ViperL1
ViperL1

神经网络（四）前馈神经网络

一、神经元

        生物神经元的细胞状态仅有两种：兴奋和抑制

        1.人工神经元

神经网络（四）前馈神经网络_第1张图片

                         x_d：接收的信号   w_d：权重(连接的程度)  b：偏置阈值   a：人工神经元的状态

                人工神经元可以被视为一个线性模型

        2.激活函数的性质

                ①连续且可导(允许少数点不可导)

                ②尽可能简单(提升计算效率)

                ③值域要在一个合适的区间内

                ④单调递增(整体上升，局部可能下降)

        3.常用的激活函数

                 ①S型函数

                        \sigma(x)=\frac{1}{1+exp(-x)}        tanh(x)=\frac{exp(x)-exp(-x)}{exp(x)+exp(-x)}=2\sigma(2x)-1

神经网络（四）前馈神经网络_第2张图片

                         性质：①饱和函数        ②Tanh函数是零中心化的，logistic函数的输出恒大于0

                                                !!! 非0中心化输出会使得下一层神经元出现偏置（使其梯度下降收敛速度减缓）

                ②斜坡函数

                        ReLU(x)=max(0,x)

                         性质：①高效        ②生物学合理性(单侧抑制、宽兴奋边界)        ③一定程度上缓解梯度消失问题

                         死亡ReLU问题：x小于0时，输出为0

                                解决：①规划-避免参数过于集中

                                          ②LeakyReLU(x)=max(0,x)+\gamma min(0,x) ：使其左端不为0(具有极小的梯度)

                        近似非零中心化的非线性函数

                                ELU(x)=x                                如果x>0

                                                =\gamma(exp(x)-1)          如果x＜=0

                      ReLu函数的平滑版本

                                Softplus(x)=log(1+exp(x))

                ③复合激活函数

                        1.Swish函数：一种自门控激活函数

                                Swish(x)=x\sigma(\beta x)

                                \sigma即为logsitic函数，近似电路的门电路(软门控，类似于模拟电路)

                                可以通过改变\beta使其在x=y的上半部取值

神经网络（四）前馈神经网络_第3张图片

                         2.高斯误差线性单元

                                和Swish函数比较类似GELU(x)=xP(X\leq x)

                                其中P(X \leq x)是高斯分布N(\mu,\sigma^2)的累积分布函数

                                \mu ,\sigma是超参数，一般\mu=0,\sigma=1即可

                                可以使用Tanh或Logistic函数来近似

                                        GELU(x)=0.5x(1+tanh(\sqrt{\frac{2}{\pi}}+(x+0.044715x^3)))

                                        FELU(x)=x\sigma(1.702x)

        4.神经元函数小结

神经网络（四）前馈神经网络_第4张图片

 二、神经网络

        神经网络由大量神经元及其有向连接构成，需要考虑以下三个方面：

                ①神经元的激活规则：神经元输入和输出的关系，一般为非线性

                ②网络的拓扑结构

                ③学习算法

        常见的神经网络结构如下：

                ①前馈网络：单向流动

                ②记忆网络：有内部循环      

                ③图网络

神经网络（四）前馈神经网络_第5张图片

         神经网络是一种主要的连接主义模型，其具有三个特点：

                ①信息表示是分布式的

                ②记忆和知识是存储在单元之间的连接上

                ③通过逐渐改变单元之间的连接强度来学习新的知识

三、前馈神经网络

        之所有叫前馈神经网络，是因为其调优方式是从计算最后一层的导数反过来对激活函数进行调优（即与信息流动方向相反）

神经网络（四）前馈神经网络_第6张图片

         特点：            ①各神经元属于不同的层，层内无连接

                                ②相邻两层之间的神经元全部两两连接

                                ③无反馈，信号单向传递，可以形成有向无环图

                网络的层数不计算输入层

        1.前馈神经网络的描述

记号 含义
L 层数
M_l 第l层的神经元个数
f_l(.) 第l层的激活函数
W^{(t)}

\in R^{M_l\times M_l-1}        l -1层到 l 层的权重矩阵
b^{(l)}

\in R^{M_l}                    l -1层到l层的偏置
z^{(l)}

\in R^{(M_l)}                 l 层神经元的净输入（净活性值）
a^{(l)}

\in R^{(M_l)}                 l 层神经元输出(活性值)

        2.信息传递过程

                z^{(l)}=W^{(l)}a_{(l-1)}+b^{(l)} 

                        本神经元输入 = 上一层的输入向量 X 权重矩阵 + 偏置      

                 a^{(l)}=f_l(z^{(l)})

