开心就哈哈
开心就哈哈

Wasserstein GAN中 Earth-Mover (EM) distance 的理解

1. Wasserstein GAN 论文的第2节Different Distances中给出Earth-Mover (EM) distance的定义形式：

Wasserstein GAN中 Earth-Mover (EM) distance 的理解_第1张图片

将公式（1）的期望形式转换成积分形式：

W(\mathbb{P}_{r},\mathbb{P}_{g})=\inf_{\gamma \in \prod (\mathbb{P}_{r}, \mathbb{P}_{g})}\int \int \gamma (x,y) \left \| x-y \right \| d_{x} d_{y}

》\prod (\mathbb{P}_{r}, \mathbb{P}_{g})是\mathbb{P}_{r}, \mathbb{P}_{g}组合起来的所有可能的联合分布的集合【1】；

》根据文献【2】，\left \| x-y \right \| 是L1范数，其含义是成本函数，货物从x运输到y的成本；

》根据论文的描述，\gamma(x,y)表示为了把分布\mathbb{P}_{r}变换成分布\mathbb{P}_{g}，需要从x运输多少 “mass” 到 y；

结合文献【3】和文献【2】的描述，可以更好地理解\gamma(x,y)，\gamma是一种运输方案，设\mathbb{P}_{r}是原始分布，\mathbb{P}_{g}是目标分布。\mathbb{P}_{r}(x)是指在原始分布的x的位置存放了\mathbb{P}_{r}(x)量的货物，即原始分布的x的位置存放的货物量；\mathbb{P}_{g}(x)是目标分布的x位置存放的货物量；如果\mathbb{P}_{r}(x)> \mathbb{P}_{g}(x)，就需要将\mathbb{P}_{r}(x)一部分货物运输到目标分布的其他位置；如果\mathbb{P}_{r}(x)< \mathbb{P}_{g}(x)，就需要将原始分布的其他位置的货物运输到该目标分布的位置。\gamma(x,y) 表示，从原始分布的x位置搬\gamma(x,y) d_{x}那么多的货物目标分布的y位置；

因为\gamma \in \prod (\mathbb{P}_{r}, \mathbb{P}_{g})，所以可以得到以下约束：\int \gamma(x,y) dx = \mathbb{P}_{g}(y), \int \gamma(x,y) dy = \mathbb{P}_{r}(x)

根据文献【3】，从离散随机随机变量的角度理解，\int \gamma(x,y) dx = \mathbb{P}_{g}(y)从原始分布的x位置运输到目标分布的y位置的货物量不能超过目标分布y位置的货物容量；\int \gamma(x,y) dy = \mathbb{P}_{r}(x)从原始分布的x位置运输到目标分布的y位置的货物量不能超过原始分布x位置的原有的货物量；（这样理解不知道对不对，本人能力有限，希望各位多多指点）

》inf 表示下确界，即在所有运输方案中，找到总运输成本\int \int \gamma (x,y) \left \| x-y \right \| d_{x} d_{y}最小的方案。

2. 分析Wasserstein GAN 论文的案例1,如何计算得到W(\mathbb{P}_{0},\mathbb{P}_{\theta})=\left |\theta \right |:

Wasserstein GAN中 Earth-Mover (EM) distance 的理解_第2张图片

根据案例的1的描述，可以得到以下示例图：

Wasserstein GAN中 Earth-Mover (EM) distance 的理解_第3张图片

W(\mathbb{P}_{0},\mathbb{P}_{\theta})=\inf_{\gamma \in \prod (\mathbb{P}_{0}, \mathbb{P}_{\theta})} \int_{0}^{1} \int_{0}^{1} \gamma (y_{1},y_{2}) \left \| y_{1}-y_{2} \right \| d_{y_{1}} d_{y_{2}}

\int_{0}^{1} \int_{0}^{1} \gamma (y_{1},y_{2}) \left \| y_{1}-y_{2} \right \| d_{y_{1}} d_{y_{2}} \newline=\left | \theta \right | \int_{0}^{1} \int_{0}^{1} \gamma(y_{1}, y_{2}) d_{y_{1}} d_{y_{2}} \newline=\left | \theta \right | \int_{0}^{1} \mathbb{P}_{\theta}(y_{2}) d_{y_{2}} \newline=\left | \theta \right |

以上公式推导过程，主要利用前面\int \gamma(x,y) dx = \mathbb{P}_{g}(y), \int \gamma(x,y) dy = \mathbb{P}_{r}(x)。

