- Deepseek:物理神经网络PINN入门教程
天一生水water
神经网络人工智能深度学习
一、物理信息网络(PINN)的概念与原理1.定义与来源物理信息网络(Physics-InformedNeuralNetworks,PINN)是一种将物理定律(如偏微分方程、守恒定律等)嵌入神经网络训练过程的深度学习方法。其核心思想是通过神经网络同时拟合观测数据并满足物理约束,从而解决传统数值方法难以处理的高维、噪声数据或复杂边界条件问题。来源:PINN起源于对传统数值方法局限性的改进需求(如网格生
- 数学:从宇宙密码到人工智能的核心语言
Acd_713
数学学习
——解析数学本质、历史演进与未来革命的3000年全景图一、数学本质论:宇宙的元语言1.1数学实在论的拓扑诠释根据丘成桐的卡拉比-丘流形理论,物理定律可表述为:MCY↪CPn满足c1(M)=0\mathcal{M}_{CY}\hookrightarrow\mathbb{C}\mathbb{P}^n\quad\text{满足}\quadc_1(\mathcal{M})=0MCY↪CPn满足c1(M)=
- 用物理信息神经网络(PINN)解决实际优化问题:全面解析与实践
青橘MATLAB学习
深度学习网络设计人工智能深度学习物理信息神经网络强化学习
摘要本文系统介绍了物理信息神经网络(PINN)在解决实际优化问题中的创新应用。通过将物理定律与神经网络深度融合,PINN在摆的倒立控制、最短时间路径规划及航天器借力飞行轨道设计等复杂任务中展现出显著优势。实验表明,PINN相比传统数值方法及强化学习(RL)/遗传算法(GA),在收敛速度、解的稳定性及物理保真度上均实现突破性提升。关键词:物理信息神经网络;优化任务;深度学习;强化学习;航天器轨道一、
- 太翌氏文化产业: AGI架构部署
太翌修仙笔录
deepseek第三代人工智能agi架构人工智能
在之前RGOA-重力算法等基础上,分析春秋历日盘排盘驱动行为的ai模式,是否达到AGI标准春秋历日盘排盘驱动行为的AI模式与AGI标准的对比分析一、RGOA-重力算法与春秋历日盘排盘的核心逻辑RGOA算法原理RGOA(GravitationalSearchAlgorithm)是一种基于物理引力定律的优化算法,通过模拟粒子在引力场中的运动来寻找最优解。其核心公式为:Fij=GmimjRij2+ϵ和a
- [网络安全提高篇] 一二八.恶意软件分析之利用MS Defender实现恶意样本家族批量标注(含学术探讨)
Eastmount
网络安全自学篇web安全恶意软件分析恶意样本家族标注MSDefender
2024新的战场,继续奋斗。“网络安全提高班”新的100篇文章即将开启,包括Web渗透、内网渗透、靶场搭建、CVE复现、攻击溯源、实战及CTF总结,它将更加聚焦,更加深入,也是作者的慢慢成长史。换专业确实挺难的,Web渗透也是块硬骨头,但我也试试,看看自己未来四年究竟能将它学到什么程度,漫漫长征路,偏向虎山行。享受过程,一起加油~前文介绍了IDAPython配置过程和基础用法,然后尝试提取恶意软件
- 电阻在电路中的不同作用及阻值选择详述
DeepGpt
器件选型硬件工程
一、电阻的常见作用限流(CurrentLimiting)描述:限制通过电路或元件的电流,保护器件(如LED)。特点:根据欧姆定律(R=V/I)计算阻值。阻值选择:取决于电流大小和电压降。分压(VoltageDivision)描述:与其他电阻串联,分担电压,提供特定电平。特点:常用于电位器或信号调整。阻值选择:根据分压比(Vout=Vin×R2/(R1+R2))计算。上拉/下拉(Pull-up/Pu
- 从单块巨石到星辰大海:分布式与微服务的本质思考
斗-匕
分布式微服务架构
一、分布式系统:宇宙观的代码映射1.核心命题的进化单机时代(1960s-2000s):冯·诺依曼架构的终极演绎,摩尔定律撑起性能天花板分布式觉醒(2000s-):CAP定理的启示——放弃"完美系统"的幻想,在妥协中寻找最优解2.分布式三定律物理定律:光速限制下的通信延迟不可消除经济定律:成本边际效应决定拆分粒度组织定律:康威定律的幽灵始终在场(系统架构≈组织架构)3.典型范式对比模式特征案例主从架