                        输出 = 以本神经元输入为因变量的激活函数

                a^{(l)}=f_l(W^{(l)}a^{(l-1)}+b^{(l)})

                前馈计算

         3.通用近似定理

                对于具有线性输出层和使用“挤压”性质的激活函数的隐藏层组成的前馈神经网络，只要其中隐藏神经元的数量足够，它可以以任意的精度来近似任何一个定义在实数空间中的有界闭集函数。

                人话：拥有此性质的神经网络可以近似任意函数

        4.应用

                神经网络可以作为一个“万能”函数 / 进行复杂特征转换 / 逼近复杂条件分布

                        \hat y=g(\Phi (x);\theta )        其中\Phi (x)为神经网路、\theta为分类器

                        ！！！若g(.)为Logistic回归，则Logistic回归分类器可以视为神经网络的最后一层

神经网络（四）前馈神经网络_第7张图片

                         越往后层，提取的特征越高级，最后一层为分类器

        5.参数学习

                对于多分类问题

                ①若使用Softmax回归分类器，相当于在网络最后一层设置C个神经元，

                        \hat y=softmax(z^{(l)})

                ②若采用交叉熵损失函数

                        损失函数为：L(y,\hat y)=-y^Tlog \hat y

                ③对于给定的训练集D，输入样本x^{(n)}，其结构化风险函数为：

                        R(W,b)=\frac{1}{N}\sum_{n=1}^N L(y^{(n)},\hat y^{(n)})+\frac{1}{2}\lambda ||W||^2_F        ||W||^2_F= \sum_{l=1}^L \sum_{i=1}^{M_l} \sum_{j=1}^{M_l-1} (w_{ij}^(l))^2

                ④梯度下降

                       计算： \frac{\sigma R(W,b)}{\sigma W^{(l)}}      \frac{\sigma R(W,b)}{\sigma b^{(l)}}

                        链式法则：

                 可以使用反向传播算法 或 自动微分

       6.反向传播算法

                ！！！矩阵微积分：以向量来表示，使用分母布局

                        ①矩阵偏导数：\frac{\partial y}{\partial x}=[\frac{\partial y}{\partial x_1},...,\frac{\partial y}{\partial x_M}]^T

                        ②向量的偏导数：

                可以使用链式法则：求复合导 -> \frac{\partial z}{\partial x}=\frac{\partial y}{\partial x} \frac{\partial z}{\partial y}

                ①梯度计算

神经网络（四）前馈神经网络_第8张图片

                         \frac{\partial L(y,\hat y)}{\partial w_{ij}^{(l)}}= \frac{\partial z^{(l)}}{\partial w_{ij} ^{(l)}} \frac{\partial L(y,\hat y)}{\partial z^{(l)}}                \frac{\partial L(y,\hat y)}{\partial b^{(l)}} = \frac{\partial z^{(l)}}{\partial b ^{(l)}} \frac{\partial L(y,\hat y)}{\partial z^{(l)}}

                        神经网络（四）前馈神经网络_第9张图片        

                ②计算误差项

                        误差项：\frac{\partial L(y,\hat y)}{\partial z^{(l)}}

神经网络（四）前馈神经网络_第10张图片

                         \frac{\partial L(y,\hat y)}{\partial W^{(l)}}=\delta ^{(l)}(a^{(l-1)})^T

                ③利用反向传播算法训练

         7.计算图与自动微分(优先使用)

                利用链式法则，自动计算一个复合函数的梯度，计算图如下：

神经网络（四）前馈神经网络_第11张图片

                 可以将每一步对应的函数的和导数记录，需要计算时候，由链式法则连乘即可

神经网络（四）前馈神经网络_第12张图片

神经网络（四）前馈神经网络_第13张图片

                ①前向模式

                        计算方向与信息传播的方向一致（每走一步算一个导数）

                ②反向模式

                        计算方向与信息传播的方向相反（先计算出h6，再返过去算导数--等同于反向传播算法）

                ③静态计算图

                        编译时构建的，程序运行时不再改变

                        优点：构建时可以进行优化，并行能力强

                        缺点：灵活性较差

                ④动态计算图

                        程序运行时动态构建

                         优点：灵活性高

                         缺点：不易优化，难以并行计算

        8.优化问题

                ①非凸优化

                        y=\sigma (w_2 \sigma(w_1x))

                 ②梯度消失

                        y=f(^5f^4(f^3(f^2(f^1(x)))))        \frac{\partial y}{\partial x}= \frac{\partial f^1}{\partial x} \frac{\partial f^2}{\partial f^1} \frac{\partial f^3}{\partial f^2} \frac{\partial f^4}{\partial f^3} \frac{\partial f^5}{\partial f^4}