 

 

 

 

 

 

参考文献：

【1】https://mp.weixin.qq.com/s/LeycG3bW-TIdHCr2raZPrQ

【2】https://kexue.fm/archives/6280

【3】https://blog.csdn.net/wangdonggg/article/details/32329879?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-11.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-11.nonecase

你可能感兴趣的:(GAN)

  • JSON-LD 类型使用示例大全
    本文是针对JSON-LD类型的使用示例及其简要介绍与说明。每个类型的示例展示了如何在JSON-LD中进行标注，并附带了简要说明，希望对你有所帮助。文章目录JSON-LD的主要核心类型Thing（事物）CreativeWork（创作作品）Event（事件）Intangible（非实体事物）Organization（组织）Person（个人）Place（地点）Product（产品）Action（行为）
  • COMP1005 Computer Science 后端
    COMP1005BWinter2025–“IntroductiontoComputerScienceI”COMP1005BAssignment#3Functions,Strings,FilesOverviewInthisassignment,youwilldemonstrateyourunderstandingof(inadditiontoprevioustopics):•Readingandwr
  • 推荐开源项目：Tauri Plugin Store - 简单持久化的键值存储解决方案 谢忻含Norma
    推荐开源项目：TauriPluginStore-简单持久化的键值存储解决方案tauri-plugin-store[READONLY]Thisrepositoryisamirror,forissuetrackinganddevelopmentheadto:https://github.com/tauri-apps/plugins-workspace项目地址:https://gitcode.com/g
  • 基于opencv答题卡识别判卷 深度学习乐园 深度学习实战项目opencv人工智能计算机视觉
    项目源码获取方式见文章末尾！回复暗号：13，免费获取600多个深度学习项目资料，快来加入社群一起学习吧。**《------往期经典推荐------》**项目名称1.【基于DDPG算法的股票量化交易】2.【卫星图像道路检测DeepLabV3Plus模型】3.【GAN模型实现二次元头像生成】4.【CNN模型实现mnist手写数字识别】5.【fasterRCNN模型实现飞机类目标检测】6.【CNN-LS
  • 怎么编写提醒人结账的短信息_我如何在短短8个月的时间里从编写第一行代码到获得$ 226K的工作机会... cumian9828 微软javatoaqtcreator人工智能
    怎么编写提醒人结账的短信息IgotoffersfromGoogle,Lyft,Yelp,cloudunicornRubrik,IBMArtificialIntelligence,andJPMorganChase.Mystorymayhelpyouinyourjobsearch.我收到了Google，Lyft，Yelp，云独角兽Rubrik，IBMAI和JPMorganChase的报价。我的故事可能
  • COMM1170 Organisational Resources redamancy34 人工智能机器学习
    ASSESSMENTGUIDECOMM1170OrganisationalResourcesTerm2,20242AssessmentSummaryAssessmentTaskWeightingDueDate*LearningOutcomesAssessment1:ReflectiveLearningPortfolio1Acollectionofartefactsandreflectivecomm
  • STM32F103C8T6 驱动 0.96 寸 OLED (SSD1306, I2C 接口) 教程 与光同尘 大道至简 stm32嵌入式硬件单片机
    本教程详细介绍如何使用STM32F103C8T6微控制器（常见为“蓝色飞线板”BluePill）通过I2C接口驱动0.96寸OLED显示屏（SSD1306控制器），使用STM32HAL库进行开发。内容从基础知识开始，一步步带领初学者完成OLED显示从初始化到显示文字、图形和图片的完整过程。1.基础知识OLED显示屏工作原理OLED（OrganicLight-EmittingDiode，有机发光二极
  • Pytorch实现之LSRGAN，轻量化SRGAN超分辨率SAR 这张生成的图像能检测吗 优质GAN模型训练自己的数据集超分辨率重建人工智能图像处理计算机视觉深度学习pytorch机器学习
    简介简介：在SRGAN的基础上设计了一个轻量化的SRGAN模型结构，通过DSConv+CA与残差结构的设计来减少参数量，同时利用SeLU激活函数构造。与多类SRGAN改进不同的是，很少使用BN层。论文题目：LightweightSuper-ResolutionGenerativeAdversarialNetworkforSARImages（SAR图像的轻量级超分辨率生成对抗网络）期刊：Remote
