- 安防监控漏报频发?陌讯实时检测算法实测召回率98%
2501_92487721
目标跟踪计算机视觉人工智能算法
一、开篇痛点:安防监控的检测难题在夜间低光、遮挡、小目标等复杂场景下,传统YOLO系列算法常出现漏检(FN)和误检(FP)。某安防厂商测试数据显示:当目标像素<50×50时,开源模型召回率骤降至65%以下。二、技术解析:陌讯算法的三重创新陌讯视觉算法通过多尺度特征融合+自适应光照补偿提升鲁棒性:动态感受野机制在Backbone中引入可变形卷积(DeformableConv),公式表示为:y(p)=
- YOLOv11 | SAConv与C3k2融合架构技术详解,替换传统下采样Conv
wei子
技术杂谈YOLO人工智能
YOLOv11|SAConv与C3k2融合架构技术详解,替换传统下采样Conv1.核心创新与技术价值1.1突破性设计理念本文提出的SAConv(SwitchableAtrousConvolution)可切换空洞卷积结合C3k2二次创新模块,在YOLOv11中实现了三大突破:动态感受野调节:支持[1,2,3]三种空洞率的实时切换多尺度特征融合:跨层级特征的无损传递计算效率优化:相比传统空洞卷积节省3
- RT-DETR改进|爆改模型|涨点|使用VMamba作为骨干网络(附代码+修改教程)
爆改模型
网络深度学习人工智能计算机视觉
一、文本介绍本文修改的模型是RT-DETR,在原本的RT-DETR中,使用ResNet作为骨干网络,本文使用最新的VMamba(VisualStateSpaceModel)替换ResNet作为RT-DETR的骨干网络。VMamba是一种全新的视觉框架,VMamba结合了CNNs和ViTs的优势,同时优化了计算效率,能够在保持全局感受野的情况下实现线性复杂度。为了解决方向敏感性问题,VMamba引入
- 52-【JavaScript-Day 52】告别“野路子”代码:ESLint、Prettier与Web安全入门
吴师兄大模型
javascript开发语言ecmascriptjava人工智能大模型ESLint
Langchain系列文章目录01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块:四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain:从核心链条构建到动态任务分配的实战指南04-玩转LangChain:从文档加载到高效问答系统构建的全程实战05-玩转LangChain:深度评估问答系统的三种高效方法(示例生成、手
- 人工智能-基础篇-10-什么是卷积神经网络CNN(网格状数据处理:输入层,卷积层,激活函数,池化层,全连接层,输出层等)
weisian151
人工智能人工智能cnn神经网络
卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种专为处理网格状数据(如图像、视频、音频)设计的深度学习模型。它通过模拟生物视觉机制,从原始数据中自动提取多层次的特征,最终实现高效的分类、检测或生成任务。1、核心概念与原理1、生物视觉启发局部感受野:模仿人类视觉皮层神经元仅响应局部区域刺激的特性,每个神经元关注输入数据的局部区域(如图像的一小块区域)。权值共享:同一
- 非结构化数据真“野”?聊聊AI处理它时踩过的那些坑
Echo_Wish
Python进阶人工智能
非结构化数据真“野”?聊聊AI处理它时踩过的那些坑在AI圈子里有一句“老话”:真正的世界,是非结构化的。图像、音频、视频、文本、传感器原始数据……这些在数据库里没个字段、没个主键的家伙,占据了全世界80%以上的数据量。咱们都喜欢说“数据是新时代的石油”,但很少人说:非结构化数据,就是粘稠未提炼的原油——处理它,才是最累的活。这篇文章,我不想跟你讲那些“炫技”的论文和模型,而是从一个一线AI工程师的
- 【Pytorch学习笔记】模型模块09——VGG详解
越轨
Pytorch学习笔记pytorch学习笔记深度学习人工智能python