神经网络（四）前馈神经网络_第14张图片

                 ③难点

                        非凸优化问题：存在局部最优解和全局最优解，影响迭代

                        梯度消失问题：下层参数较难调（多段导数连乘容易趋近于0）

                        参数过多，影响训练。参数的解释也较为麻烦

                        需求：①计算资源大 ②数据多 ③算法效率高（快速收敛）

你可能感兴趣的:(机器学习,学习笔记,神经网络,python,java)

  • vs2019安装ironpython_选择并安装 Python 解释器 - Visual Studio | Microsoft Docs weixin_39861905
    安装Python解释器InstallPythoninterpreters06/05/2019本文内容默认情况下，在VisualStudio2017和更高版本中安装Python开发工作负载也会同时安装Python3(64位)。Bydefault,installingthePythondevelopmentworkloadinVisualStudio2017andlateralsoinstallsPy
  • Python打包和部署利器:Pex ivwdcwso 开发运维python开发语言开发
    在Python项目开发中,如何高效地打包和部署代码一直是一个挑战。传统的方式需要在目标环境中预先安装所有依赖,非常繁琐。而Pex则为我们提供了一种更简单、更可靠的解决方案。一、Pex是什么?Pex的核心在于.pex文件,这是一种自包含的Python可执行环境。它类似于virtualenv,但更轻量、更易于部署。.pex文件包含了你的Python代码、依赖库以及运行所需的Python解释器(可选)。
  • Python Flask中集成SQLAlchemy和Flask-Login ivwdcwso 开发flaskpython后端web开发
    在现代Web应用开发中,数据库和用户认证是两个非常重要的功能。Flask作为一个轻量级的PythonWeb框架,本身只提供了最基本的Web功能。但是,它可以通过集成各种优秀的扩展库来增强功能。本文将介绍如何在Flask应用中集成SQLAlchemy(数据库)和Flask-Login(用户认证),并提供一个完整的示例供参考。©ivwdcwso(ID:u012172506)准备工作安装Python确保
  • python程序发钉钉消息 乌11111 python
    参考：使用python通过接口方式发送钉钉消息分两步：1.在钉钉群---智能群助手里添加机器人，拿到webhook链接，设置关键词。2.写python代码，用requests请求接口的方式。参考代码和实现结果如下。#python发钉钉消息importjson,requestsdefsendDing(msg):dingding_url='https://oapi.dingtalk.com/robot
  • Python支持向量机（SVM）算法：面向对象的实现与案例详解 闲人编程 进阶算法案例支持向量机算法python深度学习数据分析
    目录Python支持向量机（SVM）算法：面向对象的实现与案例详解引言一、支持向量机算法概述1.1支持向量机的基本思想1.2SVM的分类问题1.3SVM的优化目标二、面向对象的SVM实现2.1类的设计2.2Python代码实现2.3代码详解三、案例分析3.1案例一：鸢尾花分类问题描述数据准备模型训练与预测输出结果3.2案例二：手写数字识别问题描述数据准备模型训练与预测输出结果四、SVM的优化与核方
  • PEX: Python Executable魔力工具箱 史艾岭
    PEX:PythonExecutable魔力工具箱pexAtoolforgenerating.pex(PythonEXecutable)files,lockfilesandvenvs.项目地址:https://gitcode.com/gh_mirrors/pe/pex项目基础介绍及主要编程语言PEX（PythonEXecutable）是Pantsbuild团队维护的一个强大开源项目，致力于简化Py
  • Pex 项目使用教程 任翊昆Mary
    Pex项目使用教程pexPexisajavascript3dlibrary/engineallowingforseamlessdevelopmentbetweenPlaskandWebGLinthebrowser.项目地址:https://gitcode.com/gh_mirrors/pex/pex1.项目的目录结构及介绍Pex项目的目录结构如下：pex-gl/├──assets/├──lib/├
  • U-Net 生物医学图像分割开源项目介绍 祝珺月
    U-Net生物医学图像分割开源项目介绍unetU-NetBiomedicalImageSegmentation项目地址:https://gitcode.com/gh_mirrors/une/unet1.项目基础介绍及主要编程语言U-Net是由IntelAI开发的一个生物医学图像分割的开源项目。该项目基于TensorFlow和Keras框架，使用Python语言编写，旨在为医学图像分析提供高效的解决
  • PEX 开源项目教程 束静研Kody
    PEX开源项目教程pexPexisajavascript3dlibrary/engineallowingforseamlessdevelopmentbetweenPlaskandWebGLinthebrowser.项目地址:https://gitcode.com/gh_mirrors/pex/pex项目介绍PEX（PolyethyleneExchange）是一个基于高密度聚乙烯（HDPE）的管道和
