新梳理DeepFaceLab(DeepFake)最近动态:简要且全面的信息
若苗瞬
人工智能/机器学习WindowsPythonDFLDeepFaceLab换脸ICE遮罩
DeepFaceLab相关文章一:《简单介绍DeepFaceLab(DeepFake)的使用以及容易被忽略的事项》二:《继续聊聊DeepFaceLab(DeepFake)不断演进的2.0版本》三:《如何翻译DeepFaceLab(DeepFake)的交互式合成器》四:《想要提高DeepFaceLab(DeepFake)质量的注意事项和技巧(一)》五:《想要提高DeepFaceLab(DeepFak
- 偶然看到DeepFaceLab(DeepFake)在2023年的新动向
若苗瞬
Python人工智能/机器学习WindowsDeepfacelabdflICExsegaligned
DeepFaceLab相关文章一:《简单介绍DeepFaceLab(DeepFake)的使用以及容易被忽略的事项》二:《继续聊聊DeepFaceLab(DeepFake)不断演进的2.0版本》三:《如何翻译DeepFaceLab(DeepFake)的交互式合成器》四:《想要提高DeepFaceLab(DeepFake)质量的注意事项和技巧(一)》五:《想要提高DeepFaceLab(DeepFak
- 测试测试DeepFaceLab(DeepFake)别人训练的通用遮罩
若苗瞬
人工智能/机器学习WindowsPythonDFLDeepFaceLabxseg遮罩测试视频
遮罩分辨率为256,注意原版DFL无法支持512的遮罩。参考之前写的这个部分。虽然没有针对训练,是别(bai)人(piao)的遮罩。虽然免费,感觉最终效果还是很不错的。DFL通用遮罩XSeg测试片段DeepFaceLab相关文章一:《简单介绍DeepFaceLab(DeepFake)的使用以及容易被忽略的事项》二:《继续聊聊DeepFaceLab(DeepFake)不断演进的2.0版本》三:《如何
- 支持DX12的DeepFaceLab(DeepFake)新版本除了CUDA也可以用A卡啦
若苗瞬
Python人工智能/机器学习
DeepFaceLab相关文章一:《简单介绍DeepFaceLab(DeepFake)的使用以及容易被忽略的事项》二:《继续聊聊DeepFaceLab(DeepFake)不断演进的2.0版本》三:《如何翻译DeepFaceLab(DeepFake)的交互式合成器》四:《想要提高DeepFaceLab(DeepFake)质量的注意事项和技巧(一)》五:《想要提高DeepFaceLab(DeepFak
- 面向对象面向过程
3213213333332132
java
面向对象:把要完成的一件事,通过对象间的协作实现。
面向过程:把要完成的一件事,通过循序依次调用各个模块实现。
我把大象装进冰箱这件事为例,用面向对象和面向过程实现,都是用java代码完成。
1、面向对象
package bigDemo.ObjectOriented;
/**
* 大象类
*
* @Description
* @author FuJian
- Java Hotspot: Remove the Permanent Generation
bookjovi
HotSpot
openjdk上关于hotspot将移除永久带的描述非常详细,http://openjdk.java.net/jeps/122
JEP 122: Remove the Permanent Generation
Author Jon Masamitsu
Organization Oracle
Created 2010/8/15
Updated 2011/
- 正则表达式向前查找向后查找,环绕或零宽断言
dcj3sjt126com
正则表达式
向前查找和向后查找
1. 向前查找:根据要匹配的字符序列后面存在一个特定的字符序列(肯定式向前查找)或不存在一个特定的序列(否定式向前查找)来决定是否匹配。.NET将向前查找称之为零宽度向前查找断言。
对于向前查找,出现在指定项之后的字符序列不会被正则表达式引擎返回。
2. 向后查找:一个要匹配的字符序列前面有或者没有指定的
- BaseDao
171815164
seda
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
public class BaseDao {
public Conn
- Ant标签详解--Java命令
g21121
Java命令
这一篇主要介绍与java相关标签的使用 终于开始重头戏了,Java部分是我们关注的重点也是项目中用处最多的部分。
1
- [简单]代码片段_电梯数字排列
53873039oycg
代码
今天看电梯数字排列是9 18 26这样呈倒N排列的,写了个类似的打印例子,如下:
import java.util.Arrays;
public class 电梯数字排列_S3_Test {
public static void main(S
- Hessian原理
云端月影
hessian原理
Hessian 原理分析
一. 远程通讯协议的基本原理
网络通信需要做的就是将流从一台计算机传输到另外一台计算机,基于传输协议和网络 IO 来实现,其中传输协议比较出名的有 http 、 tcp 、 udp 等等, http 、 tcp 、 udp 都是在基于 Socket 概念上为某类应用场景而扩展出的传输协
- 区分Activity的四种加载模式----以及Intent的setFlags
aijuans
android
在多Activity开发中,有可能是自己应用之间的Activity跳转,或者夹带其他应用的可复用Activity。可能会希望跳转到原来某个Activity实例,而不是产生大量重复的Activity。
这需要为Activity配置特定的加载模式,而不是使用默认的加载模式。 加载模式分类及在哪里配置
Activity有四种加载模式:
standard
singleTop
- hibernate几个核心API及其查询分析
antonyup_2006
html.netHibernatexml配置管理
(一) org.hibernate.cfg.Configuration类
读取配置文件并创建唯一的SessionFactory对象.(一般,程序初始化hibernate时创建.)