一、VGG核心设计原理小卷积核堆叠用多层3×3卷积替代大卷积核(如5×5/7×7)数学原理:2层3×3卷积感受野等效于5×5:RFout=(RFin−1)×stride+KRF_{out}=(RF_{in}-1)\timesstride+KRFout=(RFin−1)×stride+K参数量对比:3层3×3卷积(3×(32C2)=27C23×(3^2C^2)=27C^23×(32C2)=27C2)
- 第6章:学徒毕业考试:模型评估的四把尺
白嫖不白嫖
深度求索-DeepSeek人工智能机器学习
第6章:学徒毕业考试:模型评估的四把尺引言:从厨房毕业到AI模型评估想象一下,你是一位刚完成30天特训的厨房学徒。师傅给你安排了一场“毕业考试”:做一道招牌菜——番茄炒蛋,由10位挑剔的顾客盲测品鉴(顾客不知道谁做的菜)。他们会根据“是否好吃”给出打分:好吃(✅)或难吃(❌)。这场考试的目的,是验证你是否能真正掌握菜谱精髓,避免成为“死记硬背的书呆子”(过拟合)或“随意发挥的野路子”(欠拟合)。在
- Python训练营---DAY54
2501_91182850
Python训练营python开发语言深度学习
DAY54Inception网络及其思考知识点回顾:传统计算机视觉发展史:LeNet-->AlexNet-->VGGNet-->nceptionNet-->ResNetinception模块和网络特征融合方法阶段性总结:逐元素相加、逐元素相乘、concat通道数增加等感受野与卷积核变体:深入理解不同模块和类的设计初衷作业:一次稍微有点学术感觉的作业:对inception网络在cifar10上观察精
- YOLOv10改进策略【Neck】| BMVC 2024 MASAG 模块(多尺度自适应空间注意门):动态感受野与空间注意力增强多尺度目标检测精度
Limiiiing
YOLOv10改进专栏YOLO目标检测计算机视觉深度学习
一、本文介绍本文主要利用MSA2NetMSA^{2}NetMSA2Net中的MASAG模块优化YOLOv10的目标检测网络模型。MASAG(Multi-ScaleAdaptiveSpatialAttentionGate)模块通过动态调制空间注意力权重与多尺度感受野,实现了对跨层级特征图中局部细节与全局语义的智能聚合。将其应用于YOLOv10的改进过程中,针对目标
- TopNet:基于Transformer的高效点云几何压缩网络模型详解
清风AI
深度学习算法详解及代码复现计算机视觉算法深度学习人工智能计算机视觉神经网络transformer卷积神经网络python
一、研究背景与挑战随着激光雷达(LiDAR)技术的普及,点云数据在自动驾驶、三维重建等领域得到广泛应用。然而,点云数据的无序性、稀疏性给存储和传输带来巨大挑战。传统的点云几何压缩(PCGC)方法难以平衡压缩率与精度,而深度学习方法逐渐成为主流。现有方法主要分为两类:CNN-based方法:通过3D卷积提取局部特征,但受限于固定感受野,难以捕捉长距离依赖。Transformer-based方法:利用
- YOLOv12改进策略【Neck】| BMVC 2024 MASAG 模块(多尺度自适应空间注意门):动态感受野与空间注意力增强多尺度目标检测精度
Limiiiing
YOLOv12改进专栏YOLO目标检测计算机视觉深度学习
一、本文介绍本文主要利用MSA2NetMSA^{2}NetMSA2Net中的MASAG模块优化YOLOv12的目标检测网络模型。MASAG(Multi-ScaleAdaptiveSpatialAttentionGate)模块通过动态调制空间注意力权重与多尺度感受野,实现了对跨层级特征图中局部细节与全局语义的智能聚合。将其应用于YOLOv12的改进过程中,针对目标
- Incremental Transformer Structure EnhancedImage Inpainting with Masking Positional Encoding笔记
毕设做完了吗?