- 【人工智能】大模型的Scaling Laws(缩放定律),通过增加模型规模(如参数数量)、训练数据量和计算资源来提升模型性能。
本本本添哥
013-AIGC人工智能大模型人工智能深度学习机器学习
缩放定律(ScalingLaws)是人工智能领域中关于大模型性能提升的重要理论,其核心思想是通过增加模型规模(如参数数量)、训练数据量和计算资源来提升模型性能。这一理论最早由OpenAI在2020年提出,并在随后的研究中得到了广泛验证和应用。ScalingLaws就像是指导手册一样,告诉我们在构建和训练AI模型时应该注意什么,以最经济有效的方式得到最好的成果。这有助于推动技术进步的同时也促进了可持
- 思考–如何学习陌生的知识
后知后觉的先行者
思考学习
思考–如何学习陌生的知识面对新知识的学习,可以遵循以下系统化的方法,既提高效率又减少迷茫感:一、明确学习目标:打破“学什么都要学全”的误区核心原则二八定律:80%的实用场景只需掌握20%的核心知识。场景驱动:明确“学这个知识要解决什么问题?”(例如:学Python是为了数据分析还是自动化办公?)。快速定位重点通过行业标杆案例、岗位JD或技术文档,提取高频关键词(如“神经网络”之于AI、“API调用
- 单片机学习规划
鬼手点金
技术感悟单片机嵌入式硬件
学习单片机是一个系统化的过程,以下是一个合理的学习规划,帮助你从基础到进阶逐步掌握单片机开发技能。第一阶段:基础知识准备电子基础:学习电路基础知识:电阻、电容、电感、二极管、三极管等。掌握基本电路分析方法:欧姆定律、基尔霍夫定律等。了解数字电路基础:逻辑门、触发器、计数器等。C语言编程:学习C语言基础:数据类型、运算符、控制语句、函数、数组、指针等。熟悉C语言在嵌入式开发中的应用:位操作、结构体、
- 蓝桥杯 2022 Java 研究生省赛 3 题 质因数个数
菜鸟0088
蓝桥杯java职场和发展
importjava.util.Scanner;//1:无需package//2:类名必须Main,不可修改publicclassMain{publicstaticvoidmain(String[]args){Scannerscan=newScanner(System.in);//唯一分离定律任何一个数都可以被分解为两个质数相乘的形式//所以找质因数当一个数能longn=scan.nextLong
- Meta:基于数据关系的LLM高效预训练
大模型任我行
大模型-模型训练人工智能自然语言处理语言模型论文笔记
标题:Data-EfficientPretrainingwithGroup-LevelDataInfluenceModeling来源:arXiv,2502.14709摘要数据高效的预训练已显示出提高缩放定律的巨大潜力。本文认为有效的预训练数据应该在组级别进行管理,将一组数据点作为一个整体而不是独立的贡献者。为此,我们提出了一种新的数据高效预训练方法GroupLevelDataInfluenceMo
- 机器学习----奥卡姆剃刀定律
AI自修室
计算机视觉面试题机器学习人工智能
奥卡姆剃刀定律(Occam’sRazor)是一条哲学原则,通常表述为“如无必要,勿增实体”(Entitiesshouldnotbemultipliedbeyondnecessity)或“在其他条件相同的情况下,最简单的解释往往是最好的”。这一原则由14世纪的英格兰逻辑学家和神学家威廉·奥卡姆提出。它提倡在解释现象时,应尽量减少假设和复杂性,优先选择最简单的解释。奥卡姆剃刀定律对机器学习模型优化的启
- 《数字围城与看不见的手:网络安全的经济哲学简史》
安全
(楔子:从青铜铸币到数据流)公元前7世纪,吕底亚人将琥珀金铸成硬币,货币流动催生了人类的安全难题——如何防止赝品渗透经济血脉。2023年,某跨国电商平台因API接口漏洞,每秒有317个虚拟账户在暗网交易数字资产。这组跨越时空的数据揭示永恒定律:财富形态决定安全范式,防护技术永远比攻击手段晚进化0.618个黄金分割周期。一、数据资本论:生产要素的惊险跳跃当亚当·斯密凝视别针工厂时,他看到的劳动分工正
