是肉球哇
是肉球哇

（十四）A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Seri

相关PPT已经上传，可以在我上传的资源里看到，可免费下载

论文信息
分析参考链接1
分析参考链接2

论文链接：A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in
Multivariate Time Series Data

论文代码：https://github.com/7fantasysz/MSCRED

论文信息

  • 2018
  • AAAI
  • 多元时间序列+异常检测+Attention+AE+ConvLSTM+MSCRED

目录

    • **相关PPT已经上传，可以在我上传的资源里看到，可免费下载**
        • 一、论文动机
        • 二、论文方法
        • 三、论文实验
        • 四、论文小结

一、论文动机

（十四）A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Seri_第1张图片

二、论文方法

1、特征提取——构造特征矩阵
2、重构
3、评估
（十四）A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Seri_第2张图片

（十四）A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Seri_第3张图片
（十四）A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Seri_第4张图片

三、论文实验

（十四）A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Seri_第5张图片

四、论文小结

（十四）A Deep Neural Network for Unsupervised Anomaly Detection and Diagnosis in Multivariate Time Seri_第6张图片

你可能感兴趣的:(论文解析)

  • 每周编辑精选｜RJUA-QA 医疗数据集上线、 3D 分子生成模型 ResGen 论文解析 HyperAI超神经 AIforscience
    HyperAI超神经的新栏目来啦～每周一超神经编辑部会精选上一周更新在hyper.ai官网的内容（数据集、AI4S论文案例、百科词条）发布在这里。欢迎直接访问hyper.ai查看全部内容哦！1月15日-1月21日，hyper.ai官方网站更新速览：优质公共数据集：10个AI4S论文案例：2篇热门百科词条：10条访问官网：https://hyper.ai/公开数据集精选1.CrossDock2020
  • NeRF算法论文解析与翻译 超爱吃小蛋糕的66 深度学习算法人工智能深度学习三维重建NeRF
    文章目录说明摘要一、简介二、相关工作2.1基于神经网络的3D形状表示2.2视图合成和基于图像的渲染三、基于神经辐射场的场景表示四、基于辐射场的体渲染五、神经辐射场优化5.1位置编码5.2分层体积采样5.3实施细则和损失函数说明NeRF：将场景表示为用于视图合成的神经辐射场本文主要对NeRF论文进行翻译(黑色字体)，同时对一些不理解的概念和算法进行相应批注(红色字体)了解NeRF之前需要了解一些关于
  • NeRF算法原理总结概述 超爱吃小蛋糕的66 深度学习算法深度学习人工智能自动驾驶NeRF三维重建
    简介本文旨在对NeRF算法进行总结。论文翻译见博客：《NeRF算法论文解析与翻译》参考链接：神经网络辐射场NeRF、实时NeRFBaking、有向距离场SDF、占用网络Occupancy、NeRF自动驾驶NeRF详解NeRF入门之体渲染(VolumeRendering)NeRF中的位置编码1.算法概述整体上NeRF干了这么一件事，输入一组静态场景的连续RGB图像和每帧图像对应的位姿，基于体渲染技术
  • Neural Tangent Kernel 理解（一）原论文解读 Bagba 机器学习深度学习神经网络机器学习NTK
    欢迎关注WX公众号，每周发布论文解析：PaperShare,点我关注NTK的理解系列暂定会从（一）论文解读，（二）kernelmethod基础知识，（三）神经网络表达能力，（四）GNN表达能力等方面去写。当然，可能有的部分会被拆开为多个小部分来写，毕竟每一个点拿出来都可以写本书了。（本人各个系列旨在让复杂概念通俗易懂，力求获得进一步理解）NeuralTangentKernel(NTK)理论由[1]
  • 【Pytorch】学习记录分享11——GAN对抗生成网络 大江东去浪淘尽千古风流人物 DeepLearningpytorch学习生成对抗网络
    PyTorchGAN对抗生成网络0.工程实现1.GAN对抗生成网络结构2.GAN构造损失函数（LOSS）3.GAN对抗生成网络核心逻辑3.1参数加载：3.2生成器：3.3判别器：0.工程实现原理解析：论文解析：GAN：GenerativeAdversarialNets1.GAN对抗生成网络结构2.GAN构造损失函数（LOSS）LOSS公式与含义：LOSS代码实现：importtorchfromto