transformer笔记深度学习
摘要:近年来,图像修复取得了重大进展。然而,恢复具有生动纹理和合理结构的损坏图像仍然具有挑战性。由于卷积神经网络(CNN)的感受野有限,一些特定方法只能处理常规纹理,同时失去整体结构。另一方面,基于注意力的模型可以更好地学习结构恢复的长程依赖性,但它们受到大图像尺寸推理的大量计算的限制。为了解决这些问题,我们建议利用一个额外的结构恢复器来促进图像的增量修复。所提出的模型在固定的低分辨率草图空间中,
- 深度学习进阶:卷积神经网络(CNN)原理与实战
软考和人工智能学堂
#深度学习人工智能#DeepSeek快速入门深度学习cnn人工智能
1.卷积神经网络概述卷积神经网络(ConvolutionalNeuralNetworks,CNN)是深度学习中专门用于处理网格状数据(如图像、语音、视频)的神经网络架构。与传统全连接网络相比,CNN具有三大核心思想:局部感受野:每个神经元只与输入数据的局部区域连接权值共享:同一特征检测器在不同位置使用相同的参数空间下采样:通过池化操作逐步降低数据维度这些特性使CNN能够高效处理高维数据,并保持对平
- Python datetime库【日期和时间处理库】全面讲解与示例
老胖闲聊
Python库大全python网络开发语言
边写代码零食不停口盼盼麦香鸡味块、卡乐比(Calbee)薯条三兄弟独立小包、好时kisses多口味巧克力糖、老金磨方【黑金系列】黑芝麻丸边写代码边贴面膜事业美丽两不误DR.YS野森博士+【AOUFSE/澳芙雪特证】377专研美白淡斑面膜组合优惠劵别光顾写代码更要多喝茶水,提神有营养六安瓜片茶叶茶香二级200g2025年新茶雨前盒装自己喝让AI成为我们的得力助手:《用Cursor玩转AI辅助编程——
- CNN中的感受野
AI扶我青云志
cnn人工智能
今天在牛客刷机器学习的时候,看到了感受野的概念,学习过程中可能没有注意到,现在补一下这个概念及作用。感受野(ReceptiveField)是卷积神经网络(CNN)中的核心概念,指网络中某一层特征图上的单个神经元在输入图像上所能“看到”或影响的区域范围。它决定了神经元处理信息的空间尺度,直接影响网络对局部细节和全局语义的捕捉能力。以下是其详细解析:一、定义与核心概念基本定义感受野是特征图上单个像素点
- YoloV8改进策略:Block改进|MKP,多尺度卷积核级联结构,增强感受野适应性|即插即用|AAAI 2025
AI智韵
YOLO目标跟踪人工智能
文章目录1论文信息2创新点2.1特征互补映射模块(FCM)2.2多内核感知单元(MKP)2.3冗余驱动的轻量化设计3方法3.1整体架构3.2MKP单元优化3.3MKP设计优势4效果4.1性能对比实验4.2消融实验4.3效率优势5论文总结代码完整代码Pzconv模块代码详解辅助函数和基础模块Pzconv模块核心实现测试代码关键设计解析1.多尺度特征提取2.深度可分离卷积3.特征变换与非线性激活4.残
- 【Block总结】MKP,多尺度卷积核级联结构,增强感受野适应性|AAAI 2025
AI浩
目标跟踪人工智能计算机视觉
1论文信息FBRT-YOLO(FasterandBetterforReal-TimeAerialImageDetection)是由北京理工大学团队提出的专用于航拍图像实时目标检测的创新框架,发表于AAAI2025。论文针对航拍场景中小目标检测的核心难题展开研究,重点解决小目标因分辨率低、背景干扰多导致的定位困难,以及现有方法在实时性与精度间的失衡问题。航拍图像目标检测是无人机、遥感监测等应用的关键
- 井川里予瓜pdf完整版
洋洋654
pdf
井川里予瓜pdf完整版下载链接:链接:https://pan.quark.cn/s/c75455d6be60在网红文化盛行的当下,井川里予无疑是一位备受瞩目的人物。这位2001年出生于广东湛江的姑娘,凭借独特风格在网络世界掀起波澜,其发展轨迹深刻映射出网红经济与大众文化的复杂交织。井川里予原名庞欣然,大学就读于浙江经济职业技术学院。2018年,她将名字“野”字拆分,加上“井川”,以独特网名进驻抖音
- 深度学习网络架构与应用:CNN、RNN、GAN三大核心模型解析
you的日常
人工智能大语言模型深度学习人工智能cnnrnngan神经网络生成对抗网络