  • Pytorch实现之基于相对平均生成对抗网络的人脸图像超分辨率 这张生成的图像能检测吗 优质GAN模型训练自己的数据集生成对抗网络人工智能神经网络计算机视觉深度学习pythonpytorch
    简介简介：改进SRGAN，并使用相对平均生成对抗网络的人脸图像超分辨率训练自己的数据集论文题目：FaceImageSuper-resolutionBasedOnRelativeAverageGenerativeAdversarialNetworks（基于相对平均生成对抗网络的人脸图像超分辨率）会议：20212ndAsiaSymposiumonSignalProcessing(ASSP)摘要：人脸图
  • java 庖丁解牛_“庖丁解牛” 分词器实现 weixin_39813009 java庖丁解牛
    importjava.io.IOException;importjava.io.StringReader;importnet.paoding.analysis.analyzer.PaodingAnalyzer;importorg.apache.lucene.analysis.Analyzer;importorg.apache.lucene.analysis.Token;importorg.apac
  • AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks EwanRenton DLpaperAttnGANtext2imgCVPR2018DAMSM
    《AttnGAN:Fine-GrainedTexttoImageGenerationwithAttentionalGenerativeAdversarialNetworks》是CVPR2018文本生成图像的文章，是StackGAN++的后续工作。Abstract在本文中作者提出了一个AttentionalGenerativeAd-versarialNetwork(AttnGAN),一种attent
  • Python 错误 ValueError 解析，实际错误实例详解 （二） 迹忆客 Python错误大全与实战技巧python开发语言
    文章目录前言Python中错误ValueError:NotEnoughValuestoUnpackPython中的ValueError是什么修复Python字典中ValueError：ValueError:notenoughvaluestounpack修复Python中ValueError：notenoughvaluestounpackPython中错误ValueError:SettinganAr
  • 设计模式概述--七大设计原则 仰望星空@脚踏实地 设计模式
    设计模式（DesignPattern）是前辈们对代码开发经验的总结，是解决特定问题的一系列套路。它不是语法规定，而是一套用来提高代码可复用性、可维护性、可读性、稳健性以及安全性的解决方案。1995年，GoF（GangofFour，四人组/四人帮）合作出版了《设计模式：可复用面向对象软件的基础》一书，共收录了23种设计模式，从此树立了软件设计模式领域的里程碑，人称「GoF设计模式」。面向对象设计原则
  • llama_factory微调QWen1.5 Kun Li 大语言模型llamaqwen
    GitHub-hiyouga/LLaMA-Factory:UnifyEfficientFine-Tuningof100+LLMsUnifyEfficientFine-Tuningof100+LLMs.Contributetohiyouga/LLaMA-FactorydevelopmentbycreatinganaccountonGitHub.https://github.com/hiyouga/L
  • 机器学习之经典算法（十六） Birch算法 AI专家 机器之心修炼之路
    （一）Birch算法简介：BIRCH（BalancedIterativeReducingandClusteringUsingHierarchies）全称是：利用层次方法的平衡迭代规约和聚类。BIRCH算法是1996年由TianZhang提出来的。Birch算法就是通过聚类特征(CF)形成一个聚类特征树，root层的CF个数就是聚类个数。整个算法实现共分为4个阶段：1.扫描所有数据，建立初始化的CF
  • Android 高斯模糊 xiao芝麻 Android开发
    packagecom.pingan.carowner.servicewindow.utils;importandroid.annotation.TargetApi;importandroid.content.Context;importandroid.graphics.Bitmap;importandroid.graphics.BitmapFactory;importandroid.os.Buil
  • 深度学习五大模型：CNN、Transformer、BERT、RNN、GAN解析 大模型_学习路线 深度学习cnntransformer人工智能AI大模型大模型LLM
    今天探讨它们各自适用的场景，让您知道在何种情况下选择何种模型；同时分析它们的优势与局限，助您全面评估这些模型的性能。一、卷积神经网络（ConvolutionalNeuralNetwork,CNN）原理：CNN主要由卷积层、池化层和全连接层组成。卷积层通过卷积核在输入数据上进行卷积运算，提取局部特征；池化层则对特征图进行下采样，降低特征维度，同时保留主要特征；全连接层将特征图展开为一维向量，并进行分