  • 学习ASP.NET Core的身份认证（基于JwtBearer的身份认证9） gc_2299 网页编程JwtBear身份认证
      测试数据库中只有之前记录温湿度及烟雾值的表中数据较多，在该数据库中增加AppUser表，用于登录用户身份查询，数据库表如下所示：  项目中安装SqlSugarCore包，然后修改控制器类的登录函数及分页查询数据函数，将之前函数中的固定数据修改为从数据库中查询数据，并将分页查询数据函数中返回数据集合修改为返回环境检测数据的集合，主要调整的代码如下所示。客户端页面中的JavaScript代码主要修
  • 华为OD机试E卷 - 最大相连男生数/学生方阵（Java & Python& JS & C++ & C ） 算法大师 最新华为OD机试华为odjavapythonc语言c++华为OD机试E卷javascript
    最新华为OD机试真题目录：点击查看目录华为OD面试真题精选：点击立即查看题目描述学校组织活动，将学生排成一个矩形方阵。请在矩形方阵中找到最大的位置相连的男生数量。这个相连位置在一个直线上，方向可以是水平的，垂直的，成对角线的或者呈反对角线的。注：学生个数不会超过10000输入描述输入的第一行为矩阵的行数和列数，接下来的n行为矩阵元素，元素间用”,”分隔。输出描述输出一个整数，表示矩阵中最长的位置相
  • Python实现聊天机器人（基于ChatterBot） Lemonlittle python开发语言
    废话不多说，直接上正题。使用Python中的ChatterBot和Spacy库编写的简单聊天机器人：首先，需要安装ChatterBot和Spacy库，可以使用以下命令：复制插入pipinstallchatterbotpipinstallspacypython-mspacydownloaden_core_web_sm复制插入接下来，我们需要导入所需的库：python复制插入fromchatterbo
  • Apache POI Annaday Springapache
    ApachePOI概述ApachePOI是用于在Java环境中读写MicrosoftOffice格式文件的开源库。支持对Excel、Word、PowerPoint等多种Office文件格式进行创建、读取、修改操作。由于企业开发中最常用的就是导出Excel文件，所以本文就以此进行讲解入门案例首先看一个简单的案例，我们需要使用该技术来读和写一个Excel文件第一步导入坐标org.apache.poip
  • python发送钉钉消息，发送个人到工作通知 夜语醉星辰 Pythonpython钉钉开发语言
    需求，钉钉消息通知不能发到群里，需要发送到个人。一、钉钉企业后台创建应用1、进入钉钉管理后台，创建应用2、记住ID等应用的信息，在后面需要用到3、设置允许对接的IP，需要公网IP4、设置权限，通讯录权限全选申请二、编写代码，通过手机号发送信息importrequestsimporttkinterastk#第一步：获取access_tokendefget_access_token(app_key,a
  • Python | 基于支持向量机（SVM）的图像分类案例 python收藏家 python机器学习python机器学习
    支持向量机（SVM）是一种监督机器学习算法，可用于分类和回归任务。在本文中，我们将重点关注使用SVM进行图像分类。当计算机处理图像时，它将其视为二维像素阵列。数组的大小对应于图像的分辨率，例如，如果图像是200像素宽和200像素高，则数组的尺寸为200x200x3。前两个维度分别表示图像的宽度和高度，而第三个维度表示RGB颜色通道。数组中的值范围为0到255，表示每个点处像素的强度。为了使用SVM
  • 华为OD机试E卷 --学生方阵--24年OD统一考试（Java & JS & Python & C & C++） 飞码创造者 最新华为OD机试题库2024华为odjavajavascriptc语言python
    文章目录题目描述输入描述输出描述用例题目解析JS算法源码Java算法源码python算法源码c算法源码c++算法源码题目描述学校组织活动，将学生排成一个矩形方阵。请在矩形方阵中找到最大的位置相连的男生数量。这个相连位置在一个直线上，方向可以是水平的，垂直的，成对角线的或者呈反对角线的。注:学生个数不会超过10000输入描述输入的第一行为矩阵的行数和列数，接下来的n行为矩阵元素，元素间用”,”分隔。
  • 谷歌开发者模式调试Js代码 [保姆级教程] yunAike javascript开发语言ecmascript
    开启开发者模式方法一：在网页中右键单击，选择“检查”选项，即可打开开发者工具。方法二：使用快捷键，在Windows/Linux系统中按Ctrl+Shift+I，在Mac系统中按Command+Option+I。开始调试JavaScript代码1.定位到源代码打开开发者工具后，点击上方的“Sources”（源代码）面板。该面板左侧是文件树，你可以从中找到要调试的JavaScript文件。如果是内联的
  • tomcat:Caused by:java.lang.ClassNotFoundException: javax.servlet.ServletContextListener解决方法 码农研究僧 BUGjavatomcatspringmaven
