yuchiwang
yuchiwang

HMM, CTC和RNN-Transducer对齐方式的差异

转载自：https://www.jianshu.com/p/fad774f76be2

来自台湾大学李宏毅的课程，对这几个模型的对齐方式做了比较详细的说明。

HMM, CTC和RNN-Transducer对齐方式的差异_第1张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第2张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第3张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第4张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第5张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第6张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第7张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第8张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第9张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第10张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第11张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第12张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第13张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第14张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第15张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第16张图片

HMM, CTC和RNN-Transducer对齐方式的差异_第17张图片

你可能感兴趣的:(语音识别)

  • 人工智能到底是什么？ yzx991013 开发语言人工智能pythondjango
    人工智能（ArtificialIntelligence，简称AI）是一门研究和开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的学科。以下是关于人工智能的具体介绍：定义-从技术角度：人工智能是让计算机系统具备像人类一样的感知、学习、推理、决策等能力，通过算法和数据使计算机能处理和理解各种复杂信息，如语音识别系统能听懂人类语言并转化为文字。-从学科交叉角度：人工智能融合了计算机科学、控制
  • Android系统开机时间优化-实践篇（一） 漫步的傻瓜 Android系统启动时间优化androidlinux
    Android系统开机时间优化目录背景正文优化内容小结产品功能：高清大屏、多路摄像头、蓝牙、WIFI、4G无线网络、收音机、语音识别等等。背景主芯片是多核处理器，高版本Android系统，启动时间相比android4.x的十几秒慢很多。优化前的状态:处理前已被优化的内容有：裁剪多余的原生apk和资源文件、部分耗时动作等,并修改log输出等级。这种情况下，启动时间，想比原生系统有较大改善，但不够理想
  • 第二章：12.3 建立表现基准 望云山190 基准性能水平人工智能机器学习
    背景介绍语音识别是一种常见的机器学习应用，用户通过语音输入代替键盘输入，系统需要将语音转换为文本。在这个过程中，算法的性能可以通过训练误差和交叉验证误差来评估。误差定义训练误差（Jtrain）：指算法在训练数据集上无法正确转录的音频片段的百分比。在这个例子中，训练误差是10.8%，意味着算法在训练数据上犯了10.8%的错误。交叉验证误差（Jcv）：指算法在未见过的数据（交叉验证集）上无法正确转录的
  • 语音与自然语言处理（NLP）：智能交互的核心技术 给生活加糖！ 热门知识自然语言处理交互人工智能
    随着人工智能（AI）技术的飞速发展，语音识别与自然语言处理（NaturalLanguageProcessing,NLP）成为了智能交互系统的核心技术。它们不仅改变了人们与计算机、设备的交互方式，也推动了众多行业的革新。从智能助手（如苹果的Siri、亚马逊的Alexa）到机器翻译、自动客服系统，语音和NLP技术正逐步融入日常生活，改善我们与数字世界的沟通方式。一、什么是语音识别与自然语言处理（NLP
  • ASR技术与Whisper引擎 Catformon whisper
