一亩高粱
一亩高粱

Awesome Incremental Learning

资源列表

增量学习资料-CSDN

代码

https://github.com/xialeiliu/Awesome-Incremental-Learning

博客

你可能感兴趣的:(增量学习,增量学习)

  • 灾难性遗忘问题（Catastrophic Forgetting，CF）是什么？ Chauvin912 机器学习算法科普学习方法
    灾难性遗忘问题（CatastrophicForgetting，CF）是什么？在深度学习和人工智能领域中，“灾难性遗忘”（CatastrophicForgetting）是指当神经网络在增量学习（IncrementalLearning）或持续学习（ContinualLearning）过程中遇到新任务时，往往会显著遗忘之前所学的任务知识。这种现象在需要模型长期积累知识的应用场景中尤为显著，如自动驾驶、机
  • 机器学习中的增量学习（Incremental Learning，IL）策略是什么？ Chauvin912 机器学习算法科普机器学习学习人工智能
    机器学习中的增量学习（IncrementalLearning，IL）策略是什么？在当今快速发展的数据驱动世界中，传统的静态机器学习模型逐渐显露出局限性。随着数据量的增长和分布的变化，模型需要不断更新，以保持其预测能力和适应性。然而，频繁的重新训练不仅耗费大量资源，还会导致模型丧失对旧数据的记忆，这被称为“灾难性遗忘”（CatastrophicForgetting）现象。为解决这一问题，增量学习（I
  • 机器学习概述与应用：深度学习、人工智能与经典学习方法 刷刷刷粉刷匠 人工智能机器学习深度学习
    引言机器学习（MachineLearning）是人工智能（AI）领域中最为核心的分支之一，其主要目的是通过数据学习和构建模型，帮助计算机系统自动完成特定任务。随着深度学习（DeepLearning）的崛起，机器学习技术在各行各业中的应用变得越来越广泛。在本文中，我们将详细介绍机器学习的基础概念，包括无监督学习、有监督学习、增量学习，以及常见的回归和分类问题，并结合实际代码示例来加深理解。1.机器学
  • 如何利用增量学习的方法来解决灾难性遗忘的问题？ AlphaFinance 机器学习学习机器学习深度学习
    增量学习是一种逐步学习新数据的方法，通过在新数据上更新模型而不是从头开始训练。这种方法在很大程度上可以缓解灾难性遗忘问题，因为它试图在学习新知识的同时保留已有知识。以下是一些使用增量学习解决灾难性遗忘问题的策略：记忆回放：记忆回放是一种常用的解决灾难性遗忘问题的方法。它通过存储一些先前学习过的样本，并在训练新数据时将这些样本与新数据混合，从而使模型能够回顾并巩固已学习的知识。这有助于在学习新任务时
  • Obsidian与SuperMemo联用（四） 来自知乎的一只小胖子
    在之前系列文章中，我有讲解了SuperMemo在学习场景中与其它软件协同的操作流程，包括如何在SuperMemo中导入Obsidian笔记进行增量学习的具体操作。很快几个月过去了，通过对Obsidian软件这段时间的使用和学习，我现在对两个软件的结合使用又有了一些新的想法，因此便有了此文。如果你还未阅读原文，可参考如下原文链接，来了解SuperMemo在学习中的协同使用流程：一只小胖子：Super
  • 增量学习时，通过网络快速搜索关键词的快捷键是什么？ 菜五
    (2019-02-02-周六04:55:05)Ctrl+f3要快速搜索有关您正在阅读的主题的文章，请选择文本的一部分，按Ctrl+F3并选择谷歌
  • 深度学习笔记：灾难性遗忘 UQI-LIUWJ 机器学习笔记
    1灾难性遗忘介绍当神经网络被训练去学习新的任务时，它可能会完全忘记如何执行它以前学过的任务。这种现象尤其在所谓的“连续学习”（continuouslearning）或“增量学习”（incrementallearning）场景中很常见2不同视角下看待灾难性遗忘以及对应的解决方法2.1从梯度的视角2.1.1从梯度的视角看灾难性遗忘我们有两个不同任务的损失曲面，用平滑的曲面训练完之后，再在坑坑洼洼的曲面
  • incremental learning(增量学习是什么意思） ：）�东东要拼命 CV基础知识1024程序员节机器学习人工智能目标检测deeplearning
    有时候真的从ai的理解反复横跳，从一个不明觉厉ai的概念的小白到初识neuralnetwork的科研菜鸡。概念上跟着吴恩达大佬刷新了一下，其实只是看上去nn和大脑神经相似而已，本质上就是让机器给我们一个函数，一个“黑盒”，输进去data,出来我们想要的结果。增量学习（incrementallearning）从某种角度来说，有点契合我们人类持续不断地学习的状态，我们永远鼓励大家接受新事物，学习新知识