  • 从 YOLOv1 到 YOLO-NAS 的所有 YOLO 模型：论文解析 T1.Faker 深度学习YOLO目标检测
    在计算机视觉的浩瀚领域，有一支耀眼的明星，她的名字传颂着革新与突破的传奇——YOLO（YouOnlyLookOnce）。回溯时光，走进这个引人注目的名字背后，我们仿佛穿越进一幅画卷，一幅展现创新魅力与技术风华的画卷。很久以前，CVPR2016是一个注定光芒万丈的时刻。在这个充满期待的舞台上，JosephRedmon为世界呈现了一种单阶段目标检测的奇迹，她名为YOLO。这并非仅是一个算法，更是一曲深
  • 3D hand pose：MediaPipe Hands: On-device Real-time Hand Tracking AIRV_Gao 论文笔记深度学习计算机视觉手势姿态估计
    MediaPipeHands:On-deviceReal-timeHandTracking论文解析0.摘要1.Introduction2.框架2.1BlazePalmDetector2.2HandLandmarkModel3.DatasetandAnnotation4.Results5.MediaPipegraphforhandtracking6.手势识别的应用论文链接：https://arxiv
  • MatchPyramid实现文本匹配 愤怒的可乐 NLP项目实战#文本匹配实战MatchPyramid
    引言今天利用MatchPyramid实现文本匹配。原论文解析→点此←。MatchPyramid核心思想是计算两段文本间的匹配矩阵，把它当成一个图形利用多层卷积网络提取不同层级的交互模式。匹配矩阵是通过计算两段输入文本基本单元(比如字或词)之间相似度得到的，作者提出了三种相似度计算函数。我们的实现采用余弦相似度。整体结构如上图所示。使用了两层卷积网络；每层卷积网络接一个最大池化层；最后利用两个全连接
  • Make Pixels Dance: High-Dynamic Video Generation论文解析 江小皮不皮 人工智能深度学习PixelDance文本生成视频计算机视觉动态视频生成
    高动态视频生成的新进展MakePixelsDance:High-DynamicVideoGeneration高动态视频生成的新进展前言视频生成模式摘要论文十问实验数据集定量评估指标消融研究训练和推理技巧训练技术推理技术更多的应用MakePixelsDance:High-DynamicVideoGeneration高动态视频生成的新进展前言动态视频生成一直是人工智能领域的一个重要且富有挑战性的目标。
  • 软考高级系统架构设计师论文真题分析系列之：论软件架构风格 最笨的羊羊 软考高级系统架构设计师考试软考高级系统架构设计师论文真题分析系列论软件架构风格
    软考高级系统架构设计师论文真题分析系列之：论软件架构风格一、论软件架构风格二、论文解析三、详细介绍架构风格的模型和含义1.数据流风格2.调用/返回风格3.独立构件风格4.虚拟机风格5.仓库风格一、论软件架构风格软件架构风格是描述某一特定应用领域中系统组织方式的惯用方式，定义一个系统家族，即一个体系结构定义一个词汇表和一组约束。**词汇表中包含一些构件和连接件类型，而这组约束指出系统是如何将这些构件
  • 车道线检测：LSTR论文解析 AIRV_Gao 论文笔记车道线检测Transformers
    车道线检测：End-to-endLaneShapePredictionwithTransformers论文解析1.Abstract2.Introduction3.RelatedWork4.Method4.1车道形状模型（LaneShapeModel）曲线的重新参数化4.2匈牙利拟合损失（HungarianFittingLoss）4.3网络结构4.3.1Backbone4.3.2Encoder4.3
  • Zephyr-7B论文解析及全量训练、Lora训练 神洛华 LLMsllmnlp
    文章目录一、Zephyr：DirectDistillationofLMAlignment1.1开发经过1.1.1Zephyr-7B-alpha1.1.2Zephyr-7B-beta1.2摘要1.3相关工作1.4算法1.4.1蒸馏监督微调（dSFT）1.4.2基于偏好的AI反馈(AIF）1.4.3直接蒸馏偏好优化（dDPO）1.4.4训练细节1.5实验二、alignment-handbook：低成本
  • 【AlphaGo论文学习】Mastering the game of Go without human knowledge翻译及心得 PokiFighting 机器学习深度学习深度学习
    原文地址：https://www.gwern.net/docs/reinforcement-learning/alphago/2017-silver.pdf参考的别人的学习解析：AlphaGoZero论文解析|蘑菇先生学习记更直接的论文翻译：【论文翻译】MasteringthegameofGowithouthumanknowledge(无师自通---在不借助人类知识的情况下学会围棋）_hwnbox