深度学习领域三大核心神经网络架构——卷积神经网络(CNN)、循环神经网络(RNN)及生成对抗网络(GAN)各具特色,共同推动着人工智能技术的边界。CNN凭借其局部感受野和参数共享机制,在图像分类与目标检测领域展现出卓越性能;RNN通过循环结构有效处理序列数据,在文本生成等任务中发挥重要作用;GAN则利用生成器与判别器的对抗博弈,生成逼真数据。这三大架构在各自领域不断演进,形成了一系列经典模型与创新
- python实现将野燕麦优化算法与OpenCV结合
babyai997
python算法opencv
野燕麦优化算法:一种基于自然启发的元启发式优化方法引言野燕麦优化算法(WildOatOptimization,WOO)是一种新兴的元启发式优化算法,灵感来源于野燕麦种子在自然环境中的传播机制。近年来,随着优化算法在计算机视觉、机器学习等领域的广泛应用,基于自然现象的元启发式算法受到越来越多研究者的关注。本文将详细介绍野燕麦优化算法的基本原理、实现方法,并探讨如何将其与OpenCV在Python环境
- Python spaCy 库【NLP处理库】的基础知识讲解
老胖闲聊
Python库大全python自然语言处理开发语言
边写代码零食不停口盼盼麦香鸡味块、卡乐比(Calbee)薯条三兄弟独立小包、好时kisses多口味巧克力糖、老金磨方【黑金系列】黑芝麻丸边写代码边贴面膜事业美丽两不误DR.YS野森博士+【AOUFSE/澳芙雪特证】377专研美白淡斑面膜组合优惠劵别光顾写代码更要多喝茶水,提神有营养六安瓜片茶叶茶香二级200g2025年新茶雨前盒装自己喝让AI成为我们的得力助手:《用Cursor玩转AI辅助编程——
- Python Arrow 库:优雅处理日期与时间的终极指南
老胖闲聊
Python库大全pythonjava服务器
边写代码零食不停口盼盼麦香鸡味块、卡乐比(Calbee)薯条三兄弟独立小包、好时kisses多口味巧克力糖、老金磨方【黑金系列】黑芝麻丸边写代码边贴面膜事业美丽两不误DR.YS野森博士+【AOUFSE/澳芙雪特证】377专研美白淡斑面膜组合优惠劵别光顾写代码更要多喝茶水,提神有营养六安瓜片茶叶茶香二级200g2025年新茶雨前盒装自己喝让AI成为我们的得力助手:《用Cursor玩转AI辅助编程——
- Python wxPython 【GUI库】简介
老胖闲聊
Python库大全python开发语言
边写代码零食不停口盼盼麦香鸡味块、卡乐比(Calbee)薯条三兄弟独立小包、好时kisses多口味巧克力糖、老金磨方【黑金系列】黑芝麻丸边写代码边贴面膜事业美丽两不误DR.YS野森博士+【AOUFSE/澳芙雪特证】377专研美白淡斑面膜组合优惠劵别光顾写代码更要多喝茶水,提神有营养六安瓜片茶叶茶香二级200g2025年新茶雨前盒装自己喝让AI成为我们的得力助手:《用Cursor玩转AI辅助编程——
- Python jieba库简介
老胖闲聊
Pythonpython开发语言
边写代码零食不停口盼盼麦香鸡味块、卡乐比(Calbee)薯条三兄弟独立小包、好时kisses多口味巧克力糖、老金磨方【黑金系列】黑芝麻丸边写代码边贴面膜事业美丽两不误DR.YS野森博士+【AOUFSE/澳芙雪特证】377专研美白淡斑面膜组合优惠劵别光顾写代码更要多喝茶水,提神有营养六安瓜片茶叶茶香二级200g2025年新茶雨前盒装自己喝让AI成为我们的得力助手:《用Cursor玩转AI辅助编程——
- Python aiohttp 全面指南:异步HTTP客户端/服务器框架
老胖闲聊
Pythonpythonhttp服务器
边写代码零食不停口盼盼麦香鸡味块、卡乐比(Calbee)薯条三兄弟独立小包、好时kisses多口味巧克力糖、老金磨方【黑金系列】黑芝麻丸边写代码边贴面膜事业美丽两不误DR.YS野森博士+【AOUFSE/澳芙雪特证】377专研美白淡斑面膜组合优惠劵别光顾写代码更要多喝茶水,提神有营养六安瓜片茶叶茶香二级200g2025年新茶雨前盒装自己喝让AI成为我们的得力助手:《用Cursor玩转AI辅助编程——
- 从代数到几何:向量点乘与叉乘的定义、推导及几何意义
斐夷所非
mathematics向量点乘与叉乘
注:本文为“向量点乘与叉乘”相关文章合辑。图片清晰度受引文原图所限。略作重排,未整理去重。如有内容异常,请看原文。向量点乘(内积)和叉乘(外积、向量积)概念及几何意义解读-牧野-于2016-09-0220:50:34发布一、向量基础概念向量是由nnn个实数组成的一个nnn行1列(n×1n\times1n×1)或一个1行nnn列(1×n1\timesn1×n)的有序数组。二、向量点乘(内积、数量积)
- 【目标检测】backbone究竟有何关键作用?