  • Continual Learning/Lifelong Learning/Incremental Learning Si_ang_ 深度学习神经网络人工智能
    一、浅谈持续学习持续学习（ContinualLearning）又叫终身学习（LifelongLearning）又叫增量学习（IncrementalLearning)。增量学习是可取的，因为它允许通过消除新数据到达时从头再训练的需要来有效地使用资源；通过防止或限制所需存储的数据量来减少内存使用，在施加隐私限制时也很重要；学习更接近于人类的学习。近年来，深度神经网络的增量学习出现了爆炸式增长。最初的工
  • 连续学习（Continual Learning）或者增量学习的场景中，multiband和replay分别是什么？起到什么作用 马鹏森 机器学习基础学习
    multiband和replay是两种不同的训练策略，通常用在处理连续学习或者增量学习的场景中。这些策略旨在解决新知识学习导致旧知识遗忘的问题，即所谓的灾难性遗忘。以下是multiband和replay两种策略的基本区别：Multiband:定义:multiband通常是指一种训练过程，其中模型被设计为可以同时学习和保持对多个任务或数据集的知识（同时学习新旧知识）。这种方法的目标是在整个训练过程中
  • IJCAI2023 | 高效训练Transformers的方法 JOYCE_Leo16 Transformer深度学习transformer人工智能计算机视觉
    来源：Google数据科学文章目录前言一、ComputationEffciency1.Optimization（优化器）2.Initialization（参数初始化）3.Sparsetraining（稀疏训练）4.Overparameterization（过参数化）5.Largebatchtraining（大批量训练）6.Incrementallearning（增量学习）二、DataSelecti
  • 2024年原创深度学习算法项目分享 Jason160918 python机器学习目标检测人工智能自然语言处理计算机视觉
    原创深度学习算法项目分享，包括以下领域：图像视频、文本分析、知识图谱、推荐系统、问答系统、强化学习、机器学习、多模态、系统界面、爬虫、增量学习等领域…有需要的话，评论区私聊
  • SuperMemo16有一小篇幅的文章，因它整合在“增量学习”内，所以不受人欢迎。 “增量学习”这篇文章，其篇幅之长，可当一本书来对待。 菜五
    (2018-05-16-周三00:15:52)SuperMemo16有一篇短小的文章，但它不受欢迎，它与“增量学习”的文章结合在一起，这篇文章读起来就像一本小书(由于篇幅太长)。
  • 除了items、主题和概念之外，您还可以在增量学习中使用任务。 菜五
    (2018-11-19-周一15:41:42)除了items、主题和概念之外，您还可以在增量学习中使用任务。
  • 近日思考（） 坠金 目标识别/语义分割计算机视觉
    科研过程的一些小思考，多半是自己还没能力实现的，如果有路过的大佬知道这些问题有解决的思路，请给我一点关键词，验证可行的请你喝咖啡~Q1：cv任务是否可以分阶段学习？类似婴儿有一定的多分类能力，但没见过苹果，给它新数据集但是只标签只有背景和苹果（可能包含以前见过的类别，但标记为背景）增量学习（IncrementalLearning）或继续学习（ContinualLearning）？对这块不太了解，查
  • 63基于matlab的生物地理的优化器（BBO）被用作多层感知器（MLP）的训练器。 顶呱呱程序 matlab工程应用matlab学习人工智能多种优化算法比较模式识别
    基于matlab的生物地理的优化器（BBO）被用作多层感知器（MLP）的训练器。粒子群优化（PSO）、蚁群优化（ACO）、遗传算法（GA）、进化策略（ES）和基于概率的增量学习（PBIL）。计算了BBO-MLP、PSO、ACO、ES、GA和PBIL的分类精度并相互比较。输出每种算法的收敛曲线和分类精度。程序已调通，可直接运行。63模式识别多种优化算法比较(xiaohongshu.com)
  • 《机器学习实战》1章-机器学习概览 一只勤劳的小鸡 机器学习人工智能机器学习
    前言： 本文是对蜥蜴书第二版第一章学习概要。一、什么是机器学习利用经验E来学习任务T，性能是P，如果针对任务T的性能P随着经验E不断增长，则称为机器学习。-TomMitchell二、机器学习分类Ⅰ、按照是否有监督有监督学习有标签无监督学习无标签半监督学习部分有标签强化学习有奖惩。Ⅱ、按照是否动态增量学习（持续学习）在线学习不良的数据可能会使系统性能降低。批量学习Ⅲ、按研究对象基于实例学习基于模型学