    目录1.找主问题2.普通方法3.进阶方法1.找主问题出现以下问题大概是在终端中这样显示让你去查看日志[2021-08-1909:20:24,031]Artifactssm项目:warexploded:Artifactisbeingdeployed,pleasewait...19-Aug-202121:20:26.871信息[RMITCPConnection(3)-127.0.0.1]org.apa
  • idea版本与maven版本不匹配问题报错java.lang.RuntimeException: java.lang.RuntimeException _ks℘ℳJJ、意中人๓ mavenintellij-ideamavenjava
    问题如下解决办法java.lang.RuntimeException:java.lang.RuntimeException:org.codehaus.plexus.component.repository.exception.ComponentLookupException:com.google.inject.ProvisionException:Unabletoprovision,seethef
  • 从入门到精通：HttpClient深度剖析与实战指南 步、步、为营 c#.netcoreasp.net微服务
    一、引言1.1背景引入在当今数字化时代，网络编程已成为软件开发中不可或缺的一部分。而HTTP通信作为网络编程的核心，承担着客户端与服务器之间数据传输的重任。无论是Web应用、移动应用，还是分布式系统，HTTP协议都扮演着关键角色，它使得不同设备、不同平台之间能够高效地进行数据交互。在Java开发领域，为了实现HTTP通信，我们有众多工具可供选择，其中ApacheHttpClient脱颖而出，成为开
  • eclipse运行java报错,eclipse用maven运行项目报错java.lang.ArrayIndexOutOfBoundsException: 28054... 陈姜梅子 Maven构建错误XML解析pom.xml
    [ERROR]28054java.lang.ArrayIndexOutOfBoundsException:28054atorg.codehaus.plexus.util.xml.pull.MXParser.parsePI(MXParser.java:2502)atorg.codehaus.plexus.util.xml.pull.MXParser.parseEpilog(MXParser.java
  • 桌面应用程序开发：跨平台方案方案有什么？ 柚米汇 开发语言
    目前市面上最流行的桌面开发程序框架和工具包括以下几种：1.Electron简介：使用Web技术（HTML、CSS、JavaScript）开发跨平台桌面应用，结合Node.js和Chromium。优点：广泛使用的Web技术，开发门槛低。丰富的插件和生态系统支持。许多成功的应用案例（如VisualStudioCode、Slack、Discord）。工具：VisualStudioCode、Atom。2.
  • Flask python 开发篇：蓝图的使用 ignativs amor Pythonflaskpythonflask后端
    蓝图引言一、为什么使用蓝图？二、蓝图的概念三、创建蓝图四、注册蓝图五、分享我的creat_app方法六、写在最后引言falsk是个轻量级的框架，核心实现简单，但同事可以让开发人员自由的扩展功能。开发中，使用模块导入的方式。一、为什么使用蓝图？将一个应用程序分解为一组蓝图。这对于较大的应用程序是理想的；一个项目可以实例化一个应用程序对象，初始化多个扩展，并注册许多蓝图。-在URL前缀和（或）子域的应
  • NPM 常用命令 pumpkin84514 其它npm
    NPM常用命令NPM（NodePackageManager）是JavaScript生态系统中最流行的包管理工具，它不仅可以管理Node.js项目的依赖，还提供了丰富的命令来管理和发布你的代码。本文将从不同角度，深入浅出地介绍NPM的常用命令和实际应用。目录NPM基础什么是NPM安装NPM初始化项目(npminit)管理依赖安装依赖(npminstall)升级和卸载依赖(npmupdate,npmu
  • Java实现音频转文本（语音识别） Tech Synapse java音视频语音识别
    在Java中实现音频转文本（也称为语音识别或ASR）通常涉及使用专门的语音识别服务，如GoogleCloudSpeech-to-Text、IBMWatsonSpeechtoText、AmazonTranscribe、MicrosoftAzureSpeechServices，或者一些开源库如CMUSphinx。由于直接使用开源库或云服务的API进行完整演示可能涉及复杂的设置和依赖管理，这里将提供一个
  • Python生成成绩报告单：从理论到实践 Tech Synapse python开发语言
    在教育信息化日益普及的今天，自动化生成和处理学生成绩报告单已成为学校和教育机构的一项重要任务。Python作为一种功能强大且易于学习的编程语言，非常适合用于这种数据处理和报告生成任务。本文将详细介绍如何使用Python生成成绩报告单，包括理论概述和完整的代码示例。一、理论概述1.数据存储与处理生成成绩报告单的第一步是存储和处理学生成绩数据。常见的数据存储方式包括CSV文件、Excel文件和数据库。
  • Java SE与Java EE的区别 Tech Synapse javajava-ee前端