猫天意
目标检测目标检测人工智能计算机视觉CV
backbone的核心在于能为检测提供若干种感受野大小和中心步长的组合,以满足对不同尺度和类别的目标检测。
- 【目标检测】检测网络中neck的核心作用
猫天意
目标检测人工智能计算机视觉CV基础
1.neck最主要的作用就是特征融合,融合就是将具有不同大小感受野的特征图进行了耦合,从而增强了特征图的表达能力。2.neck决定了head的数量,进而潜在决定了不同尺度样本如何分配到不同的head,这一点可以看做是将整个网络的多尺度目标学习的负担,分散到了多个层级的特征图上。3.neck将来自于backbone上的多个层级的特征图进行融合加工,增强其表达能力的同时,输出加工后并具有相同宽度的特征
- 一文读懂Vision Transformer图像分类原理与实现
t0_54program
生成对抗网络人工智能神经网络个人开发
在图像分类领域,卷积神经网络(CNNs)长期占据主导地位,因其具备平移不变性和局部受限感受野等归纳偏置。然而,Transformer的出现为图像分类带来了新的思路。本文将详细探讨Transformer架构在图像分类中的微调,即VisionTransformer(ViT)的工作原理、重要细节以及具体实现。ViT架构简述图像分块与嵌入首先,将图像分割成多个图像块(patches),这些图像块类似于文本
- [黑洞与暗粒子]没有光的世界
comsci
无论是相对论还是其它现代物理学,都显然有个缺陷,那就是必须有光才能够计算
但是,我相信,在我们的世界和宇宙平面中,肯定存在没有光的世界....
那么,在没有光的世界,光子和其它粒子的规律无法被应用和考察,那么以光速为核心的
&nbs
- jQuery Lazy Load 图片延迟加载
aijuans
jquery
基于 jQuery 的图片延迟加载插件,在用户滚动页面到图片之后才进行加载。
对于有较多的图片的网页,使用图片延迟加载,能有效的提高页面加载速度。
版本:
jQuery v1.4.4+
jQuery Lazy Load v1.7.2
注意事项:
需要真正实现图片延迟加载,必须将真实图片地址写在 data-original 属性中。若 src
- 使用Jodd的优点
Kai_Ge
jodd
1. 简化和统一 controller ,抛弃 extends SimpleFormController ,统一使用 implements Controller 的方式。
2. 简化 JSP 页面的 bind, 不需要一个字段一个字段的绑定。
3. 对 bean 没有任何要求,可以使用任意的 bean 做为 formBean。
使用方法简介
- jpa Query转hibernate Query
120153216
Hibernate
public List<Map> getMapList(String hql,
Map map) {
org.hibernate.Query jpaQuery = entityManager.createQuery(hql);
if (null != map) {
for (String parameter : map.keySet()) {
jp
- Django_Python3添加MySQL/MariaDB支持
2002wmj
mariaDB
现状
首先,
[email protected] 中默认的引擎为 django.db.backends.mysql 。但是在Python3中如果这样写的话,会发现 django.db.backends.mysql 依赖 MySQLdb[5] ,而 MySQLdb 又不兼容 Python3 于是要找一种新的方式来继续使用MySQL。 MySQL官方的方案
首先据MySQL文档[3]说,自从MySQL
- 在SQLSERVER中查找消耗IO最多的SQL
357029540
SQL Server
返回做IO数目最多的50条语句以及它们的执行计划。
select top 50
(total_logical_reads/execution_count) as avg_logical_reads,
(total_logical_writes/execution_count) as avg_logical_writes,
(tot
- spring UnChecked 异常 官方定义!