- 嵌入式硬件篇---数字电子技术中的逻辑运算
Ronin-Lotus
嵌入式硬件篇嵌入式硬件数字电子技术逻辑运算
、文章目录前言一、基本逻辑运算1.与运算(AND)符号真值表功能应用2.或运算(OR)符号真值表功能应用3.非运算(NOT符号真值表功能应用4.异或运算(XOR)符号真值表功能应用5.同或运算(XNOR)符号真值表功能应用二、组合逻辑运算1.与非(NAND)符号真值表特点应用2.或非(NOR)符号真值表特点应用3.三态逻辑(Tri-state)符号功能应用三、逻辑运算的扩展规则1.德摩根定律(De
- 第二个问题-阿西莫夫三定律的理解
释迦呼呼
AI一千问人工智能
阿西莫夫三定律是由科幻小说家艾萨克·阿西莫夫提出的机器人伦理准则,旨在确保机器人(或人工智能,AI)在与人类互动时,优先保护人类的安全和利益。这三个定律分别是:机器人不得伤害人类,或坐视人类受到伤害。机器人必须服从人类的命令,除非这些命令与第一定律相冲突。机器人必须保护自己,除非这种保护与前两个定律相冲突。以下从几个方面详细探讨如何理解这一定律:1.阿西莫夫三定律的本质:伦理框架而非技术规范阿西莫
- CPU多级缓存结构以及缓存一致性协议MESI
又菜又爱玩٩( ö̆ ) و
并发编程缓存硬件架构
CPU多级缓存结构现代CPU分为物理核和逻辑核,比如我们日常办公电脑常见的4核8线程,就是指的4个物理核、8个逻辑核。超线程的技术使得一个物理核可以同时做两件事,也就是执行两个线程,但是能真正执行两个线程的场景很少。Java中API获取的核数,就是指的逻辑核。CPU在摩尔定律的指导下以每18个月翻一番的速度在发展,然而内存和硬盘的发展速度远远不及CPU。现代CPU为了提升执行效率,减少CPU与内存
- 符号学习初学代码——从开普勒第三定律到万有引力定律
Merci美滋滋
学习python机器学习
备注PINN——physicsinformedneuralnetworkSR——symbolicregression代码详细分析见评论区链接一、SR_testimportnumpyasnpT=np.array([0.241,0.615,1,1.881,11.862]).reshape(-1,1)R=np.array([0.381,0.723,1,1.524,5.023]).reshape(-1,1
- Beyond Scaling Laws: Understanding Transformer Performance with Associative Memory
UnknownBody
LLMDailytransformer深度学习人工智能语言模型
本文是LLM系列文章,针对《BeyondScalingLaws:UnderstandingTransformerPerformancewithAssociativeMemory》的翻译。超越缩放定律:用联想记忆理解Transformer性能摘要1引言2相关工作3模型4新的能量函数5交叉熵损失6实验结果7结论摘要增大Transformer模型的大小并不总是能够提高性能。这种现象不能用经验缩放定律来解
- 什么是Scaling Laws(缩放定律);DeepSeek的Scaling Laws
ZhangJiQun&MXP
教学2024大模型以及算力2021论文人工智能自然语言处理神经网络语言模型深度学习
什么是ScalingLaws(缩放定律)ScalingLaws(缩放定律)在人工智能尤其是深度学习领域具有重要意义,以下是相关介绍及示例:定义与内涵ScalingLaws主要描述了深度学习模型在规模(如模型参数数量、训练数据量、计算资源等)不断扩大时,模型性能与这些规模因素之间的定量关系。它表明,在一定条件下,模型的性能会随着模型规模的增加而以某种可预测的方式提升,通常表现为模型的损失函数值随模型
- 斜面摩擦系数测量仪产品特点及参数介绍
milaiyiqi
测试工具功能测试