Configuration co
- PL/SQL的流程控制
百合不是茶
oraclePL/SQL编程循环控制
PL/SQL也是一门高级语言,所以流程控制是必须要有的,oracle数据库的pl/sql比sqlserver数据库要难,很多pl/sql中有的sqlserver里面没有
流程控制;
分支语句 if 条件 then 结果 else 结果 end if ;
条件语句 case when 条件 then 结果;
循环语句 loop
- 强大的Mockito测试框架
bijian1013
mockito单元测试
一.自动生成Mock类 在需要Mock的属性上标记@Mock注解,然后@RunWith中配置Mockito的TestRunner或者在setUp()方法中显示调用MockitoAnnotations.initMocks(this);生成Mock类即可。二.自动注入Mock类到被测试类 &nbs
- 精通Oracle10编程SQL(11)开发子程序
bijian1013
oracle数据库plsql
/*
*开发子程序
*/
--子程序目是指被命名的PL/SQL块,这种块可以带有参数,可以在不同应用程序中多次调用
--PL/SQL有两种类型的子程序:过程和函数
--开发过程
--建立过程:不带任何参数
CREATE OR REPLACE PROCEDURE out_time
IS
BEGIN
DBMS_OUTPUT.put_line(systimestamp);
E
- 【EhCache一】EhCache版Hello World
bit1129
Hello world
本篇是EhCache系列的第一篇,总体介绍使用EhCache缓存进行CRUD的API的基本使用,更细节的内容包括EhCache源代码和设计、实现原理在接下来的文章中进行介绍
环境准备
1.新建Maven项目
2.添加EhCache的Maven依赖
<dependency>
<groupId>ne
- 学习EJB3基础知识笔记
白糖_
beanHibernatejbosswebserviceejb
最近项目进入系统测试阶段,全赖袁大虾领导有力,保持一周零bug记录,这也让自己腾出不少时间补充知识。花了两天时间把“传智播客EJB3.0”看完了,EJB基本的知识也有些了解,在这记录下EJB的部分知识,以供自己以后复习使用。
EJB是sun的服务器端组件模型,最大的用处是部署分布式应用程序。EJB (Enterprise JavaBean)是J2EE的一部分,定义了一个用于开发基
- angular.bootstrap
boyitech
AngularJSAngularJS APIangular中文api
angular.bootstrap
描述:
手动初始化angular。
这个函数会自动检测创建的module有没有被加载多次,如果有则会在浏览器的控制台打出警告日志,并且不会再次加载。这样可以避免在程序运行过程中许多奇怪的问题发生。
使用方法: angular .
- java-谷歌面试题-给定一个固定长度的数组,将递增整数序列写入这个数组。当写到数组尾部时,返回数组开始重新写,并覆盖先前写过的数
bylijinnan
java
public class SearchInShiftedArray {
/**
* 题目:给定一个固定长度的数组,将递增整数序列写入这个数组。当写到数组尾部时,返回数组开始重新写,并覆盖先前写过的数。
* 请在这个特殊数组中找出给定的整数。
* 解答:
* 其实就是“旋转数组”。旋转数组的最小元素见http://bylijinnan.iteye.com/bl
- 天使还是魔鬼?都是我们制造
ducklsl
生活教育情感
----------------------------剧透请原谅,有兴趣的朋友可以自己看看电影,互相讨论哦!!!
从厦门回来的动车上,无意中瞟到了书中推荐的几部关于儿童的电影。当然,这几部电影可能会另大家失望,并不是类似小鬼当家的电影,而是关于“坏小孩”的电影!
自己挑了两部先看了看,但是发现看完之后,心里久久不能平
- [机器智能与生物]研究生物智能的问题
comsci
生物
我想,人的神经网络和苍蝇的神经网络,并没有本质的区别...就是大规模拓扑系统和中小规模拓扑分析的区别....