7454103
spring
如果你接触过spring的 事物管理!那么你必须明白 spring的 非捕获异常! 即 unchecked 异常! 因为 spring 默认这类异常事物自动回滚!!
public static boolean isCheckedException(Throwable ex)
{
return !(ex instanceof RuntimeExcep
- mongoDB 入门指南、示例
adminjun
javamongodb操作
一、准备工作
1、 下载mongoDB
下载地址:http://www.mongodb.org/downloads
选择合适你的版本
相关文档:http://www.mongodb.org/display/DOCS/Tutorial
2、 安装mongoDB
A、 不解压模式:
将下载下来的mongoDB-xxx.zip打开,找到bin目录,运行mongod.exe就可以启动服务,默
- CUDA 5 Release Candidate Now Available
aijuans
CUDA
The CUDA 5 Release Candidate is now available at http://developer.nvidia.com/<wbr></wbr>cuda/cuda-pre-production. Now applicable to a broader set of algorithms, CUDA 5 has advanced fe
- Essential Studio for WinRT网格控件测评
Axiba
JavaScripthtml5
Essential Studio for WinRT界面控件包含了商业平板应用程序开发中所需的所有控件,如市场上运行速度最快的grid 和chart、地图、RDL报表查看器、丰富的文本查看器及图表等等。同时,该控件还包含了一组独特的库,用于从WinRT应用程序中生成Excel、Word以及PDF格式的文件。此文将对其另外一个强大的控件——网格控件进行专门的测评详述。
网格控件功能
1、
- java 获取windows系统安装的证书或证书链
bewithme
windows
有时需要获取windows系统安装的证书或证书链,比如说你要通过证书来创建java的密钥库 。
有关证书链的解释可以查看此处 。
public static void main(String[] args) {
SunMSCAPI providerMSCAPI = new SunMSCAPI();
S
- NoSQL数据库之Redis数据库管理(set类型和zset类型)
bijian1013
redis数据库NoSQL
4.sets类型
Set是集合,它是string类型的无序集合。set是通过hash table实现的,添加、删除和查找的复杂度都是O(1)。对集合我们可以取并集、交集、差集。通过这些操作我们可以实现sns中的好友推荐和blog的tag功能。
sadd:向名称为key的set中添加元
- 异常捕获何时用Exception,何时用Throwable
bingyingao
用Exception的情况
try {
//可能发生空指针、数组溢出等异常
} catch (Exception e) {
 
- 【Kafka四】Kakfa伪分布式安装
bit1129
kafka
在http://bit1129.iteye.com/blog/2174791一文中,实现了单Kafka服务器的安装,在Kafka中,每个Kafka服务器称为一个broker。本文简单介绍下,在单机环境下Kafka的伪分布式安装和测试验证 1. 安装步骤
Kafka伪分布式安装的思路跟Zookeeper的伪分布式安装思路完全一样,不过比Zookeeper稍微简单些(不
- Project Euler
bookjovi
haskell
Project Euler是个数学问题求解网站,网站设计的很有意思,有很多problem,在未提交正确答案前不能查看problem的overview,也不能查看关于problem的discussion thread,只能看到现在problem已经被多少人解决了,人数越多往往代表问题越容易。
看看problem 1吧:
Add all the natural num
- Java-Collections Framework学习与总结-ArrayDeque
BrokenDreams
Collections
表、栈和队列是三种基本的数据结构,前面总结的ArrayList和LinkedList可以作为任意一种数据结构来使用,当然由于实现方式的不同,操作的效率也会不同。
这篇要看一下java.util.ArrayDeque。从命名上看
- 读《研磨设计模式》-代码笔记-装饰模式-Decorator
bylijinnan
java设计模式
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
import java.io.BufferedOutputStream;
import java.io.DataOutputStream;
import java.io.FileOutputStream;
import java.io.Fi
- Maven学习(一)
chenyu19891124
Maven私服
学习一门技术和工具总得花费一段时间,5月底6月初自己学习了一些工具,maven+Hudson+nexus的搭建,对于maven以前只是听说,顺便再自己的电脑上搭建了一个maven环境,但是完全不了解maven这一强大的构建工具,还有ant也是一个构建工具,但ant就没有maven那么的简单方便,其实简单点说maven是一个运用命令行就能完成构建,测试,打包,发布一系列功
- [原创]JWFD工作流引擎设计----节点匹配搜索算法(用于初步解决条件异步汇聚问题) 补充
comsci
算法工作PHP搜索引擎嵌入式
本文主要介绍在JWFD工作流引擎设计中遇到的一个实际问题的解决方案,请参考我的博文"带条件选择的并行汇聚路由问题"中图例A2描述的情况(http://comsci.iteye.com/blog/339756),我现在把我对图例A2的一个解决方案公布出来,请大家多指点
节点匹配搜索算法(用于解决标准对称流程图条件汇聚点运行控制参数的算法)
需要解决的问题:已知分支
- Linux中用shell获取昨天、明天或多天前的日期
daizj
linuxshell上几年昨天获取上几个月
在Linux中可以通过date命令获取昨天、明天、上个月、下个月、上一年和下一年
# 获取昨天
date -d 'yesterday' # 或 date -d 'last day'
# 获取明天
date -d 'tomorrow' # 或 date -d 'next day'
# 获取上个月
date -d 'last month'
#
- 我所理解的云计算
dongwei_6688
云计算
在刚开始接触到一个概念时,人们往往都会去探寻这个概念的含义,以达到对其有一个感性的认知,在Wikipedia上关于“云计算”是这么定义的,它说:
Cloud computing is a phrase used to describe a variety of computing co
- YII CMenu配置
dcj3sjt126com
yii
Adding id and class names to CMenu
We use the id and htmlOptions to accomplish this. Watch.