    一、javase与javaee的区别在于领域不同和作用不同：1.领域不同：javase为平台标准版，可供任何领域使用。javaee为平台企业版，主要供应企业的使用。2.作用不同：javase提供了开发与运行Java软件的编译器等开发工具、软件库及Java虚拟机。它也是Java2平台、企业版本和Java网页服务的基础。编写一次、随处运行”的特性、方便存取数据库的JDBCAPI、CORBA技术以及能够
  • 深入解析LangChain框架：使用Python开发LLM应用的全生命周期指南 m0_57781768 langchainpython网络
    深入解析LangChain框架：使用Python开发LLM应用的全生命周期指南前言在当前的人工智能浪潮中，大型语言模型（LLM）已成为众多应用的核心。LangChain是一个专为开发大型语言模型应用而设计的框架，它简化了LLM应用的整个生命周期，包括开发、生产化和部署。本文将详细介绍LangChain框架的各个方面，涵盖其核心组件、第三方集成、开发教程、API参考等，并通过实际案例展示如何使用La
  • Python多继承时子类如何调用指定父类 lingllllove python开发语言
    在Python中，多继承是一种强大的特性，允许一个类同时继承多个父类的属性和方法。然而，当多个父类中存在同名方法时，子类需要明确调用哪个父类的方法。本文将详细介绍如何在多继承情况下，子类调用指定父类的方法。一、多继承的基本概念1.1多继承的定义多继承指一个类可以继承多个父类，获取多个父类的属性和方法。classA:defgreet(self):print("HellofromA")classB:d
  • python flask 蓝图(Blueprint)详解 ldq_sd python
    Blueprint模块化随着flask程序越来越复杂,我们需要对程序进行模块化的处理,针对一个简单的flask程序进行模块化处理举例来说:我们在一个py文件中写入了很多路由,fromflaskimportFlaskapp=Flask(__name__)@app.route('/')defindex():return'index'@app.route('/list')deflist():return
  • 解读Servlet原理篇二---GenericServlet与HttpServlet 周凡杨 javaHttpServlet源理GenericService源码
    在上一篇《解读Servlet原理篇一》中提到，要实现javax.servlet.Servlet接口（即写自己的Servlet应用），你可以写一个继承自javax.servlet.GenericServletr的generic Servlet ，也可以写一个继承自java.servlet.http.HttpServlet的HTTP Servlet（这就是为什么我们自定义的Servlet通常是exte
  • MySQL性能优化 bijian1013 数据库mysql
            性能优化是通过某些有效的方法来提高MySQL的运行速度，减少占用的磁盘空间。性能优化包含很多方面，例如优化查询速度，优化更新速度和优化MySQL服务器等。本文介绍方法的主要有：         a.优化查询         b.优化数据库结构  
  • ThreadPool定时重试 dai_lm javaThreadPoolthreadtimertimertask
    项目需要当某事件触发时，执行http请求任务，失败时需要有重试机制，并根据失败次数的增加，重试间隔也相应增加，任务可能并发。 由于是耗时任务，首先考虑的就是用线程来实现，并且为了节约资源，因而选择线程池。 为了解决不定间隔的重试，选择Timer和TimerTask来完成 package threadpool; public class ThreadPoolTest {
  • Oracle 查看数据库的连接情况 周凡杨 sqloracle 连接
    首先要说的是，不同版本数据库提供的系统表会有不同，你可以根据数据字典查看该版本数据库所提供的表。 select * from dict where table_name like '%SESSION%'; 就可以查出一些表，然后根据这些表就可以获得会话信息 select sid,serial#,status,username,schemaname,osuser,terminal,ma
  • 类的继承 朱辉辉33 java
    类的继承可以提高代码的重用行，减少冗余代码；还能提高代码的扩展性。Java继承的关键字是extends 格式:public class 类名（子类）extends 类名（父类）{ } 子类可以继承到父类所有的属性和普通方法，但不能继承构造方法。且子类可以直接使用父类的public和 protected属性，但要使用private属性仍需通过调用。 子类的方法可以重写，但必须和父类的返回值类
  • android 悬浮窗特效 肆无忌惮_ android
    最近在开发项目的时候需要做一个悬浮层的动画，类似于支付宝掉钱动画。但是区别在于，需求是浮出一个窗口，之后边缩放边位移至屏幕右下角标签处。效果图如下：   一开始考虑用自定义View来做。后来发现开线程让其移动很卡，ListView+动画也没法精确定位到目标点。   后来想利用Dialog的dismiss动画来完成。   自定义一个Dialog后，在styl
  • hadoop伪分布式搭建 林鹤霄 hadoop
    要修改4个文件    1: vim hadoop-env.sh  第九行    2: vim core-site.xml            <configuration>     &n
  • gdb调试命令 aigo gdb