  • 【论文翻译】Faster ILOD：Incremental Learning for Object Detectors based on Faster RCNN 小张好难瘦 论文目标检测人工智能计算机视觉
    FasterILOD：IncrementalLearningforObjectDetectorsbasedonFasterRCNNFasterILOD：基于FasterRCNN的目标检测器增量学习论文地址：https://arxiv.org/pdf/2003.03901.pdf代码地址：无目录Abstract1Introduction2ProblemFormulation3RelatedWork3
  • 读书笔记-增量学习-EEIL_End-to-End Incremental Learning 谷粤狐 读书笔记机器学习人工智能深度学习神经网络计算机视觉
    一篇2018年的论文：End-to-EndIncrementalLearning。为了使模型实现增量学习，把新、旧数据一起重新训练会导致时间、存储成本等一系列问题。作者提出的方法仅使用新数据与部分代表性的旧数据。基于Distillation知识蒸馏从旧数据中提取代表性样本、Crossentropy交叉熵学习新数据。题目的End-to-End指的是能同时训练更新Classification分类器和代
  • 联邦类增量学习 王洛伊 学习
    FCIL联邦类增量学习已经参与联邦学习的用户经常可能收到新的类别，但是考虑到每个用户自己设备的存储空间有限，很难对其收集到的所有类别都保存下足够数量的数据。这种情况会导致联邦学习模型对于旧类数据的性能遇到严重的灾难性遗忘。全局-局部遗忘补偿（GLFC）模型，同时从global和local俩个角度出发，尽可能的减弱灾难性遗忘，使联邦学习最终可训练一个全局增量模型。为了解决由于localclient的
  • 增量学习分享 cqbelt 日记学习机器学习深度学习
    增量学习主要应用于判别性任务。在这个场景中，分类任务是按顺序学习的。在序列的最后，判别模型应该能够记住所有的任务。从一个任务到下一个任务的简单的微调方法会导致灾难性遗忘，也就是说，无法在之前的任务上保持初始性能。之前提出的方法可以分为四种类型。第一种方法，称为排练，是保留以前任务的样本。这些样本可以用不同的方式来克服遗忘。该方法不能用于以前任务的数据不可用的场景。此外，这种方法的可扩展也会受到质疑
  • sklearn 增量学习 吹洞箫饮酒杏花下
    对于大数据集，在训练时会出现MemoryError。sklearn提供了几种办法，一是从根本上节省空间，二是流式读取，三是节省每次运行时的数据量。1.流式数据要给算法流式数据或小batch的数据。读入数据的一部分？2.特征提取或者降维sklearn提供了很多方法。3.增量学习算法sklearn中任何提供了partial_fit的函数的学习器都可以进行增量学习。运行数据的一部分。每次训练只有一个mi
  • 【知识点】增量学习、在线学习、离线学习的区别 风等雨归期 学习
    参考链接：https://www.6aiq.com/article/1613258706447?p=1&m=0离线学习常见的学习方式，一次性将所有数据参与进训练。离线学习完成了目标函数的优化将不会在改变了离线学习需要一次提供整个训练集时间和空间成本效率低发生数据变更或模型漂移需要从头开始训练离线学习模型稳定性高，方便做模型的验证评估在线学习在线学习，能够根据线上反馈数据，实时快速地进行模型调整，使
  • 超越传统学习：揭秘增量学习的优势与挑战 机器学习深度学习
    增量学习代表了学术界的一种动态方法，促进逐步和一致的知识同化。与向学习者提供海量信息的传统方法不同，增量学习将复杂的主题分解为可管理的片段。在机器学习中，增量方法训练人工智能模型逐步吸收新知识。这使模型能够保留并增强现有的理解，形成持续进步的基石。什么是增量学习？增量学习是一种教育方法，通过以可管理的小增量引入新数据，多年来逐渐积累知识。增量学习不是试图立即学习所有内容，而是将复杂的主题分解为更小
  • yolo中迁移学习和增量学习的区别是什么，适用于什么情况 小镇种田家 yoloYOLO迁移学习学习深度学习
    在YOLO中，迁移学习和增量学习是两种不同的训练策略，它们有着不同的应用场景和目的。1.迁移学习（TransferLearning）：迁移学习是指将在一个任务上训练好的模型应用于另一个相关任务上。在YOLO中，迁移学习可以通过将在大规模数据集（如COCO数据集）上预训练的模型作为初始模型，然后在目标数据集（如自己的数据集）上进行微调训练。这样做的好处是，可以快速将模型适应到新数据集，从而节省训练时