//in your view
$this->widget('zii.widgets.CMenu', array(
'id'=>'myMenu',
'items'=>$this-&g
- 设计模式之静态代理与动态代理
come_for_dream
设计模式
静态代理与动态代理
代理模式是java开发中用到的相对比较多的设计模式,其中的思想就是主业务和相关业务分离。所谓的代理设计就是指由一个代理主题来操作真实主题,真实主题执行具体的业务操作,而代理主题负责其他相关业务的处理。比如我们在进行删除操作的时候需要检验一下用户是否登陆,我们可以删除看成主业务,而把检验用户是否登陆看成其相关业务
- 【转】理解Javascript 系列
gcc2ge
JavaScript
理解Javascript_13_执行模型详解
摘要: 在《理解Javascript_12_执行模型浅析》一文中,我们初步的了解了执行上下文与作用域的概念,那么这一篇将深入分析执行上下文的构建过程,了解执行上下文、函数对象、作用域三者之间的关系。函数执行环境简单的代码:当调用say方法时,第一步是创建其执行环境,在创建执行环境的过程中,会按照定义的先后顺序完成一系列操作:1.首先会创建一个
- Subsets II
hcx2013
set
Given a collection of integers that might contain duplicates, nums, return all possible subsets.
Note:
Elements in a subset must be in non-descending order.
The solution set must not conta
- Spring4.1新特性——Spring缓存框架增强
jinnianshilongnian
spring4
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- shell嵌套expect执行命令
liyonghui160com
一直都想把expect的操作写到bash脚本里,这样就不用我再写两个脚本来执行了,搞了一下午终于有点小成就,给大家看看吧.
系统:centos 5.x
1.先安装expect
yum -y install expect
2.脚本内容:
cat auto_svn.sh
#!/bin/bash
- Linux实用命令整理
pda158
linux
0. 基本命令 linux 基本命令整理
1. 压缩 解压 tar -zcvf a.tar.gz a #把a压缩成a.tar.gz tar -zxvf a.tar.gz #把a.tar.gz解压成a
2. vim小结 2.1 vim替换 :m,ns/word_1/word_2/gc  
- 独立开发人员通向成功的29个小贴士
shoothao
独立开发
概述:本文收集了关于独立开发人员通向成功需要注意的一些东西,对于具体的每个贴士的注解有兴趣的朋友可以查看下面标注的原文地址。
明白你从事独立开发的原因和目的。
保持坚持制定计划的好习惯。
万事开头难,第一份订单是关键。
培养多元化业务技能。
提供卓越的服务和品质。
谨小慎微。
营销是必备技能。
学会组织,有条理的工作才是最有效率的。
“独立
- JAVA中堆栈和内存分配原理
uule
java
1、栈、堆
1.寄存器:最快的存储区, 由编译器根据需求进行分配,我们在程序中无法控制.2. 栈:存放基本类型的变量数据和对象的引用,但对象本身不存放在栈中,而是存放在堆(new 出来的对象)或者常量池中(字符串常量对象存放在常量池中。)3. 堆:存放所有new出来的对象。4. 静态域:存放静态成员(static定义的)5. 常量池:存放字符串常量和基本类型常量(public static f