    原文：http://blog.csdn.net/hanchaoman/article/details/5517362   一、GDB常用命令简介   r run 运行.程序还没有运行前使用 c             cuntinue 
  • Socket编程的HelloWorld实例 alleni123 socket
    public class Client { public static void main(String[] args) { Client c=new Client(); c.receiveMessage(); } public void receiveMessage(){ Socket s=null; BufferedRea
  • 线程同步和异步 百合不是茶 线程同步异步
    多线程和同步 : 如进程、线程同步，可理解为进程或线程A和B一块配合，A执行到一定程度时要依靠B的某个结果，于是停下来，示意B运行；B依言执行，再将结果给A；A再继续操作。 所谓同步，就是在发出一个功能调用时，在没有得到结果之前，该调用就不返回，同时其它线程也不能调用这个方法   多线程和异步:多线程可以做不同的事情,涉及到线程通知     &
  • JSP中文乱码分析 bijian1013 javajsp中文乱码
            在JSP的开发过程中，经常出现中文乱码的问题。         首先了解一下Java中文问题的由来：         Java的内核和class文件是基于unicode的，这使Java程序具有良好的跨平台性，但也带来了一些中文乱码问题的麻烦。原因主要有两方面，
  • js实现页面跳转重定向的几种方式 bijian1013 JavaScript重定向
            js实现页面跳转重定向有如下几种方式： 一.window.location.href <script language="javascript"type="text/javascript"> window.location.href="http://www.baidu.c
  • 【Struts2三】Struts2 Action转发类型 bit1129 struts2
     在【Struts2一】 Struts Hello World http://bit1129.iteye.com/blog/2109365中配置了一个简单的Action，配置如下   <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configurat
  • 【HBase十一】Java API操作HBase bit1129 hbase
    Admin类的主要方法注释：   1. 创建表 /** * Creates a new table. Synchronous operation. * * @param desc table descriptor for table * @throws IllegalArgumentException if the table name is res
  • nginx gzip ronin47 nginx gzip
    Nginx GZip 压缩 Nginx GZip 模块文档详见：http://wiki.nginx.org/HttpGzipModule 常用配置片段如下： gzip on; gzip_comp_level 2; # 压缩比例，比例越大，压缩时间越长。默认是1 gzip_types text/css text/javascript; # 哪些文件可以被压缩 gzip_disable &q
  • java-7.微软亚院之编程判断俩个链表是否相交 给出俩个单向链表的头指针，比如 h1 ， h2 ，判断这俩个链表是否相交 bylijinnan java
    public class LinkListTest { /** * we deal with two main missions: * * A. * 1.we create two joined-List(both have no loop) * 2.whether list1 and list2 join * 3.print the join
  • Spring源码学习-JdbcTemplate batchUpdate批量操作 bylijinnan javaspring
    Spring JdbcTemplate的batch操作最后还是利用了JDBC提供的方法，Spring只是做了一下改造和封装 JDBC的batch操作： String sql = "INSERT INTO CUSTOMER " + "(CUST_ID, NAME, AGE) VALUES (?, ?, ?)";
  • [JWFD开源工作流]大规模拓扑矩阵存储结构最新进展 comsci 工作流
        生成和创建类已经完成,构造一个100万个元素的矩阵模型,存储空间只有11M大,请大家参考我在博客园上面的文档"构造下一代工作流存储结构的尝试",更加相信的设计和代码将陆续推出.........     竞争对手的能力也很强.......,我相信..你们一定能够先于我们推出大规模拓扑扫描和分析系统的....
  • base64编码和url编码 cuityang base64url
    import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.PrintWriter; import java.io.StringWriter; import java.io.UnsupportedEncodingException;
  • web应用集群Session保持 dalan_123 session