    一、ASR技术简介ASR英文全称是AutomaticSpeechRecognition，中文叫做自动语音识别，是利用机器对语音信号进行识别和理解并将其转换成相文本和命令的技术。下面2张图是网上找到的语音识别结构图和流程图。以下为ASR技术的核心技术。特征提取：通过编码将声音转变为数字信号，提取有效的声学特征。梅尔频率倒谱系数MFCC是最经典的语音特征。声学模型：声学模型通过处理编码得到的向量，将相
  • 多开工具与语音识别技术的融合与创新 程序员
    多开工具与语音识别技术的融合与创新摘要：随着科技的不断进步，多开工具和语音识别技术的融合与创新正在为我们的日常生活带来更加便利和高效的体验。本文将探讨多开工具和语音识别技术的结合，以及这种融合与创新对于各行业的影响和发展。引言：在数字化时代，多开工具和语音识别技术是两个独立发展的领域。多开工具是一种能够使用户同时运行多个应用程序的软件，而语音识别技术则是通过将人类语音转化为可理解的文本或命令的技术
  • WhisperX：革命性的自动语音识别工具 孔秋宗Mora
    WhisperX：革命性的自动语音识别工具项目地址:https://gitcode.com/gh_mirrors/wh/whisperX项目介绍WhisperX是一个开源的自动语音识别（ASR）项目，由m-bain开发。该项目基于OpenAI的Whisper模型，通过引入批量推理、强制音素对齐和语音活动检测等技术，实现了高达70倍的实时转录速度，并提供了准确的单词级时间戳和说话人识别功能。Whis
  • 【前端开发学习笔记17】使用ai wei387245232 学习笔记
    AI的认知&两个工具-认知同步AI早已不是新事物（接受）：语音识别，人脸识别，无人驾驶，智能机器人...（包括ChatGPT也是研发了多年的产物）AI本质是智能工具（认识）：人工智能辅助，可以提升效率，但不具备思想意识，无法从零到一取代人类工作AI一定会淘汰掉一部分人：但一定会衍生出新的职业方向，逆水行舟，不进则退，学会拥抱变化ChatGPT的基本使用-Prompt优化AI互动中容易出现的问题AI
  • cnn以及例子 阿拉斯攀登 机器学习cnn人工智能神经网络
    cnnCNN即卷积神经网络（ConvolutionalNeuralNetwork），是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型，在计算机视觉、语音识别等诸多领域都有广泛应用。以下是CNN的详细介绍：基本原理卷积层：是CNN的核心组成部分，通过卷积核在数据上滑动进行卷积操作，自动提取数据中的局部特征。例如，在处理图像时，卷积核可以检测图像中的边缘、线条等简单特征。卷积操作大
  • 常见的深度学习模型总结 编码时空的诗意行者 深度学习人工智能
    1.深度前馈神经网络(DeepFeedforwardNetworks)发明时间：2006年左右，随着计算能力的提升和大数据集的可用性增加，深度学习开始兴起。发明动机：解决传统机器学习模型在复杂数据上的局限性，如线性模型无法处理非线性关系的数据。模型特点：由多个隐藏层组成的神经网络，每一层的节点与下一层的节点完全连接。应用场景：分类、回归、语音识别、图像识别等。2.卷积神经网络(Convolutio
  • 【深入探索-deepseek】高等数学与AI的因果关系 我的青春不太冷 人工智能机器学习数学
    目录数学在AI不同领域的应用区别一、计算机视觉领域1.线性代数2.微积分3.概率论与统计二、自然语言处理领域三、语音识别领域四、数学在AI不同领域应用的逻辑图五、参考资料数学在AI不同领域的应用区别一、计算机视觉领域1.线性代数图像变换：想象我们有一张二维图片，图片里有个点，它的位置用坐标((x,y))表示。现在我们想把这个点绕着图片的原点（就像把纸钉在墙上，以钉子的位置为中心）逆时针旋转一定角度
  • python录音pyaudio_python调用pyaudio使用麦克风录制wav声音文件的教程 极客羊 python录音pyaudio
    python的pyaudio可以进行录音，播放，生成wav文件等等,WAVE是录音时用的标准的WINDOWS文件格式，文件的扩展名为WAV，数据本身的格式为PCM或压缩型，属于无损音乐格式的一种。在我们研究语音识别，自然语言处理的过程中，常常会使用到它，比如我们调用百度语音识别所以我们首先研究一下pyaudio库的安装与使用。安装：pipinstallpyaudio调用pyaudio使用麦克风录制
  • 神经网络（Neural Network） ningmengjing_ 神经网络深度学习人工智能
    引言神经网络，作为人工智能和机器学习领域的核心组成部分，近年来在诸多领域取得了显著的进展。受生物神经系统的启发，神经网络通过模拟人脑神经元的工作机制，能够从大量数据中学习复杂的模式和关系。其强大的非线性建模能力使其在图像识别、自然语言处理、语音识别和预测分析等任务中表现出色。神经网络的基本构建单元是神经元，每个神经元接收多个输入信号，通过加权求和并应用激活函数来生成输出。通过将这些神经元分层组织，
  • 基于“感知–规划–行动”的闭环系统架构 由数入道 人工智能系统架构人工智能智能体