  • STD-Trees: Spatio-temporal Deformable Trees for Multirotors Kinodynamic Planning （论文解析） 聪明小張 路径规划算法人工智能
    STD-Trees:Spatio-temporalDeformableTreesforMultirotorsKinodynamicPlanning（论文解析）动态变形树树边表示轨迹树变形数值结果仿真结果一般的轨迹优化方案中仅考虑到空间约束、障碍物约束、动力学约束等，本文的轨迹运动设计方案增加时间维度的优化设计，提出动力学规划中的时空变形方法，使生成的轨迹更偏向于最优轨迹。提出以变形单元的形式对树进
  • Fast R-CNN论文解析 小毛激励我好好学习 目标检测计算机视觉神经网络
    文章目录一、介绍二、拟解决的关键问题三、FastR-CNN结构以及训练算法1.整体结构2.ROIPoolingLayer3.Pre-TrainedNetwork4.目标检测任务的微调5.尺度不变性四、总结五、参考文献本篇博客将要解析的论文是FastR-CNN，论文地址为：https://arxiv.org/abs/1504.08083一、介绍本文是RossGirshick于2015年发表的一篇文章
  • 更快更准 | YOLOv3算法超详细解析（包括诞生背景+论文解析+技术原理等） 小哥谈 YOLO算法：基础+进阶+改进YOLO目标检测人工智能机器学习深度学习yolov3
    前言：Hello大家好，我是小哥谈。YOLOv3是一种基于深度学习的目标检测算法，它可以快速而准确地在图像中检测出多个目标。它是由JosephRedmon和AliFarhadi在2018年提出的，是YOLO（YouOnlyLookOnce）系列算法的第三个版本。YOLOv3算法使用了Darknet-53网络作为其主干网络，并且采用了多尺度预测和多个尺度的边界框来提高检测效果。本篇文章就详细讲述一下
  • 【阅读笔记】Federated Learning for Privacy-Preserving AI HERODING77 联邦学习人工智能机器学习深度学习联邦学习PPFL
    FederatedLearningforPrivacy-PreservingAI前言一、论文解析DefinitionCategorizationArchitectureApplicationExamplesUseCase1：FedRiskCtrlUseCase2：FedVisionOutlook二、论文总结三、个人感悟前言一篇来自CommunicationsofACM的文章，这类期刊相当于maga
  • Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection(论文解析) 黄阳老师 目标检测人工智能计算机视觉
    GroundingDINO:MarryingDINOwithGroundedPre-TrainingforOpen-SetObjectDetection:根据文字提示检测任意目标摘要1介绍2相关工作3.GroundingDINO3.1.特征提取和增强器3.2.语言引导的查询选择3.3.交叉模态解码器3.4.子句级别文本特征3.5.损失函数4实验4.1.设置4.2.Zero-ShotTransfer
  • Detecting Everything in the Open World: Towards Universal Object Detection(论文解析) 黄阳老师 目标检测人工智能计算机视觉
    DetectingEverythingintheOpenWorld:TowardsUniversalObjectDetection摘要1介绍2相关工作3准备工作4TheUniDetector框架4.1.异构标签空间训练4.2.开放世界推理5实验5.1.开放世界中的目标检测5.2.封闭世界中的目标检测5.3.广泛目标检测5.4开放词汇目标检测比较5.5.消融实验6结论摘要在本文中，我们正式探讨了通用
  • Incremental Object Detection via Meta-Learning【论文解析】 黄阳老师 目标检测人工智能计算机视觉
    IncrementalObjectDetectionviaMeta-Learning摘要1介绍2相关工作3方法3.1问题描述3.2元学习梯度预处理3.3增量式目标检测器摘要摘要：在真实世界的情境中，目标检测器可能会不断遇到来自新类别的物体实例。当现有的目标检测器应用于这种情景时，它们对旧类别的性能会显著下降。已经有一些努力来解决这个限制，它们都应用了知识蒸馏的变体来避免灾难性遗忘。然而，我们注意到
  • 论文解析——Implementing Precise Interrupts in Pipelined Processors KGback #论文解析cpupipelineinterrupt
    作者及发刊详情JamesE.SmithandAndrewR.Pleszkun.1988.ImplementingPreciseInterruptsinPipelinedProcessors.IEEETrans.Comput.37,5(May1988),562–573.https://doi.org/10.1109/12.4607摘要当一条指令执行结束另一条指令开始前，如果保存的进程状态和程序执行的