  • Kubernetes容器编排的简单介绍 cumi6497 网络数据库dockerjavalinux
    InthebeginningtherewastheFreeBSD-andlaterLinux-chrootjail.Chrootwasawaytobringanunmountedfilesystemtolifesoyoucouldexecutecommandsasthoughitwasactuallyrunningonitsownhost.ThencametheLinuxContainerspro
  • 通俗易懂的一致性哈希原理 eternity_zzy javajava
    一致性哈希（Consistenthashing）算法是由MIT的Karger等人与1997年在一篇学术论文（《Consistenthashingandrandomtrees:distributedcachingprotocolsforrelievinghotspotsontheWorldWideWeb》）中提出来的，用于解决分布式缓存数据分布问题。在传统的哈希算法下，每条缓存数据落在那个节点是通过
  • ZDZL首届吉祥杯季度赛双语说明&答疑 ZDZL c++
    ACGO版本本贴用于ZDZL团队首届吉祥杯季度赛赛事说明与答疑。ThispostisusedforexplainingandansweringquestionsaboutthefirstJixiangCupquarterlycompetitionoftheZDZLteam.我们很遗憾的通知您，因一些问题，竞赛时间可能发生变更，请您随时关注官方消息，很抱歉为您带来了不便。感谢您的理解与支持，您的支持
  • 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
  • 程序员学商务英语之analogy、popularity、 eloquence、exaggerate、proposition 李匠2024 英文
    1448-Here'sananalogy.-打个比方A:Here'sananalogy,learningaforeignlanguageislikelearninghowtoplaythepiano,whichrequirestremendouspractice.It'sreallyatime-consumingandpainstakingjob.打个比方，学习一门外语就像学习弹钢琴，需要大量的练
  • TensorFlow 架构 weixin_zdpau AItensorflow人工智能神经网络
    https://www.tensorflow.org/guide/extend/architecture一WedesignedTensorFlowforlarge-scaledistributedtrainingandinference,butitisalsoflexibleenoughtosupportexperimentationwithnewmachinelearningmodelsands
  • tomcat jndi + spring配置 cyong888 java数据库tomcatspringexceptionbean数据库jar
    tomcatjndi+spring配置一、简介JNDI:JavaNamingandDirectoryInterface(JNDI)首先关于jndi的配置网上资料很多，但大多都不是我想要的，原因很简单，改的配置文件太多，耦合度还是太高。据网上资料所言，需要更改的配置文件有三：tomcat的server.xml，工程下的WEB-INF/web.xml和spring的数据源bean的配置。虽然只有三个，
  • AIGC生图技术剖析：文本生成图像的核心算法与创新应用 喵手 零基础学JavaAIGC算法
    全文目录：开篇语前言AIGC技术核心：从文本到图像的转换1.文本编码与语义提取2.生成对抗网络（GAN）3.变分自编码器（VAE）4.融合模型：CLIP+VQ-GAN核心算法示例：使用Python生成图像使用OpenAI的DALL-E生成图像解释AIGC在多个领域的应用前景1.艺术创作2.广告设计3.虚拟现实（VR）与增强现实（AR）4.游戏开发总结：AIGC生图技术的未来文末开篇语哈喽，各位小伙
  • 深度学习的前沿与挑战：从基础到最新进展 Jason_Orton 深度学习人工智能数据挖掘机器学习
    目录引言什么是深度学习？深度学习的工作原理深度学习的关键技术1.卷积神经网络（CNN）2.循环神经网络（RNN）3.生成对抗网络（GAN）4.变分自编码器（VAE）5.自注意力机制与Transformer深度学习的应用1.计算机视觉2.自然语言处理（NLP）3.语音识别与合成4.推荐系统5.医学影像分析深度学习面临的挑战结语引言深度学习（DeepLearning）近年来成为人工智能领域的核心技术之
  • 【Python大语言模型系列】如何在LangChain中使用ReAct构建AI Agent（案例+源码） 脱泥不tony 人工智能python语言模型自然语言处理AI大模型LangChainAgent
    一、引言========当前，在各个大厂纷纷卷LLM的情况下，各自都借助自己的LLM推出了自己的AIAgent，比如字节的Coze，百度的千帆等，还有开源的Dify。你是否想知道其中的原理？是否想过自己如何实现一套AIAgent？当然，借助LangChain就可以。ReAct（ReasoningandAction）是一个框架，其核心思想，就是通过思维链的方式，引导模型将复杂问题进行拆分，一步一步地