    1.感知（Perception）1.1多模态数据采集与预处理传感器系统Agent的感知层通常由多种传感器组成，支持采集多种形式的数据：视觉：采用摄像头、深度传感器，通过卷积神经网络（CNN）、视觉Transformer等模型实现目标检测、图像分类、场景理解。听觉：利用麦克风阵列、声学传感器，结合声纹识别、语音识别（如基于Transformer或RNN的模型）技术处理音频信息。文本与语义信息：通过文
  • 【鸿蒙开发】第二十四章 AI - Core Speech Kit（基础语音服务） 鸿蒙程序媛 鸿蒙理论知识学习harmonyos
    目录1简介1.1场景介绍1.2约束与限制2文本转语音2.1场景介绍2.2约束与限制2.3开发步骤2.4设置播报策略2.4.1设置单词播报方式2.4.2设置数字播报策略2.4.3插入静音停顿2.4.4指定汉字发音2.5开发实例3语音识别3.1场景介绍3.2约束与限制3.3开发步骤3.4开发实例1简介CoreSpeechKit（基础语音服务）集成了语音类基础AI能力，包括文本转语音（TextToSpe
  • 语音识别(Speech Recognition) 原理与代码实例讲解 AI天才研究院 DeepSeekR1&大数据AI人工智能大模型AI大模型企业级应用开发实战AI大模型应用入门实战与进阶计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    语音识别(SpeechRecognition)-原理与代码实例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming/TextGenWebUILLM语音识别(SpeechRecognition)-原理与代码实例讲解语音识别作为人工智能领域的重要分支之一，近年来取得了显著的进步，尤其是在深度学习技术的推动下。它在智能家居、车载系统、智能客服等领域有着广泛
  • AI智慧医疗系统源码与互联网医院APP开发攻略：功能、架构、合规 万岳软件开发小城 APP开发软件开发互联网医院系统源码人工智能APP开发软件开发互联网医院系统源码
    今天，笔者将从功能设计、系统架构、合规要求等方面，深入解析AI智慧医疗系统源码与互联网医院APP的开发攻略，助力企业快速布局智慧医疗赛道。一、AI智慧医疗系统的核心功能要开发一款成熟的智慧医疗系统，必须具备以下几个关键功能模块：远程问诊与在线会诊语音/视频问诊：支持医生与患者远程实时沟通，结合AI语音识别和自然语言处理（NLP），实现病情描述、智能分析与自动记录。多方会诊：支持多名专家同时参与，为
  • 多模态大模型：技术原理与实战 多模态大模型在情绪识别领域的应用 杭州大厂Java程序媛 DeepSeekR1&AI人工智能与大数据javapythonjavascriptkotlingolang架构人工智能
    多模态大模型：技术原理与实战多模态大模型在情绪识别领域的应用1.背景介绍1.1问题由来近年来，深度学习技术在图像、语音、文本等多个模态的语音识别、视觉识别、自然语言处理等领域取得了重大突破。其中，多模态大模型（Multi-ModalLargeModel）以其强大的跨模态理解和融合能力，成为当下人工智能技术发展的热点。传统的单一模态大模型，如BERT、GPT等，尽管在各自模态上有着卓越的表现，但在处
  • 为什么线下面试越来越流行了？ 后端
    不知道大家有没有发现，最近在找工作时，越来越多的公司开始要求必须线下面试了，例如，深信服：例如，华为：还有公司在发布招聘信息时也明确写明了“只能线下面试”：那背后的原因究竟是啥呢？原因一：作弊成本越来越低AI的诞生确实提供了很多便利，但也有人和团队利用AI来搞一些非正当的产品，例如AI面试辅助工具，它大概是这样的：面试官上远程问问题，这边的AI面试辅助工具通过语音识别很快就能找出正确的答案，让远程
  • 微软文本转语音和语音转文本功能更新，效果显著！ wuhanwhite pythonmicrosoftai人工智能TTSazurepython
    今天我要和大家分享一个新功能更新——微软的文本转语音和语音转文本功能。最近，微软对其AI语音识别和语音合成技术进行了重大升级，效果非常好，现在我将分别为大家介绍这两个功能。先来听下这个效果吧微软文本转语音和语音转文本功能更新文本转语音文本转语音（Text-to-Speech,TTS）是一种将文本信息转换为自然听起来的语音的技术。微软的文本转语音功能提供了多种语言和语音选项，支持多种平台和设备，使得
  • 《探秘卷积神经网络的核心—卷积核》 机器学习人工智能深度学习
    在当今人工智能飞速发展的时代，卷积神经网络（CNN）在图像识别、语音识别等众多领域取得了令人瞩目的成就。而其中，卷积核作为CNN的核心组件，发挥着至关重要的作用。一、卷积核的概念卷积核是一个小矩阵，通常为正方形，其大小常见的有3x3、5x5等奇数尺寸。它就像是一个“小探测器”，在输入数据（如图像）上滑动，通过特定的运算来提取数据中的特征。卷积核中的每个元素都是一个权重参数，这些参数会在网络训练过程
  • 使用Python进行语音识别：将音频转为文字 WmqApps python语音识别音视频