  • [卷积神经网络]FasterNet论文解析 ViperL1 神经网络学习笔记1024程序员节
    一、概述FasterNet是CVPR2023的文章，通过使用全新的部分卷积PConv，更高效的提取空间信息，同时削减冗余计算和内存访问，效果非常明显。相较于DWConv，PConv的速度更快且精度也非常高，识别精度基本等同于大型网络Swin-B，但是在GPU上可以提升36%的吞吐量。原文地址和代码地址如下：Run,Don'tWalk:ChasingHigherFLOPSforFasterNeura
  • Segment Anything（论文解析） 黄阳老师 目标检测计算机视觉
    SegmentAnything摘要1.介绍2SAM任务SAM模型摘要我们介绍了“SegmentAnything”(SA)项目：这是一个新的任务、模型和数据集对于图像分割。使用我们高效的模型进行数据收集，我们构建了迄今为止最大的分割数据集（远远超过其他数据集），其中包含了超过10亿个掩膜，覆盖了1100万张经过许可和尊重隐私的图像。该模型被设计和训练为可提示的，因此可以实现零次学习，适用于新的图像分
  • Learning Open-World Object Proposals without Learning to Classify(论文解析) 黄阳老师 目标跟踪人工智能计算机视觉
    LearningOpen-WorldObjectProposalswithoutLearningtoClassify摘要1介绍2相关工作3方法3.1基线3.2基于纯定位的对象性3.3.对象定位网络(OLN)4实验4.1跨类泛化4.2.开放世界类不可知检测4.3更多的跨数据集泛化4.3.1Objects365泛化4.3.2EpicKitchens的泛化4.4.对长尾目标检测的影响5结论摘要物体提议已
  • 论文解析——一种面向Chiplet互连的高效传输协议设计与实现 KGback #Chiplet#论文解析chipletD2D接口协议
    作者及发刊详情熊国杰,张津铭,贺光辉.一种面向Chiplet互连的高效传输协议设计与实现[J].计算机工程与科学,2023,45(08):1339-1346.XIONGGuo-jie,ZHANGJin-ming,HEGuang-hui.DesignandimplementationofanefficienttransmissionprotocolforChipletinterconnection[
  • 论文解析-基因序列编码算法DeepSEA 平平无奇科研小天才 论文人工智能深度学习
    论文解析-DeepSEA参考亮点功能方法数据集来源数据实验评估评估DeepSEA预测染色质特征的性能评估DeepSEA在变异序列上的DHS预测性能数据集结果参考Zhou,J.,Troyanskaya,O.Predictingeffectsofnoncodingvariantswithdeeplearning–basedsequencemodel.NatMethods12,931–934(2015)
  • 论文解析-moETM 平平无奇科研小天才 论文人工智能深度学习
    论文解析-moETM参考亮点动机发展现状现存问题功能方法Encoder改进Decoder改进评价指标生物保守性批次效应移除实验设置结果多组学数据整合cell-topicmixture可解释性组学翻译性能评估RNA转录本、表面蛋白、染色质可及域调控关系研究1.验证同一主题下，topgene可以映射到topprotein过程结果2.跨主题验证gene-protein、peak-gene的调控关系过程结
  • 论文解析——AMD EPYC和Ryzen处理器系列的开创性的chiplet技术和设计 KGback #论文解析#ChipletchipletAMD
    ISCA2021摘要本文详细解释了推动AMD使用chiplet技术的挑战，产品开发的技术方案，以及如何将chiplet技术从单处理器扩展到多个产品系列。正文这些年在将SoC划分成多个die方面有一系列研究，MCM的概念也在不断更新，AMD吸收了chiplet架构的理论并应用到实际的设计中。II.chiplets驱动力A.计算的强大需求B.摩尔定律正在解体C.大芯片难以挽救大型SoC的Die大小在不
  • 论文解析——一种多核处理器直连接口QoS的设计与验证 KGback #论文解析QoS接口协议
    作者罗莉，周宏伟，周理，潘国腾，周海亮（@国防科技大学）刘彬（@武警贵州省总队）摘要多核处理器直接互连构建多路并行系统，一直是提高高性能计算机并行性的主要方式。主要研究多核处理器直连接口的QoS设计，通过直连接口完成跨芯片的cache一致性报文有效、可靠传输，实现共享主存的SMP系统。详细阐述了直连接口各个协议层的QoS设计的关键技术，基于UVM方法学构建了可重用验证平台，模拟验证了QoS设计的正
  • iMAP——论文解析 gongyuandaye 深度学习slam深度学习NeRF