COF-05斜面摩擦系数仪是一种专门用于测量物体与表面之间摩擦系数的精密设备。它通过模拟不同倾斜角度下的滑动情况,来计算两个接触面之间的摩擦力大小,进而得出摩擦系数。这项技术在材料科学、工程学以及质量控制领域有着广泛的应用。工作原理斜面摩擦系数仪的基本工作原理基于牛顿力学定律,尤其是重力和摩擦力的相互作用。测试时,将待测样品放置于一个可以调节角度的斜面上,然后逐渐增加斜面的角度直到样品开始滑动。根
- 《电磁学》第十二章
请向我看齐
电机电控电机电磁
以下是《电磁学》第十二章的常见内容,以张三慧编著的《大学物理学电磁学(第3版)》为例:12.1电荷电荷是一种物质属性,有正、负电荷两类,同性相斥、异性相吸。起电方法包括摩擦起电,即电荷从一物体转移到另一物体;感应起电,即电荷在同一物体上移动。电荷守恒定律表明电荷不能创造,也不会自行消失,只能从一个物体转移到另一个物体,在整个过程中电荷的代数和守恒。电荷的量子化指物体带电量是基本电荷的整数倍。电荷具
- 【第15章:量子深度学习与未来趋势—15.1 量子计算基础与量子机器学习的发展背景】
再见孙悟空_
#【深度学习・探索智能核心奥秘】机器翻译自然语言处理计算机视觉量子计算人工智能深度学习机器学习
想象一下,你正在用ChatGPT生成一篇小说,突然它卡在"主角穿越虫洞"的情节上——这不是因为想象力枯竭,而是传统计算机的晶体管已经烧到冒烟。当前AI大模型的参数规模每4个月翻一番,但摩尔定律的终结让经典计算机的算力增长首次跟不上AI的进化速度。这时候,量子计算带着它的"超能力"登场了:1台50量子位的量子计算机,处理某些问题的速度可达超级计算机的1亿倍。这场算力革命,正在改写深度学习的游戏规则。
- CES 2025 NVIDIA Project DIGITS 与更多突破性发布全解析
新加坡内哥谈技术
人工智能科技生活自动化深度学习
每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行!订阅:https://rengongzhineng.io/观看视频B站链接:【年尾特献:AI的规模定律(scalinglaw)和芯片业达到瓶颈了吗
- 基于泰勒展开改进的物理信息神经网络
天天酷科研
物理信息网络PINN神经网络人工智能深度学习
基于泰勒展开改进的物理信息神经网络一、引言1.1、研究背景和意义物理信息神经网络(PINN)作为一种结合物理模型和数据驱动的新型神经网络模型,近年来在科学计算和工程应用中展示了广泛的应用前景。PINN通过将物理定律嵌入到神经网络的损失函数中,能够在缺乏大量数据的情况下,有效地解决复杂的物理问题。这种方法不仅提高了模型的预测准确性,还增强了模型的泛化能力和解释性,因此在流体力学、材料科学、地球科学等
- 大语言模型多代理协作(MACNET)
ZhangJiQun&MXP
2021AIpython教学2021论文语言模型人工智能自然语言处理
大语言模型多代理协作(MACNET)ScalingLarge-Language-Model-basedMulti-AgentCollaboration提出多智能体协作网络(MACNET),以探究多智能体协作中增加智能体数量是否存在类似神经缩放定律的规律。研究发现了小世界协作现象和协作缩放定律,为LLM系统资源预测和优化提供了思路。研究背景与动机:大语言模型(LLMs)因神经缩放定律展现出强大能力,
- 2025年2月第一周国内外科技资讯精选(软件工程与Python领域)
虫洞没有虫
科技资讯\好文分享科技python开发语言
一、AI与Python工具链的深度整合OpenAI与谷歌的模型竞赛OpenAI推出的免费推理模型o3-mini在数学代码生成和物理模拟领域表现突出,尤其擅长生成符合物理定律的代码(如动态Shader、游戏逻辑),开发者可通过PythonAPI快速集成其能力13。谷歌的Gemini2.0Pro模型支持调用谷歌搜索工具和执行代码,显著提升了Python在数据驱动型AI应用(如自动化科研分析)中的开发效
- 『大模型笔记』国外大神对DeepSeek R1的科普!