  • 《深度揭秘：生成对抗网络如何重塑遥感图像分析精度》 程序猿阿伟 生成对抗网络人工智能机器学习
    在当今数字化时代，遥感图像作为获取地球表面信息的重要数据源，广泛应用于城市规划、农业监测、环境评估等诸多领域。然而，如何从海量的遥感数据中提取高精度的信息，一直是学术界和工业界共同面临的挑战。生成对抗网络（GAN）的出现，为提升人工智能在遥感图像分析中的精度开辟了全新的路径。生成对抗网络：技术基石剖析生成对抗网络由生成器（Generator）和判别器（Discriminator）组成，二者通过对抗
  • 《深度揭秘：生成对抗网络如何重塑遥感图像分析精度》 人工智能深度学习
    在当今数字化时代，遥感图像作为获取地球表面信息的重要数据源，广泛应用于城市规划、农业监测、环境评估等诸多领域。然而，如何从海量的遥感数据中提取高精度的信息，一直是学术界和工业界共同面临的挑战。生成对抗网络（GAN）的出现，为提升人工智能在遥感图像分析中的精度开辟了全新的路径。生成对抗网络：技术基石剖析生成对抗网络由生成器（Generator）和判别器（Discriminator）组成，二者通过对抗
  • 《深度剖析：生成对抗网络中生成器与判别器的高效协作之道》 程序猿阿伟 生成对抗网络人工智能机器学习
    在人工智能的前沿领域，生成对抗网络（GAN）以其独特的对抗学习机制，为数据生成和处理带来了革命性的变革。生成器与判别器作为GAN的核心组件，它们之间的协作效率直接决定了GAN在图像生成、数据增强、风格迁移等众多应用中的表现。深入探究二者如何实现更高效的协作，不仅是优化GAN性能的关键，也为解锁人工智能更多创新应用场景提供了可能。生成器与判别器：GAN的核心架构解析生成器（Generator）的使命
  • java观察者模式 3213213333332132 java设计模式游戏观察者模式
    观察者模式——顾名思义，就是一个对象观察另一个对象，当被观察的对象发生变化时，观察者也会跟着变化。 在日常中，我们配java环境变量时，设置一个JAVAHOME变量,这就是被观察者，使用了JAVAHOME变量的对象都是观察者，一旦JAVAHOME的路径改动，其他的也会跟着改动。 这样的例子很多，我想用小时候玩的老鹰捉小鸡游戏来简单的描绘观察者模式。 老鹰会变成观察者，母鸡和小鸡是
  • TFS RESTful API 模拟上传测试 ronin47
           TFS RESTful API 模拟上传测试。 　　 细节参看这里：https://github.com/alibaba/nginx-tfs/blob/master/TFS_RESTful_API.markdown 模拟POST上传一个图片： curl --data-binary @/opt/tfs.png http
  • PHP常用设计模式单例, 工厂, 观察者, 责任链, 装饰, 策略,适配,桥接模式 dcj3sjt126com 设计模式PHP
    // 多态, 在JAVA中是这样用的, 其实在PHP当中可以自然消除, 因为参数是动态的, 你传什么过来都可以, 不限制类型, 直接调用类的方法 abstract class Tiger { public abstract function climb(); } class XTiger extends Tiger { public function climb()
  • hibernate 171815164 Hibernate
    main,save Configuration conf =new Configuration().configure(); SessionFactory sf=conf.buildSessionFactory(); Session sess=sf.openSession(); Transaction tx=sess.beginTransaction(); News a=new
  • Ant实例分析 g21121 ant
            下面是一个Ant构建文件的实例，通过这个实例我们可以很清楚的理顺构建一个项目的顺序及依赖关系，从而编写出更加合理的构建文件。           下面是build.xml的代码： <?xml version="1
  • [简单]工作记录_接口返回405原因 53873039oycg 工作
             最近调接口时候一直报错，错误信息是:       responseCode:405 responseMsg:Method Not Allowed        接口请求方式Post.
  • 关于java.lang.ClassNotFoundException 和 java.lang.NoClassDefFoundError 的区别 程序员是怎么炼成的
       真正完成类的加载工作是通过调用 defineClass来实现的；  而启动类的加载过程是通过调用 loadClass来实现的；  就是类加载器分为加载和定义   protected Class<?> findClass(String name) throws ClassNotFoundExcept
  • JDBC学习笔记-JDBC详细的操作流程 aijuans jdbc
    所有的JDBC应用程序都具有下面的基本流程：　　1、加载数据库驱动并建立到数据库的连接。　　2、执行SQL语句。　　3、处理结果。　　4、从数据库断开连接释放资源。 下面我们就来仔细看一看每一个步骤： 其实按照上面所说每个阶段都可得单独拿出来写成一个独立的类方法文件。共别的应用来调用。 1、加载数据库驱动并建立到数据库的连接：   Html代码  St
