左叶右李
左叶右李

90-1-31父母效能

家庭教育分享20180624

当孩子处在青春期成长的时候，他对父母的需求，胜过任何时候对父母的需要，青春期的一个目标，是从父母那里面剥离出来，就算他不断分离开，不断地成为一个独立的个体，作为父母依然要不断地和孩子连接，把爱传达给他。

家长是孩子的老师，同时家长是孩子的学生，孩子教会我们更了解自己，孩子教会我们的就如同我们教会孩子的，同样的多。作为学生不仅从说的里面学习，还从做的里面去学习。

生活中当我们带着一份觉察和觉知时，就给自己开启了一份可能性，当我们没有觉知觉察时，是没有什么改变的。

[爱心][爱心][爱心][爱心]

你可能感兴趣的:(90-1-31父母效能)

  • JavaScript 基础09：Web APIs——日期对象、DOM节点 梦想当全栈 JavaScriptjavascript前端开发语言
    JavaScript基础09：WebAPIs——日期对象、DOM节点进一步学习DOM相关知识，实现可交互的网页特效能够插入、删除和替换元素节点。能够依据元素节点关系查找节点。一、日期对象掌握Date日期对象的使用，动态获取当前计算机的时间。ECMAScript中内置了获取系统时间的对象Date，使用Date时与之前学习的内置对象console和Math不同，它需要借助new关键字才能使用。1.实例
  • 实现快速查询的YashanDB数据库配置与调优方法 数据库
    在现代数据库应用中，查询速度直接影响到系统的性能与用户体验。因此，如何优化数据库查询速度成为一个亟需解决的问题。YashanDB作为一款高性能的数据库，支持多种配置与调优方法，以实现高效的查询性能。本文将探讨YashanDB的数据库配置与调优方法，帮助用户实现快速查询，提升数据库的使用效能和响应速度。数据库配置与调优方法部署架构的选择YashanDB支持多种部署架构，包括单机部署、共享集群部署及分
  • 大型语言模型中的提示工程系统综述：技术与应用 AI专题精讲 Paper阅读语言模型人工智能自然语言处理
    摘要提示工程已成为扩展大型语言模型（LLMs）和视觉语言模型（VLMs）能力的不可或缺的技术。这种方法利用任务特定的指令（称为prompt），在不修改核心模型参数的情况下增强模型效能。与更新模型参数不同，prompt仅通过给定指令即可引出所需的模型行为，从而实现预训练模型在下游任务中的无缝集成。prompt可以是提供上下文以引导模型的自然语言指令，也可以是激活相关知识的学习向量表示。这一新兴领域已
  • AI驱动的个人工作革命：基于DeepSeek构建全场景智能工作助理（含源代码+多应用场景） AI_DL_CODE DeepSeek深度应用人工智能DeepSeek个人智能助理LangChain任务自动化知识管理大模型应用
    摘要：本文详细阐述基于DeepSeek大模型构建个人工作助理的完整技术方案，通过LangChain实现任务分解、知识检索与工具调用的智能协同。方案融合向量数据库、多模态交互与个性化学习算法，构建涵盖邮件处理、会议管理、文档生成等15大核心工作场景的自动化系统。文中提供可运行代码、完整部署指南及效能测试数据，实现邮件处理效率提升13倍、会议纪要生成时间缩短100%、任务安排错误率降低83%的显著优化
  • Python 爬虫实战：精准抓取母婴电商平台数据，深入分析用户评价洞察市场趋势 程序员威哥 最新爬虫实战项目python爬虫开发语言
    前言随着生活水平的提高，越来越多的年轻父母开始关注母婴产品的质量和品牌。而母婴电商平台成为了他们选择和购买产品的主要渠道之一。母婴产品市场也因此变得异常活跃且充满竞争。在这样的市场环境下，用户评价不仅反映了产品的实际质量，也揭示了消费者的需求和偏好，成为品牌决策的核心依据之一。Python爬虫是获取电商平台用户评价数据、产品详情、价格等关键信息的强大工具。通过抓取和分析这些数据，品牌商可以实时了解
  • 同窗大学室友扎根家乡城市涪陵 500佰 技术资讯NodeJS前端框架
    6月7日，周六参加完大学X室友在重庆涪陵的喜酒。X室友的婚礼也比较简陋，主要有两项礼节，一是收礼金持续到了上午12点，二是新郎与新娘牵着手在舞台共同唱了一首，他们舞台一共耗时不超7分钟，也没有穿婚纱的仪式，一场婚礼到此结束。我中肯X同室友的婚礼形式，虽然不够隆重，但效果都相同，家里父母、叔侄亲友，同一个生产队父老乡亲们，同一单位同事、朋友，同窗同学也都聚在一起参观了这场喜庆。我的大学室友共计8位，
  • Coze平台实战：如何精细配置Bot人设与回复逻辑提升企业服务效能 charles666666 人工智能产品经理transformer
    数字化转型的浪潮中，智能客服和自动化服务已经成为企业提升效率、优化用户体验的关键工具。Coze平台作为一款强大的智能服务解决方案，提供了丰富的配置选项，能够帮助企业构建高度定制化的智能服务Bot。然而，如何通过精细配置Bot的人设和回复逻辑，真正提升企业服务效能？本文将结合实战经验，分享一些关键策略和技巧。一、为什么Bot人设决定智能服务成败？我们在为客户部署Coze时发现，Bot人设绝不是简单的