  • Unsupervised Recognition of Unknown Objects for Open-World Object Detection（论文解析） 黄阳老师 目标检测目标跟踪人工智能
    UnsupervisedRecognitionofUnknownObjectsforOpen-WorldObjectDetection摘要2相关工作摘要开放世界目标检测（OWOD）将目标检测问题扩展到一个现实且动态的场景，要求检测模型能够检测已知和未知对象，并能够增量学习新引入的知识。当前的OWOD模型，如ORE和OW-DETR，侧重于将具有高物体性分数的区域标记为未知对象，它们的性能在很大程度上
  • PROB: Probabilistic Objectness for Open World Object Detection（论文解析） 黄阳老师 目标检测人工智能计算机视觉
    PROB:ProbabilisticObjectnessforOpenWorldObjectDetection摘要2相关工作摘要开放世界目标检测（OWOD）是一个新的、具有挑战性的计算机视觉任务，它弥合了传统的目标检测（OD）基准和现实世界中的目标检测之间的差距。除了检测和分类已知/标记的对象外，OWOD算法还应该能够检测新颖/未知的对象，这些对象可以进行分类和增量学习。在标准的OD中，不与已标记
  • 【增量学习】Incremental Intent Detection for Medical Domainwith Contrastive Replay Networks nlp_xiaobai 学习自然语言处理tensorflow深度学习机器学习
    这篇2022年5月份的ACL文章出自于中科院Abstract传统的医疗意图检测方法需要固定的预定义意图类别。然而，由于现实世界中新的医学意图不断涌现，这样的要求并不现实。考虑到每次新数据和意图进入时存储和重新训练整个数据的计算成本很高，我们建议增量学习出现的意图，同时避免灾难性地忘记旧意图。我们首先为医疗意图检测制定增量学习。然后，我们采用基于记忆的方法来处理增量学习。我们进一步建议使用对比重放网
  • 《A Survey of Model Compression and Acceleration for Deep Neural Networks》笔记 luyanfcp
    Introduce随着DNN的层数和节点个数越来越多，它面临着两方面的问题。一方面它的计算和存储成本越来越高，对一些及时性的程序带来了挑战（在线学习和增量学习）；另一方面由于小型化设备越来越普及，小型设备对DNN越来越强。但由于体积和计算难度，DNN在小型设备上的部署也面临挑战。本文综述了最近几年ML、最优化、计算机体系结构、数据压缩、硬件设计等等方面对DNN加速和压缩方面的进展。本文讲这些进展分
  • 机器学习的种类介绍 statr
    现有的机器学习种类繁多，我们一般可以进行如下的分类标准：是否在人类监督下学习（监督学习、非监督学习、半监督学习和强化学习）是否可以动态的增量学习（在线学习和批量学习）是简单的将新的数据点和已知的数据点进行匹配，还是像科学家那样对训练数据进行模型检测，然后建立一个预测模型（基于实例的学习和基于模型的学习）这些标准之间并不排斥。一、监督学习和非监督学习根据训练期间接受的监督数量和监督类型，可以将机器学
  • JVM StackMapTable 属性的作用及理解 lijingyao8206 jvm字节码Class文件StackMapTable
            在Java 6版本之后JVM引入了栈图(Stack Map Table)概念。为了提高验证过程的效率，在字节码规范中添加了Stack Map Table属性，以下简称栈图，其方法的code属性中存储了局部变量和操作数的类型验证以及字节码的偏移量。也就是一个method需要且仅对应一个Stack Map Table。在Java 7版
  • 回调函数调用方法 百合不是茶 java
    最近在看大神写的代码时,.发现其中使用了很多的回调 ,以前只是在学习的时候经常用到 ,现在写个笔记 记录一下   代码很简单:           MainDemo  :调用方法  得到方法的返回结果        
  • [时间机器]制造时间机器需要一些材料 comsci 制造
          根据我的计算和推测,要完全实现制造一台时间机器,需要某些我们这个世界不存在的物质     和材料...       甚至可以这样说,这种材料和物质,我们在反应堆中也无法获得......      