    语音识别是一项将语音信号转换为可理解的文本的技术。在Python中，我们可以使用一些库和工具来实现语音识别，并将音频转换为文本。本文将介绍如何使用Python进行语音识别的过程，并提供相应的源代码。步骤1：安装所需的库首先，我们需要安装一些Python库来支持语音识别。一个常用的库是SpeechRecognition，它提供了一个简单的接口来调用各种语音识别引擎。我们可以使用pip命令来安装Spe
  • 开源项目实战：Whisper 环境下的语音识别与说话人分离完全指南 唐阔清
    开源项目实战：Whisper环境下的语音识别与说话人分离完全指南whisper-diarizationAutomaticSpeechRecognitionwithSpeakerDiarizationbasedonOpenAIWhisper项目地址:https://gitcode.com/gh_mirrors/wh/whisper-diarization项目基础介绍本项目名为whisper-diar
  • 人工智能在音乐中的自然语言处理技术：探讨音乐中的自然语言处理技术 AI天才研究院 DeepSeekR1&大数据AI人工智能大模型自然语言处理人工智能语言模型python开发语言
    文章目录人工智能在音乐中的自然语言处理技术：探讨音乐中的自然语言处理技术1.引言2.技术原理及概念3.实现步骤与流程4.应用示例与代码实现讲解人工智能在音乐中的自然语言处理技术：探讨音乐中的自然语言处理技术1.引言1.1.背景介绍随着人工智能技术的不断发展，自然语言处理（NLP）技术在音乐领域中的应用也越来越广泛。在过去的几年中，语音识别、唱歌比赛、歌词分析、智能推荐等应用已经在音乐行业中发挥了重
  • MOE-conformer 流式多语种语音识别 深度学习-视听觉 语音识别人工智能
    MOE(MixtureofExperts)：MOE是一种通过专家混合来实现深度学习模型的方法，主要有以下特点：MOE由多个专家(Excpert)组成，每个专家是一个独立的神经网络(可以是MLP、CNN、RNN等)输入数据会被路由分配到不同的专家进行处理，目的是确定最适合处理输入的专家模型各个专家独立处理得到的结果进行加权聚合后输入结果各个专家独立计算，容易实现数据并行通过组合不同专家的强项，总体能
  • python openai库讲解，以及如何调用deepseek的api 一念& 其它python开发语言
    PythonOpenAI库讲解1.概述openai是Python中用于与OpenAI提供的一系列人工智能服务（如GPT系列模型）进行交互的官方库。借助这个库，开发者能够轻松地在Python代码里调用OpenAI的API来完成文本生成、图像生成、语音识别等多种任务。2.安装使用pip工具可以方便地安装openai库，在终端中执行以下命令：pipinstallopenai3.基本使用步骤3.1设置AP
  • 大模型元年：人工智能的“寒武纪大爆发” 小马过河R AI人工智能人工智能机器学习深度学习
    2023年，注定被载入人工智能发展的史册。这一年，以ChatGPT为代表的生成式人工智能横空出世，掀起了一场席卷全球的科技风暴。大模型，作为这场风暴的核心，以其强大的通用性和创造性，宣告着人工智能“寒武纪大爆发”的到来，开启了人工智能发展的新纪元——大模型元年。一、从“专用”到“通用”：大模型开启AI新范式传统的人工智能模型往往是针对特定任务进行训练的“专用工具”，例如图像识别、语音识别等。而大模
  • 目前市场上深度学习简介及沿革发展 Allen-Steven python相关应用深度学习人工智能
    深度学习是人工智能和机器学习的重要分支，其模型种类繁多，涵盖多个领域，如计算机视觉、自然语言处理、语音识别等。以下是目前市场上主流的深度学习模型，以及它们的发展历史和逐步沿革。1.感知机（Perceptron）及其扩展发展历史1958年：感知机由FrankRosenblatt提出，这是最早的人工神经网络模型，旨在模拟生物神经网络。局限性：感知机无法处理线性不可分问题，这一问题由MarvinMins
  • 探索深度学习：开启智能新时代 顾漂亮 深度学习人工智能机器学习
    目录深度学习究竟是什么？深度学习的“三驾马车”：数据、模型与算力深度学习的前沿模型架构深度学习在各领域的深度应用深度学习的挑战与应对策略深度学习的未来展望在当今科技飞速发展的时代，深度学习无疑是最炙手可热的领域之一。它宛如一把神奇的钥匙，开启了通往智能世界的大门，从语音识别到图像分类，从自动驾驶到医疗诊断，深度学习的身影无处不在，正深刻地改变着我们的生活与工作方式。深度学习究竟是什么？深度学习隶属
  • 二值连接：深度神经网络的轻量级革命 步子哥 dnn人工智能神经网络
    引言：深度学习的下一步是什么？深度神经网络（DeepNeuralNetworks,DNN）近年来在语音识别、图像分类和自然语言处理等领域取得了令人瞩目的成就。然而，这些突破背后的一个关键推手是计算能力的飞速提升，尤其是图形处理单元（GPU）的广泛应用。然而，随着模型规模和数据量的增长，深度学习的计算需求也在不断攀升。与此同时，移动设备和嵌入式系统的快速发展对低功耗、高效能的深度学习算法提出了更高的
  • 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