    iMAP:ImplicitMappingandPositioninginReal-TimeiMAP是第一个提出用MLP作为场景表征的实时RGB-DSLAM。iMAP采用关键帧结构和多进程，通过动态信息引导的像素采样来提高速度，跟踪频率为10Hz，全局地图更新频率为2Hz。隐式MLP的优势在于高效的几何表示法和自动细节控制，以及对物体背面等未观察区域进行平滑、合理的填充。一、简介理想的3D表征应该具
  • 多线程编程之卫生间 周凡杨 java并发卫生间线程厕所
    如大家所知，火车上车厢的卫生间很小，每次只能容纳一个人，一个车厢只有一个卫生间，这个卫生间会被多个人同时使用，在实际使用时，当一个人进入卫生间时则会把卫生间锁上，等出来时打开门，下一个人进去把门锁上，如果有一个人在卫生间内部则别人的人发现门是锁的则只能在外面等待。问题分析：首先问题中有两个实体，一个是人，一个是厕所，所以设计程序时就可以设计两个类。人是多数的，厕所只有一个（暂且模拟的是一个车厢）。
  • How to Install GUI to Centos Minimal sunjing linuxInstallDesktopGUI
    http://www.namhuy.net/475/how-to-install-gui-to-centos-minimal.html   I have centos 6.3 minimal running as web server. I’m looking to install gui to my server to vnc to my server. You can insta
  • Shell 函数 daizj shell函数
    Shell 函数 linux shell 可以用户定义函数，然后在shell脚本中可以随便调用。 shell中函数的定义格式如下： [function] funname [()]{ action; [return int;] } 说明： 1、可以带function fun() 定义，也可以直接fun() 定义,不带任何参数。 2、参数返回
  • Linux服务器新手操作之一 周凡杨 Linux 简单 操作
    1.whoami      当一个用户登录Linux系统之后，也许他想知道自己是发哪个用户登录的。      此时可以使用whoami命令。      [ecuser@HA5-DZ05 ~]$ whoami       e
  • 浅谈Socket通信（一） 朱辉辉33 socket
    在java中ServerSocket用于服务器端，用来监听端口。通过服务器监听，客户端发送请求，双方建立链接后才能通信。当服务器和客户端建立链接后，两边都会产生一个Socket实例，我们可以通过操作Socket来建立通信。    首先我建立一个ServerSocket对象。当然要导入java.net.ServerSocket包    ServerSock
  • 关于框架的简单认识 西蜀石兰 框架
    入职两个月多，依然是一个不会写代码的小白，每天的工作就是看代码，写wiki。 前端接触CSS、HTML、JS等语言，一直在用的CS模型，自然免不了数据库的链接及使用，真心涉及框架，项目中用到的BootStrap算一个吧，哦，JQuery只能算半个框架吧，我更觉得它是另外一种语言。 后台一直是纯Java代码，涉及的框架是Quzrtz和log4j。 都说学前端的要知道三大框架，目前node.
  • You have an error in your SQL syntax; check the manual that corresponds to your 林鹤霄
    You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'option,changed_ids  ) values('0ac91f167f754c8cbac00e9e3dc372
  • MySQL5.6的my.ini配置 aigo mysql
    注意：以下配置的服务器硬件是：8核16G内存    [client]   port=3306   [mysql]   default-character-set=utf8     [mysqld]   port=3306   basedir=D:/mysql-5.6.21-win
  • mysql 全文模糊查找 便捷解决方案 alxw4616 mysql
    mysql 全文模糊查找 便捷解决方案 2013/6/14 by 半仙 [email protected] 目的: 项目需求实现模糊查找. 原则: 查询不能超过 1秒. 问题: 目标表中有超过1千万条记录. 使用like '%str%' 进行模糊查询无法达到性能需求. 解决方案: 使用mysql全文索引. 1.全文索引 : MySQL支持全文索引和搜索功能。MySQL中的全文索
  • 自定义数据结构 链表(单项 ,双向,环形) 百合不是茶 单项链表双向链表
         链表与动态数组的实现方式差不多,    数组适合快速删除某个元素    链表则可以快速的保存数组并且可以是不连续的       单项链表;数据从第一个指向最后一个   实现代码:        //定义动态链表 clas
  • threadLocal实例 bijian1013 javathreadjava多线程threadLocal