    关于使用 memcached 或redis 存储 session ，以及使用 terracotta 服务器共享。建议使用 redis，不仅仅因为它可以将缓存的内容持久化，还因为它支持的单个对象比较大，而且数据类型丰富，不只是缓存 session，还可以做其他用途，一举几得啊。1、使用 filter 方法存储这种方法比较推荐，因为它的服务器使用范围比较多，不仅限于tomcat ，而且实现的原理比较简
  • Yii 框架里数据库操作详解-[增加、查询、更新、删除的方法 'AR模式'] dcj3sjt126com 数据库
        public function getMinLimit () {        $sql = "...";        $result = yii::app()->db->createCo
  • solr StatsComponent（聚合统计） eksliang solr聚合查询solr stats
    StatsComponent 转载请出自出处：http://eksliang.iteye.com/blog/2169134 http://eksliang.iteye.com/ 一、概述        Solr可以利用StatsComponent 实现数据库的聚合统计查询，也就是min、max、avg、count、sum的功能   二、参数
  • 百度一道面试题 greemranqq 位运算百度面试寻找奇数算法bitmap 算法
    那天看朋友提了一个百度面试的题目：怎么找出{1,1,2,3,3,4,4,4,5,5,5,5}  找出出现次数为奇数的数字.   我这里复制的是原话，当然顺序是不一定的，很多拿到题目第一反应就是用map,当然可以解决，但是效率不高。   还有人觉得应该用算法xxx,我是没想到用啥算法好...！   还有觉得应该先排序...   还有觉
  • Spring之在开发中使用SpringJDBC ihuning spring
      在实际开发中使用SpringJDBC有两种方式：   1. 在Dao中添加属性JdbcTemplate并用Spring注入；     JdbcTemplate类被设计成为线程安全的，所以可以在IOC 容器中声明它的单个实例，并将这个实例注入到所有的 DAO 实例中。JdbcTemplate也利用了Java 1.5 的特定(自动装箱，泛型，可变长度
  • JSON API 1.0 核心开发者自述 | 你所不知道的那些技术细节 justjavac json
    2013年5月，Yehuda Katz 完成了JSON API(英文，中文) 技术规范的初稿。事情就发生在 RailsConf 之后，在那次会议上他和 Steve Klabnik 就 JSON 雏形的技术细节相聊甚欢。在沟通单一 Rails 服务器库—— ActiveModel::Serializers 和单一 JavaScript 客户端库——&
  • 网站项目建设流程概述 macroli 工作
    一.概念 网站项目管理就是根据特定的规范、在预算范围内、按时完成的网站开发任务。 二.需求分析 项目立项 　　我们接到客户的业务咨询，经过双方不断的接洽和了解，并通过基本的可行性讨论够，初步达成制作协议，这时就需要将项目立项。较好的做法是成立一个专门的项目小组，小组成员包括：项目经理，网页设计，程序员，测试员，编辑/文档等必须人员。项目实行项目经理制。 客户的需求说明书 　　第一步是需
  • AngularJs 三目运算 表达式判断 qiaolevip 每天进步一点点学习永无止境众观千象AngularJS
    事件回顾：由于需要修改同一个模板，里面包含2个不同的内容，第一个里面使用的时间差和第二个里面名称不一样，其他过滤器，内容都大同小异。希望杜绝If这样比较傻的来判断if-show or not，继续追究其源码。 var b = "{{", a = "}}"; this.startSymbol = function(a) {
  • Spark算子：统计RDD分区中的元素及数量 superlxw1234 sparkspark算子Spark RDD分区元素
    关键字：Spark算子、Spark RDD分区、Spark RDD分区元素数量     Spark RDD是被分区的，在生成RDD时候，一般可以指定分区的数量，如果不指定分区数量，当RDD从集合创建时候，则默认为该程序所分配到的资源的CPU核数，如果是从HDFS文件创建，默认为文件的Block数。   可以利用RDD的mapPartitionsWithInd
  • Spring 3.2.x将于2016年12月31日停止支持 wiselyman Spring 3
                  Spring 团队公布在2016年12月31日停止对Spring Framework 3.2.x（包含tomcat 6.x）的支持。在此之前spring团队将持续发布3.2.x的维护版本。          请大家及时准备及时升级到Spring
  • fis纯前端解决方案fis-pure zccst JavaScript
    作者：zccst FIS通过插件扩展可以完美的支持模块化的前端开发方案，我们通过FIS的二次封装能力，封装了一个功能完备的纯前端模块化方案pure。 1，fis-pure的安装 $ fis install -g fis-pure $ pure -v 0.1.4 2，下载demo到本地 git clone https://github.com/hefangshi/f
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他