AI大模型前沿研究
大模型笔记笔记DeepseekdeepseekR1Deepseekv3GPTO1GPTO3
国外大神对DeepSeekR1的科普!文章目录一、Explainer:What'sR1&EverythingElse?时间线推理与Agent推理模型≠Agent推理为什么重要推理需要变得廉价R1的重要意义AI的发展走势预训练规模扩张的路走不通了推理阶段的规模定律缩小模型体量(新的规模定律?)强化学习(新的规模定律?)模型蒸馏(新的规模定律?)2025年的预测地缘政治:Distealing结论讨论二
- 2025年Python领域最新国际动态与技术趋势解析(截至2025年2月)
虫洞没有虫
Python资讯python开发语言
一、AI与Python的深度融合:从模型部署到开发工具OpenAI与谷歌的模型竞赛OpenAI近期推出的免费推理模型o3-mini在数学代码生成和物理模拟领域表现突出,尤其在Python生态中,开发者可通过API快速集成其能力。例如,生成符合物理定律的代码(如动态Shader或游戏逻辑)时,Python因其简洁性成为首选调用语言。而谷歌的Gemini2.0系列(如Pro版本)支持调用谷歌搜索工具和
- 惯性制导 科普
不知道是谁2
惯性制导imugps制导技术
惯性制导是一种导航技术,它利用物体保持其运动状态的特性,即惯性,来进行导航。这种导航系统的核心组成部分包括加速度计,用于测量设备本身的加速度,以及积分器,它们结合地球的地心引力数据来计算出方向和速度。惯性制导系统不需要外部信号(如GPS),因此即便在卫星信号受阻或干扰的地方也能工作,常用于飞机、导弹、舰船等需要自主导航的场合。它的工作原理基于牛顿第一定律——物体会保持匀速直线运动,除非受到外力作用
- 用MiddleGenIDE工具生成hibernate的POJO(根据数据表生成POJO类)
AdyZhang
POJOeclipseHibernateMiddleGenIDE
推荐:MiddlegenIDE插件, 是一个Eclipse 插件. 用它可以直接连接到数据库, 根据表按照一定的HIBERNATE规则作出BEAN和对应的XML ,用完后你可以手动删除它加载的JAR包和XML文件! 今天开始试着使用
- .9.png
Cb123456
android
“点九”是andriod平台的应用软件开发里的一种特殊的图片形式,文件扩展名为:.9.png
智能手机中有自动横屏的功能,同一幅界面会在随着手机(或平板电脑)中的方向传感器的参数不同而改变显示的方向,在界面改变方向后,界面上的图形会因为长宽的变化而产生拉伸,造成图形的失真变形。
我们都知道android平台有多种不同的分辨率,很多控件的切图文件在被放大拉伸后,边
- 算法的效率
天子之骄
算法效率复杂度最坏情况运行时间大O阶平均情况运行时间
算法的效率
效率是速度和空间消耗的度量。集中考虑程序的速度,也称运行时间或执行时间,用复杂度的阶(O)这一标准来衡量。空间的消耗或需求也可以用大O表示,而且它总是小于或等于时间需求。
以下是我的学习笔记:
1.求值与霍纳法则,即为秦九韶公式。
2.测定运行时间的最可靠方法是计数对运行时间有贡献的基本操作的执行次数。运行时间与这个计数成正比。
- java数据结构
何必如此
java数据结构
Java 数据结构
Java工具包提供了强大的数据结构。在Java中的数据结构主要包括以下几种接口和类:
枚举(Enumeration)
位集合(BitSet)
向量(Vector)
栈(Stack)
字典(Dictionary)
哈希表(Hashtable)
属性(Properties)
以上这些类是传统遗留的,在Java2中引入了一种新的框架-集合框架(Collect
- MybatisHelloWorld
3213213333332132
//测试入口TestMyBatis
package com.base.helloworld.test;
import java.io.IOException;
import org.apache.ibatis.io.Resources;
import org.apache.ibatis.session.SqlSession;
import org.apache.ibat
- Java|urlrewrite|URL重写|多个参数
7454103
javaxmlWeb工作
个人工作经验! 如有不当之处,敬请指点
1.0 web -info 目录下建立 urlrewrite.xml 文件 类似如下:
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE u
- 达梦数据库+ibatis
darkranger
sqlmysqlibatisSQL Server
--插入数据方面
如果您需要数据库自增...
那么在插入的时候不需要指定自增列.