    实例1： package com.bijian.thread; public class MyThread extends Thread { private static ThreadLocal tl = new ThreadLocal() { protected synchronized Object initialValue() { return new Inte
  • activemq安全设置—设置admin的用户名和密码 bijian1013 javaactivemq
            ActiveMQ使用的是jetty服务器, 打开conf/jetty.xml文件，找到 <bean id="adminSecurityConstraint" class="org.eclipse.jetty.util.security.Constraint"> <p
  • 【Java范型一】Java范型详解之范型集合和自定义范型类 bit1129 java
    本文详细介绍Java的范型，写一篇关于范型的博客原因有两个，前几天要写个范型方法(返回值根据传入的类型而定)，竟然想了半天，最后还是从网上找了个范型方法的写法；再者，前一段时间在看Gson, Gson这个JSON包的精华就在于对范型的优雅简单的处理，看它的源代码就比较迷糊，只其然不知其所以然。所以，还是花点时间系统的整理总结下范型吧。   范型内容 范型集合类 范型类
  • 【HBase十二】HFile存储的是一个列族的数据 bit1129 hbase
    在HBase中，每个HFile存储的是一个表中一个列族的数据，也就是说，当一个表中有多个列簇时，针对每个列簇插入数据，最后产生的数据是多个HFile，每个对应一个列族，通过如下操作验证   1. 建立一个有两个列族的表   create 'members','colfam1','colfam2'   2. 在members表中的colfam1中插入50*5
  • Nginx 官方一个配置实例 ronin47 nginx 配置实例
    user www www; worker_processes 5; error_log logs/error.log; pid logs/nginx.pid; worker_rlimit_nofile 8192; events { worker_connections 4096;} http { include conf/mim
  • java-15.输入一颗二元查找树，将该树转换为它的镜像， 即在转换后的二元查找树中，左子树的结点都大于右子树的结点。 用递归和循环 bylijinnan java
    //use recursion public static void mirrorHelp1(Node node){ if(node==null)return; swapChild(node); mirrorHelp1(node.getLeft()); mirrorHelp1(node.getRight()); } //use no recursion bu
  • 返回null还是empty bylijinnan javaapachespring编程
    第一个问题，函数是应当返回null还是长度为0的数组（或集合）？ 第二个问题，函数输入参数不当时，是异常还是返回null？ 先看第一个问题 有两个约定我觉得应当遵守： 1.返回零长度的数组或集合而不是null（详见《Effective Java》） 理由就是，如果返回empty，就可以少了很多not-null判断： List<Person> list
  • [科技与项目]工作流厂商的战略机遇期 comsci 工作流
          在新的战略平衡形成之前，这里有一个短暂的战略机遇期，只有大概最短6年，最长14年的时间，这段时间就好像我们森林里面的小动物，在秋天中，必须抓紧一切时间存储坚果一样，否则无法熬过漫长的冬季。。。。         在微软，甲骨文，谷歌，IBM,SONY
  • 过度设计-举例 cuityang 过度设计
    过度设计，需要更多设计时间和测试成本，如无必要，还是尽量简洁一些好。 未来的事情，比如 访问量，比如数据库的容量，比如是否需要改成分布式  都是无法预料的 再举一个例子，对闰年的判断逻辑： 　　1、 if($Year%4==0) return True; else return Fasle; 　　2、if (   ($Year%4==0  &am
  • java进阶，《Java性能优化权威指南》试读 darkblue086 java性能优化
    记得当年随意读了微软出版社的.NET 2.0应用程序调试，才发现调试器如此强大，应用程序开发调试其实真的简单了很多，不仅仅是因为里面介绍了很多调试器工具的使用，更是因为里面寻找问题并重现问题的思想让我震撼，时隔多年，Java已经如日中天，成为许多大型企业应用的首选，而今天，这本《Java性能优化权威指南》让我再次找到了这种感觉，从不经意的开发过程让我刮目相看，原来性能调优不是简单地看看热点在哪里，
  • 网络学习笔记初识OSI七层模型与TCP协议 dcj3sjt126com 学习笔记