  • rome创建rss antonyup_2006 tomcatcmsxmlstrutsOpera
    引用 1.RSS标准 RSS标准比较混乱，主要有以下3个系列 RSS 0.9x / 2.0 : RSS技术诞生于1999年的网景公司(Netscape)，其发布了一个0.9版本的规范。2001年，RSS技术标准的发展工作被Userland Software公司的戴夫 温那(Dave Winer)所接手。陆续发布了0.9x的系列版本。当W3C小组发布RSS 1.0后，Dave W
  • html表格和表单基础 百合不是茶 html表格表单meta锚点
    第一次用html来写东西,感觉压力山大,每次看见别人发的都是比较牛逼的 再看看自己什么都还不会,   html是一种标记语言,其实很简单都是固定的格式   _----------------------------------------表格和表单 表格是html的重要组成部分,表格用在body里面的 主要用法如下; <table> &
  • ibatis如何传入完整的sql语句 bijian1013 javasqlibatis
            ibatis如何传入完整的sql语句？进一步说，String str ="select * from test_table"，我想把str传入ibatis中执行，是传递整条sql语句。         解决办法： <
  • 精通Oracle10编程SQL(14)开发动态SQL bijian1013 oracle数据库plsql
    /* *开发动态SQL */ --使用EXECUTE IMMEDIATE处理DDL操作 CREATE OR REPLACE PROCEDURE drop_table(table_name varchar2) is sql_statement varchar2(100); begin sql_statement:='DROP TABLE '||table_name;
  • 【Linux命令】Linux工作中常用命令 bit1129 linux命令
    不断的总结工作中常用的Linux命令   1.查看端口被哪个进程占用   通过这个命令可以得到占用8085端口的进程号，然后通过ps -ef|grep 进程号得到进程的详细信息   netstat -anp | grep 8085   察看进程ID对应的进程占用的端口号   netstat -anp | grep 进程ID &
  • 优秀网站和文档收集 白糖_ 网站
    集成 Flex, Spring, Hibernate 构建应用程序   性能测试工具-JMeter   Hmtl5-IOCN网站   Oracle精简版教程网站   鸟哥的linux私房菜   Jetty中文文档   50个jquery必备代码片段   swfobject.js检测flash版本号工具
  • angular.extend boyitech AngularJSangular.extendAngularJS API
    angular.extend 复制src对象中的属性去dst对象中. 支持多个src对象. 如果你不想改变一个对象，你可以把dst设为空对象{}: var object = angular.extend({}, object1, object2). 注意: angular.extend不支持递归复制. 使用方法: angular.extend(dst, src); 参数:
  • java-谷歌面试题-设计方便提取中数的数据结构 bylijinnan java
    网上找了一下这道题的解答，但都是提供思路，没有提供具体实现。其中使用大小堆这个思路看似简单，但实现起来要考虑很多。 以下分别用排序数组和大小堆来实现。 使用大小堆： import java.util.Arrays; public class MedianInHeap { /** * 题目：设计方便提取中数的数据结构 * 设计一个数据结构，其中包含两个函数，1.插
  • ajaxFileUpload 针对 ie jquery 1.7+不能使用问题修复版本 Chen.H ajaxFileUploadie6ie7ie8ie9
    jQuery.extend({ handleError: function( s, xhr, status, e ) { // If a local callback was specified, fire it if ( s.error ) { s.error.call( s.context || s, xhr, status, e ); }
  • [机器人制造原则]机器人的电池和存储器必须可以替换 comsci 制造
           机器人的身体随时随地可能被外来力量所破坏,但是如果机器人的存储器和电池可以更换,那么这个机器人的思维和记忆力就可以保存下来,即使身体受到伤害,在把存储器取下来安装到一个新的身体上之后,原有的性格和能力都可以继续维持.....        另外,如果一
  • Oracle Multitable INSERT 的用法 daizj oracle
    转载Oracle笔记-Multitable INSERT 的用法 http://blog.chinaunix.net/uid-8504518-id-3310531.html 一、Insert基础用法 语法：     Insert Into 表名 (字段1,字段2,字段3...）     Values (值1,
  • 专访黑客历史学家George Dyson datamachine on