  • 开口埋怨不如闭口做事 邓集海 邓集海 做人 做事 工作
    “开口埋怨，不如闭口做事。”不是名人名言，而是一个普通父亲对儿子的训导。但是，因为这句训导，这位普通父亲却造就了一个名人儿子。这位普通父亲造就的名人儿子，叫张明正。 　　 　　张明正出身贫寒，读书时成绩差，常挨老师批评。高中毕业，张明正连普通大学的分数线都没上。高考成绩出来后，平时开口怨这怨那的张明正，不从自身找原因，而是不停地埋怨自己家庭条件不好、埋怨父母没有给他创造良好的学习环境。 　　 　　
  • jQuery插件开发全解析，类级别与对象级别开发 IT独行者 jquery开发插件　函数
    jQuery插件的开发包括两种： 一种是类级别的插件开发，即给 jQuery添加新的全局函数，相当于给 jQuery类本身添加方法。 jQuery的全局函数就是属于 jQuery命名空间的函数，另一种是对象级别的插件开发，即给 jQuery对象添加方法。下面就两种函数的开发做详细的说明。   1 、类级别的插件开发 类级别的插件开发最直接的理解就是给jQuer
  • Rome解析Rss 413277409 Rome解析Rss
    import java.net.URL;  import java.util.List;    import org.junit.Test;    import com.sun.syndication.feed.synd.SyndCategory;  import com.sun.syndication.feed.synd.S
  • RSA加密解密 无量 加密解密rsa
    RSA加密解密代码 代码有待整理 package com.tongbanjie.commons.util; import java.security.Key; import java.security.KeyFactory; import java.security.KeyPair; import java.security.KeyPairGenerat
  • linux 软件安装遇到的问题 aichenglong linux遇到的问题ftp
    1 ftp配置中遇到的问题    500 OOPS: cannot change directory   出现该问题的原因:是SELinux安装机制的问题.只要disable SELinux就可以了   修改方法:1 修改/etc/selinux/config 中SELINUX=disabled    2 source /etc
  • 面试心得 alafqq 面试
    最近面试了好几家公司。记录下； 支付宝，面试我的人胖胖的，看着人挺好的；博彦外包的职位，面试失败； 阿里金融，面试官人也挺和善，只不过我让他吐血了。。。 由于印象比较深，记录下； 1，自我介绍 2，说下八种基本类型；（算上string。楼主才答了3种，哈哈，string其实不是基本类型，是引用类型） 3，什么是包装类，包装类的优点； 4，平时看过什么书？NND，什么书都没看过。。照样
  • java的多态性探讨 百合不是茶 java
    java的多态性是指main方法在调用属性的时候类可以对这一属性做出反应的情况 //package 1; class A{ public void test(){ System.out.println("A"); } } class D extends A{ public void test(){ S
  • 网络编程基础篇之JavaScript-学习笔记 bijian1013 JavaScript
    1.documentWrite <html> <head> <script language="JavaScript"> document.write("这是电脑网络学校"); document.close(); </script> </h
  • 探索JUnit4扩展：深入Rule bijian1013 JUnitRule单元测试
            本文将进一步探究Rule的应用，展示如何使用Rule来替代@BeforeClass，@AfterClass，@Before和@After的功能。         在上一篇中提到，可以使用Rule替代现有的大部分Runner扩展，而且也不提倡对Runner中的withBefores()，withAfte
  • [CSS]CSS浮动十五条规则 bit1129 css
    这些浮动规则，主要是参考CSS权威指南关于浮动规则的总结，然后添加一些简单的例子以验证和理解这些规则。   1. 所有的页面元素都可以浮动 2. 一个元素浮动后，会成为块级元素，比如<span>,a, strong等都会变成块级元素 3.一个元素左浮动，会向最近的块级父元素的左上角移动，直到浮动元素的左外边界碰到块级父元素的左内边界；如果这个块级父元素已经有浮动元素停靠了