      协议：在计算机网络中通信各方面所达成的、共同遵守和执行的一系列约定 　　计算机网络的体系结构：计算机网络的层次结构和各层协议的集合。 　　两类服务： 　　面向连接的服务通信双方在通信之前先建立某种状态，并在通信过程中维持这种状态的变化，同时为服务对象预先分配一定的资源。这种服务叫做面向连接的服务。 　　面向无连接的服务通信双方在通信前后不建立和维持状态，不为服务对象
  • mac中用命令行运行mysql dcj3sjt126com mysqllinuxmac
    参考这篇博客：http://www.cnblogs.com/macro-cheng/archive/2011/10/25/mysql-001.html  感觉workbench不好用（有点先入为主了）。 1，安装mysql 在mysql的官方网站下载 mysql 5.5.23 http://www.mysql.com/downloads/mysql/，根据我的机器的配置情况选择了64
  • MongDB查询（1）——基本查询[五] eksliang mongodbmongodb 查询mongodb find
    MongDB查询 转载请出自出处：http://eksliang.iteye.com/blog/2174452 一、find简介 MongoDB中使用find来进行查询。 API:如下 function ( query , fields , limit , skip, batchSize, options ){.....}  参数含义： query:查询参数 fie
  • base64，加密解密 经融加密，对接 y806839048 经融加密对接
    String data0 = new String(Base64.encode(bo.getPaymentResult().getBytes(("GBK")))); String data1 = new String(Base64.decode(data0.toCharArray()),"GBK"); // 注意编码格式，注意用于加密，解密的要是同
  • JavaWeb之JSP概述 ihuning javaweb
      什么是JSP？为什么使用JSP？ JSP表示Java Server Page，即嵌有Java代码的HTML页面。使用JSP是因为在HTML中嵌入Java代码比在Java代码中拼接字符串更容易、更方便和更高效。   JSP起源    在很多动态网页中，绝大部分内容都是固定不变的，只有局部内容需要动态产生和改变。  如果使用Servl
  • apple watch 指南 啸笑天 apple
    1. 文档 WatchKit Programming Guide（中译在线版 By @CocoaChina） 译文 译者 原文 概览 - 开始为 Apple Watch 进行开发 @星夜暮晨 Overview - Developing for Apple Watch 概览 - 配置 Xcode 项目 - Overview - Configuring Yo
  • java经典的基础题目 macroli java编程
    1.列举出 10个JAVA语言的优势 a:免费，开源，跨平台(平台独立性)，简单易用，功能完善，面向对象，健壮性，多线程，结构中立，企业应用的成熟平台, 无线应用 2.列举出JAVA中10个面向对象编程的术语 a:包，类，接口，对象，属性，方法，构造器，继承，封装，多态，抽象，范型 3.列举出JAVA中6个比较常用的包 Java.lang;java.util;java.io;java.sql;ja
  • 你所不知道神奇的js replace正则表达式 qiaolevip 每天进步一点点学习永无止境纵观千象regex
    var v = 'C9CFBAA3CAD0'; console.log(v); var arr = v.split(''); for (var i = 0; i < arr.length; i ++) { if (i % 2 == 0) arr[i] = '%' + arr[i]; } console.log(arr.join('')); console.log(v.r
  • [一起学Hive]之十五-分析Hive表和分区的统计信息(Statistics) superlxw1234 hivehive分析表hive统计信息hive Statistics
    关键字：Hive统计信息、分析Hive表、Hive Statistics   类似于Oracle的分析表，Hive中也提供了分析表和分区的功能，通过自动和手动分析Hive表，将Hive表的一些统计信息存储到元数据中。   表和分区的统计信息主要包括：行数、文件数、原始数据大小、所占存储大小、最后一次操作时间等；   14.1 新表的统计信息 对于一个新创建
  • Spring Boot 1.2.5 发布 wiselyman spring boot
        Spring Boot 1.2.5已在7月2日发布，现在可以从spring的maven库和maven中心库下载。   这个版本是一个维护的发布版，主要是一些修复以及将Spring的依赖提升至4.1.7(包含重要的安全修复)。   官方建议所有的Spring Boot用户升级这个版本。   项目首页 | 源
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他