    20世纪最具威力的两项发明——核弹和计算机出自同一时代、同一群年青人。可是，与大名鼎鼎的曼哈顿计划（第二次世界大战中美国原子弹研究计划）相 比，计算机的起源显得默默无闻。出身计算机世家的历史学家George Dyson在其新书《图灵大教堂》（Turing’s Cathedral）中讲述了阿兰·图灵、约翰·冯·诺依曼等一帮子天才小子创造计算机及预见计算机未来
  • 小学6年级英语单词背诵第一课 dcj3sjt126com englishword
    always 总是 rice 水稻，米饭 before 在...之前 live 生活，居住   usual 通常的 early 早的 begin 开始 month 月份   year 年 last 最后的 east 东方的 high 高的   far 远的 window 窗户 world 世界 than 比...更  
  • 在线IT教育和在线IT高端教育 dcj3sjt126com 教育
    codecademy  http://www.codecademy.com codeschool  https://www.codeschool.com teamtreehouse  http://teamtreehouse.com lynda http://www.lynda.com/ Coursera https://www.coursera.
  • Struts2 xml校验框架所定义的校验文件 蕃薯耀 Struts2 xml校验Struts2 xml校验框架Struts2校验
      >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2015年7月11日 15:54:59 星期六 http://fa
  • mac下安装rar和unrar命令 hanqunfeng mac
    1.下载：http://www.rarlab.com/download.htm 选择 RAR 5.21 for Mac OS X 2.解压下载后的文件 tar -zxvf rarosx-5.2.1.tar 3.cd rar sudo install -c -o $USER unrar /bin #输入当前用户登录密码 sudo install -c -o $USER rar
  • 三种将list转换为map的方法 jackyrong list
      在本文中，介绍三种将list转换为map的方法： 1） 传统方法 假设有某个类如下    class Movie { private Integer rank; private String description; public Movie(Integer rank, String des
  • 年轻程序员需要学习的5大经验 lampcy 工作PHP程序员
    在过去的7年半时间里，我带过的软件实习生超过一打，也看到过数以百计的学生和毕业生的档案。我发现很多事情他们都需要学习。或许你会说，我说的不就是某种特定的技术、算法、数学，或者其他特定形式的知识吗？没错，这的确是需要学习的，但却并不是最重要的事情。他们需要学习的最重要的东西是“自我规范”。这些规范就是：尽可能地写出最简洁的代码；如果代码后期会因为改动而变得凌乱不堪就得重构；尽量删除没用的代码，并添加
  • 评“女孩遭野蛮引产致终身不育 60万赔偿款1分未得”医腐深入骨髓 nannan408
    先来看南方网的一则报道： 再正常不过的结婚、生子，对于29岁的郑畅来说，却是一个永远也无法实现的梦想。从2010年到2015年，从24岁到29岁，一张张新旧不一的诊断书记录了她病情的同时，也清晰地记下了她人生的悲哀。 　　粗暴手术让人发寒 　　2010年7月，在酒店做服务员的郑畅发现自己怀孕了，可男朋友却联系不上。在没有和家人商量的情况下，她决定堕胎。 　　12月5日，
  • 使用jQuery为input输入框绑定回车键事件 VS 为a标签绑定click事件 Everyday都不同 jspinput回车键绑定clickenter
    假设如题所示的事件为同一个，必须先把该js函数抽离出来，该函数定义了监听的处理：   function search() { //监听函数略...... }   为input框绑定回车事件，当用户在文本框中输入搜索关键字时，按回车键，即可触发search():   //回车绑定 $(".search").keydown(fun
  • EXT学习记录 tntxia ext
      1. 准备   （1） 官网：http://www.sencha.com/   里面有源代码和API文档下载。   EXT的域名已经从www.extjs.com改成了www.sencha.com ，但extjs这个域名会自动转到sencha上。   （2）帮助文档：   想要查看EXT的官方文档的话，可以去这里h
  • mybatis3的mapper文件报Referenced file contains errors xingguangsixian mybatis
    最近使用mybatis.3.1.0时无意中碰到一个问题： The errors below were detected when validating the file "mybatis-3-mapper.dtd" via the file "account-mapper.xml". In most cases these errors can be d
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他