  • 【Kafka六】Kafka Producer和Consumer多Broker、多Partition场景 bit1129 partition
    0.Kafka服务器配置 3个broker 1个topic，6个partition，副本因子是2 2个consumer，每个consumer三个线程并发读取   1. Producer package kafka.examples.multibrokers.producers; import java.util.Properties; import java.util.
  • zabbix_agentd.conf配置文件详解 ronin47 zabbix 配置文件
    Aliaskey的别名，例如 Alias=ttlsa.userid:vfs.file.regexp[/etc/passwd,^ttlsa:.:([0-9]+),,,,\1]， 或者ttlsa的用户ID。你可以使用key：vfs.file.regexp[/etc/passwd,^ttlsa:.: ([0-9]+),,,,\1]，也可以使用ttlsa.userid。备注: 别名不能重复，但是可以有多个
  • java--19.用矩阵求Fibonacci数列的第N项 bylijinnan fibonacci
    参考了网上的思路，写了个Java版的： public class Fibonacci { final static int[] A={1,1,1,0}; public static void main(String[] args) { int n=7; for(int i=0;i<=n;i++){ int f=fibonac
  • Netty源码学习-LengthFieldBasedFrameDecoder bylijinnan javanetty
    先看看LengthFieldBasedFrameDecoder的官方API http://docs.jboss.org/netty/3.1/api/org/jboss/netty/handler/codec/frame/LengthFieldBasedFrameDecoder.html API举例说明了LengthFieldBasedFrameDecoder的解析机制，如下： 实
  • AES加密解密 chicony 加密解密
    AES加解密算法，使用Base64做转码以及辅助加密： package com.wintv.common; import javax.crypto.Cipher; import javax.crypto.spec.IvParameterSpec; import javax.crypto.spec.SecretKeySpec; import sun.misc.BASE64Decod
  • 文件编码格式转换 ctrain 编码格式
    package com.test; import java.io.File; import java.io.FileInputStream; import java.io.FileOutputStream; import java.io.IOException; import java.io.InputStream; import java.io.OutputStream;
  • mysql 在linux客户端插入数据中文乱码 daizj mysql中文乱码
    1、查看系统客户端，数据库，连接层的编码  查看方法： http://daizj.iteye.com/blog/2174993 进入mysql，通过如下命令查看数据库编码方式： mysql>  show variables like 'character_set_%'; +--------------------------+------
  • 好代码是廉价的代码 dcj3sjt126com 程序员读书
      长久以来我一直主张：好代码是廉价的代码。 当我跟做开发的同事说出这话时，他们的第一反应是一种惊愕，然后是将近一个星期的嘲笑，把它当作一个笑话来讲。 当他们走近看我的表情、知道我是认真的时，才收敛一点。 当最初的惊愕消退后，他们会用一些这样的话来反驳： “好代码不廉价，好代码是采用经过数十年计算机科学研究和积累得出的最佳实践设计模式和方法论建立起来的精心制作的程序代码。” 我只
  • Android网络请求库——android-async-http dcj3sjt126com android