但是,如果去研究活体人类的神经网络和脑系统,可能会受到一些法律和道德方面的限制,而且研究结果也不一定可靠,那么希望从事生物神经网络研究的朋友,不如把
- 获取Android Device的信息
dai_lm
android
String phoneInfo = "PRODUCT: " + android.os.Build.PRODUCT;
phoneInfo += ", CPU_ABI: " + android.os.Build.CPU_ABI;
phoneInfo += ", TAGS: " + android.os.Build.TAGS;
ph
- 最佳字符串匹配算法(Damerau-Levenshtein距离算法)的Java实现
datamachine
java算法字符串匹配
原文:http://www.javacodegeeks.com/2013/11/java-implementation-of-optimal-string-alignment.html------------------------------------------------------------------------------------------------------------
- 小学5年级英语单词背诵第一课
dcj3sjt126com
englishword
long 长的
show 给...看,出示
mouth 口,嘴
write 写
use 用,使用
take 拿,带来
hand 手
clever 聪明的
often 经常
wash 洗
slow 慢的
house 房子
water 水
clean 清洁的
supper 晚餐
out 在外
face 脸,
- macvim的使用实战
dcj3sjt126com
macvim
macvim用的是mac里面的vim, 只不过是一个GUI的APP, 相当于一个壳
1. 下载macvim
https://code.google.com/p/macvim/
2. 了解macvim
:h vim的使用帮助信息
:h macvim
- java二分法查找
蕃薯耀
java二分法查找二分法java二分法
java二分法查找
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月23日 11:40:03 星期二
http:/
- Spring Cache注解+Memcached
hanqunfeng
springmemcached
Spring3.1 Cache注解
依赖jar包:
<!-- simple-spring-memcached -->
<dependency>
<groupId>com.google.code.simple-spring-memcached</groupId>
<artifactId>simple-s
- apache commons io包快速入门
jackyrong
apache commons
原文参考
http://www.javacodegeeks.com/2014/10/apache-commons-io-tutorial.html
Apache Commons IO 包绝对是好东西,地址在http://commons.apache.org/proper/commons-io/,下面用例子分别介绍:
1) 工具类
2
- 如何学习编程
lampcy
java编程C++c
首先,我想说一下学习思想.学编程其实跟网络游戏有着类似的效果.开始的时候,你会对那些代码,函数等产生很大的兴趣,尤其是刚接触编程的人,刚学习第一种语言的人.可是,当你一步步深入的时候,你会发现你没有了以前那种斗志.就好象你在玩韩国泡菜网游似的,玩到一定程度,每天就是练级练级,完全是一个想冲到高级别的意志力在支持着你.而学编程就更难了,学了两个月后,总是觉得你好象全都学会了,却又什么都做不了,又没有
- 架构师之spring-----spring3.0新特性的bean加载控制@DependsOn和@Lazy
nannan408
Spring3
1.前言。
如题。
2.描述。
@DependsOn用于强制初始化其他Bean。可以修饰Bean类或方法,使用该Annotation时可以指定一个字符串数组作为参数,每个数组元素对应于一个强制初始化的Bean。
@DependsOn({"steelAxe","abc"})
@Comp
- Spring4+quartz2的配置和代码方式调度
Everyday都不同
代码配置spring4quartz2.x定时任务
前言:这些天简直被quartz虐哭。。因为quartz 2.x版本相比quartz1.x版本的API改动太多,所以,只好自己去查阅底层API……
quartz定时任务必须搞清楚几个概念:
JobDetail——处理类
Trigger——触发器,指定触发时间,必须要有JobDetail属性,即触发对象
Scheduler——调度器,组织处理类和触发器,配置方式一般只需指定触发
- Hibernate入门
tntxia
Hibernate
前言
使用面向对象的语言和关系型的数据库,开发起来很繁琐,费时。由于现在流行的数据库都不面向对象。Hibernate 是一个Java的ORM(Object/Relational Mapping)解决方案。
Hibernte不仅关心把Java对象对应到数据库的表中,而且提供了请求和检索的方法。简化了手工进行JDBC操作的流程。
如
- Math类
xiaoxing598
Math
一、Java中的数字(Math)类是final类,不可继承。
1、常数 PI:double圆周率 E:double自然对数
2、截取(注意方法的返回类型) double ceil(double d) 返回不小于d的最小整数 double floor(double d) 返回不大于d的整最大数 int round(float f) 返回四舍五入后的整数 long round