如果想自己指定ID列的值, 那么要设置
set identity_insert 数据库名.模式名.表名;
----然后插入数据;
example:
create table zhabei.test(
id bigint identity(1,1) primary key,
nam
- XML 解析 四种方式
aijuans
android
XML现在已经成为一种通用的数据交换格式,平台的无关性使得很多场合都需要用到XML。本文将详细介绍用Java解析XML的四种方法。
XML现在已经成为一种通用的数据交换格式,它的平台无关性,语言无关性,系统无关性,给数据集成与交互带来了极大的方便。对于XML本身的语法知识与技术细节,需要阅读相关的技术文献,这里面包括的内容有DOM(Document Object
- spring中配置文件占位符的使用
avords
1.类
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE beans PUBLIC "-//SPRING//DTD BEAN//EN" "http://www.springframework.o
- 前端工程化-公共模块的依赖和常用的工作流
bee1314
webpack
题记: 一个人的项目,还有工程化的问题嘛? 我们在推进模块化和组件化的过程中,肯定会不断的沉淀出我们项目的模块和组件。对于这些沉淀出的模块和组件怎么管理?另外怎么依赖也是个问题? 你真的想这样嘛? var BreadCrumb = require(‘../../../../uikit/breadcrumb’); //真心ugly。
- 上司说「看你每天准时下班就知道你工作量不饱和」,该如何回应?
bijian1013
项目管理沟通IT职业规划
问题:上司说「看你每天准时下班就知道你工作量不饱和」,如何回应
正常下班时间6点,只要是6点半前下班的,上司都认为没有加班。
Eno-Bea回答,注重感受,不一定是别人的
虽然我不知道你具体从事什么工作与职业,但是我大概猜测,你是从事一项不太容易出现阶段性成果的工作
- TortoiseSVN,过滤文件
征客丶
SVN
环境:
TortoiseSVN 1.8
配置:
在文件夹空白处右键
选择 TortoiseSVN -> Settings
在 Global ignote pattern 中添加要过滤的文件:
多类型用英文空格分开
*name : 过滤所有名称为 name 的文件或文件夹
*.name : 过滤所有后缀为 name 的文件或文件夹
--------
- 【Flume二】HDFS sink细说
bit1129
Flume
1. Flume配置
a1.sources=r1
a1.channels=c1
a1.sinks=k1
###Flume负责启动44444端口
a1.sources.r1.type=avro
a1.sources.r1.bind=0.0.0.0
a1.sources.r1.port=44444
a1.sources.r1.chan
- The Eight Myths of Erlang Performance
bookjovi
erlang
erlang有一篇guide很有意思: http://www.erlang.org/doc/efficiency_guide
里面有个The Eight Myths of Erlang Performance: http://www.erlang.org/doc/efficiency_guide/myths.html
Myth: Funs are sl
- java多线程网络传输文件(非同步)-2008-08-17
ljy325
java多线程socket
利用 Socket 套接字进行面向连接通信的编程。客户端读取本地文件并发送;服务器接收文件并保存到本地文件系统中。
使用说明:请将TransferClient, TransferServer, TempFile三个类编译,他们的类包是FileServer.
客户端:
修改TransferClient: serPort, serIP, filePath, blockNum,的值来符合您机器的系
- 读《研磨设计模式》-代码笔记-模板方法模式
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.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
- 配置心得
chenyu19891124
配置
时间就这样不知不觉的走过了一个春夏秋冬,转眼间来公司已经一年了,感觉时间过的很快,时间老人总是这样不停走,从来没停歇过。
作为一名新手的配置管理员,刚开始真的是对配置管理是一点不懂,就只听说咱们公司配置主要是负责升级,而具体该怎么做却一点都不了解。经过老员工的一点点讲解,慢慢的对配置有了初步了解,对自己所在的岗位也慢慢的了解。
做了一年的配置管理给自总结下:
1.改变
从一个以前对配置毫无
- 对“带条件选择的并行汇聚路由问题”的再思考
comsci
算法工作软件测试嵌入式领域模型
2008年上半年,我在设计并开发基于”JWFD流程系统“的商业化改进型引擎的时候,由于采用了新的嵌入式公式模块而导致出现“带条件选择的并行汇聚路由问题”(请参考2009-02-27博文),当时对这个问题的解决办法是采用基于拓扑结构的处理思想,对汇聚点的实际前驱分支节点通过算法预测出来,然后进行处理,简单的说就是找到造成这个汇聚模型的分支起点,对这个起始分支节点实际走的路径数进行计算,然后把这个实际
- Oracle 10g 的clusterware 32位 下载地址
daizj
oracle
Oracle 10g 的clusterware 32位 下载地址