    在iOS开发中有大名鼎鼎的ASIHttpRequest库，用来处理网络请求操作，今天要介绍的是一个在Android上同样强大的网络请求库android-async-http，目前非常火的应用Instagram和Pinterest的Android版就是用的这个网络请求库。这个网络请求库是基于Apache HttpClient库之上的一个异步网络请求处理库，网络处理均基于Android的非UI线程，通
  • ORACLE 复习笔记之SQL语句的优化 eksliang SQL优化Oracle sql语句优化SQL语句的优化
    转载请出自出处：http://eksliang.iteye.com/blog/2097999   SQL语句的优化总结如下   sql语句的优化可以按照如下六个步骤进行： 合理使用索引 避免或者简化排序 消除对大表的扫描 避免复杂的通配符匹配 调整子查询的性能 EXISTS和IN运算符 下面我就按照上面这六个步骤分别进行总结：
  • 浅析：Android 嵌套滑动机制（NestedScrolling） gg163 android移动开发滑动机制嵌套
    谷歌在发布安卓 Lollipop版本之后，为了更好的用户体验，Google为Android的滑动机制提供了NestedScrolling特性 NestedScrolling的特性可以体现在哪里呢？<!--[if !supportLineBreakNewLine]--><!--[endif]--> 比如你使用了Toolbar，下面一个ScrollView，向上滚
  • 使用hovertree菜单作为后台导航 hvt JavaScriptjquery.nethovertreeasp.net
      hovertree是一个jquery菜单插件，官方网址：http://keleyi.com/jq/hovertree/ ，可以登录该网址体验效果。 0.1.3版本：http://keleyi.com/jq/hovertree/demo/demo.0.1.3.htm hovertree插件包含文件： http://keleyi.com/jq/hovertree/css
  • SVG 教程 （二）矩形 天梯梦 svg
    SVG <rect> SVG Shapes SVG有一些预定义的形状元素，可被开发者使用和操作： 矩形 <rect> 圆形 <circle> 椭圆 <ellipse> 线 <line> 折线 <polyline> 多边形 <polygon> 路径 <path>
  • 一个简单的队列 luyulong java数据结构队列
    public class MyQueue { private long[] arr; private int front; private int end; // 有效数据的大小 private int elements; public MyQueue() { arr = new long[10]; elements = 0; front
  • 基础数据结构和算法九：Binary Search Tree sunwinner Algorithm
      A binary search tree (BST) is a binary tree where each node has a Comparable key (and an associated value) and satisfies the restriction that the key in any node is larger than the keys in all
  • 项目出现的一些问题和体会 Steven-Walker DAOWebservlet
         第一篇博客不知道要写点什么，就先来点近阶段的感悟吧。     这几天学了servlet和数据库等知识，就参照老方的视频写了一个简单的增删改查的，完成了最简单的一些功能，使用了三层架构。 dao层完成的是对数据库具体的功能实现，service层调用了dao层的实现方法，具体对servlet提供支持。  &
  • 高手问答：Java老A带你全面提升Java单兵作战能力！ ITeye管理员 java
    本期特邀《Java特种兵》作者：谢宇，CSDN论坛ID: xieyuooo 针对JAVA问题给予大家解答，欢迎网友积极提问，与专家一起讨论! 作者简介： 淘宝网资深Java工程师，CSDN超人气博主，人称“胖哥”。 CSDN博客地址： http://blog.csdn.net/xieyuooo 作者在进入大学前是一个不折不扣的计算机白痴，曾经被人笑话过不懂鼠标是什么，
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他