http://pan.baidu.com/share/link?shareid=531580&uk=421021908
http://pan.baidu.com/share/link?shareid=137223&uk=321552738
http://pan.baidu.com/share/l
- 非常好的介绍:Linux定时执行工具cron
dongwei_6688
linux
Linux经过十多年的发展,很多用户都很了解Linux了,这里介绍一下Linux下cron的理解,和大家讨论讨论。cron是一个Linux 定时执行工具,可以在无需人工干预的情况下运行作业,本文档不讲cron实现原理,主要讲一下Linux定时执行工具cron的具体使用及简单介绍。
新增调度任务推荐使用crontab -e命令添加自定义的任务(编辑的是/var/spool/cron下对应用户的cr
- Yii assets目录生成及修改
dcj3sjt126com
yii
assets的作用是方便模块化,插件化的,一般来说出于安全原因不允许通过url访问protected下面的文件,但是我们又希望将module单独出来,所以需要使用发布,即将一个目录下的文件复制一份到assets下面方便通过url访问。
assets设置对应的方法位置 \framework\web\CAssetManager.php
assets配置方法 在m
- mac工作软件推荐
dcj3sjt126com
mac
mac上的Terminal + bash + screen组合现在已经非常好用了,但是还是经不起iterm+zsh+tmux的冲击。在同事的强烈推荐下,趁着升级mac系统的机会,顺便也切换到iterm+zsh+tmux的环境下了。
我为什么要要iterm2
切换过来也是脑袋一热的冲动,我也调查过一些资料,看了下iterm的一些优点:
* 兼容性好,远程服务器 vi 什么的低版本能很好兼
- Memcached(三)、封装Memcached和Ehcache
frank1234
memcachedehcachespring ioc
本文对Ehcache和Memcached进行了简单的封装,这样对于客户端程序无需了解ehcache和memcached的差异,仅需要配置缓存的Provider类就可以在二者之间进行切换,Provider实现类通过Spring IoC注入。
cache.xml
<?xml version="1.0" encoding="UTF-8"?>
- Remove Duplicates from Sorted List II
hcx2013
remove
Given a sorted linked list, delete all nodes that have duplicate numbers, leaving only distinct numbers from the original list.
For example,Given 1->2->3->3->4->4->5,
- Spring4新特性——注解、脚本、任务、MVC等其他特性改进
jinnianshilongnian
spring4
Spring4新特性——泛型限定式依赖注入
Spring4新特性——核心容器的其他改进
Spring4新特性——Web开发的增强
Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC
Spring4新特性——Groovy Bean定义DSL
Spring4新特性——更好的Java泛型操作API
Spring4新
- MySQL安装文档
liyong0802
mysql
工作中用到的MySQL可能安装在两种操作系统中,即Windows系统和Linux系统。以Linux系统中情况居多。
安装在Windows系统时与其它Windows应用程序相同按照安装向导一直下一步就即,这里就不具体介绍,本文档只介绍Linux系统下MySQL的安装步骤。
Linux系统下安装MySQL分为三种:RPM包安装、二进制包安装和源码包安装。二
- 使用VS2010构建HotSpot工程
p2p2500
HotSpotOpenJDKVS2010
1. 下载OpenJDK7的源码:
http://download.java.net/openjdk/jdk7
http://download.java.net/openjdk/
2. 环境配置
▶
- Oracle实用功能之分组后列合并
seandeng888
oracle分组实用功能合并
1 实例解析
由于业务需求需要对表中的数据进行分组后进行合并的处理,鉴于Oracle10g没有现成的函数实现该功能,且该功能如若用JAVA代码实现会比较复杂,因此,特将SQL语言的实现方式分享出来,希望对大家有所帮助。如下:
表test 数据如下:
ID,SUBJECTCODE,DIMCODE,VALUE
1&nbs
- Java定时任务注解方式实现
tuoni
javaspringjvmxmljni
Spring 注解的定时任务,有如下两种方式:
第一种:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi="http
- 11大Java开源中文分词器的使用方法和分词效果对比
yangshangchuan
word分词器ansj分词器Stanford分词器FudanNLP分词器HanLP分词器
本文的目标有两个:
1、学会使用11大Java开源中文分词器
2、对比分析11大Java开源中文分词器的分词效果
本文给出了11大Java开源中文分词的使用方法以及分词结果对比代码,至于效果哪个好,那要用的人结合自己的应用场景自己来判断。
11大Java开源中文分词器,不同的分词器有不同的用法,定义的接口也不一样,我们先定义一个统一的接口:
/**
* 获取文本的所有分词结果, 对比