  • 打破AI落地困局：易路iBuilder的“垂直深耕+开箱即用”破壁之道 weixin_54980836 人工智能大数据
    中国企业的数字化转型已步入深水区，人力资源管理作为企业核心竞争力的关键引擎，正经历从“信息化”向“智能化”的范式跃迁。在这场以AI为驱动的组织效能革命中，易路人力资源科技凭借前瞻性的“软件+AI+服务”战略，推出国内首个HR智能体平台iBuilder，不仅重新定义了人力资源管理的技术边界，更引领着从“碳基管理”向“硅基协作”的产业升级。本文将深度解析中国人力资源数字化现状、AI技术应用进程、市场成
  • AI“大航海”时代：企业人力资源的AI-HR实践与效能提升策略
    在数字化浪潮的推动下，人工智能（AI）正以前所未有的速度渗透各行各业，人力资源管理（HR）领域也不例外。AI技术的引入与应用落地，不仅提升HR管理效率，更在深层次上带来人力资源运作模式的变革。什么是AI-HR所谓AI-HR，是指将人工智能技术应用于人力资源管理，并通过机器学习、自然语言处理、数据挖掘等技术，优化招聘、培训、绩效评估、员工关系等人力资源各个业务模块。近年来，随着AI技术的成熟和普及，
  • 2025 年前端主流框架对比和竞争格局及趋势发展
    2025年前端框架的竞争格局呈现出主流框架稳定演进、新兴技术快速渗透的特点，同时全栈整合、跨端效能、AI集成成为核心发展方向。以下是基于最新行业动态和技术实践的深度解析：一、主流框架竞争态势与核心能力1.React：企业级生态的持续统治力市场地位：全球使用率超40%，尤其在金融、社交等数据密集型场景占据主导。字节跳动、腾讯等大厂的复杂Web应用仍以React为首选。技术突破：并发模式（Concur
  • 想要了解大模型，看懂这一篇就够了！大模型工作流程及核心参数介绍！ Gq.xxu qwen3vllmtransforms大语言模型部署深度学习人工智能
    若想深入探究大模型核心参数的效果与作用，就务必先弄清大模型的工作流程，明确核心参数在流程各阶段的效能与功能，知晓其具体含义。一，大模型的工作流程大模型运行时的工作原理可以概括为输入处理→特征提取→模型推理→结果生成四个核心阶段，整个过程融合了深度学习架构、自然语言处理技术以及分布式计算能力。从用户输入到大模型输出，整个工作的处理流程如下：输入文本→分词→嵌入+位置编码→Transformer多层处
  • 「论文导读」LLM高效推理与模型量化 雷羿 LexChien prompt人工智能LLM论文阅读
    1.论文背景作者：HugoTouvron等人，來自MetaAI来源：arXiv:2302.13971，2023年2月主题：介绍LLaMA系列模型（LLaMA-7B、13B、33B、65B），专为研究用途设计，强调高效能与低资源需求的语言模型推理。论文探讨如何通过优化训练数据、模型架构和推理技术，在有限硬体资源（如单一GPU或CPU）上实现高效推理。学术背景：随着大型语言模型（LLM）如GPT-3的
  • 智能财报OCR识别录入，破解财报分析困局，重塑金融风控新范式 kevin 1 ocr人工智能大数据
    在金融数字化转型的浪潮中，数据已成为驱动业务决策与风险管理的核心资产。然而，海量的非结构化财务报表数据，正成为制约金融机构运营效率和风控精度的关键瓶颈。本文旨在剖析传统财报识别与分析模式的深层挑战，并探讨以AI为核心的智能解决方案如何赋能行业，实现从数据处理到决策智能的范式跃迁。一、效能瓶颈：传统财报处理的三重制约对于银行、证券、信托等金融机构而言，高效、精准的财报分析是信贷审批、投资决策和合规审
  • 攻防对抗的工作原理和架构 hao_wujing 安全
    大家读完觉得有帮助记得关注和点赞！！！**攻防对抗（CyberKillChainDefense）**是网络安全领域的动态博弈过程，攻击方通过**入侵链**突破防御，防御方则构建**纵深的检测响应体系**进行拦截反制。其本质是**攻击成本与防御效能的持续对抗升级**。以下从工作原理到架构的深度解析：---###一、攻防对抗核心工作原理####**攻击链（CyberKillChain）vs防御链（De
  • 虚拟数据室：数据管理的创新解决方案 办公效能师 人工智能网络大数据
    在当今数字化驱动的商业世界里，数据已然成为企业最具价值的资产之一。从机密的商业计划、敏感的财务报表，到关乎知识产权的研发资料，海量且多样的数据贯穿于企业运营的每一个环节。然而，传统的数据管理方式在面对日益增长的数据量、复杂的协作需求以及严苛的安全监管要求时，显得力不从心。此时，虚拟数据室作为一种创新的数据管理解决方案，正以前沿的科技手段和卓越的管理效能，重塑数据管理格局，为企业筑牢数据根基、释放数
  • AIOps助力AI研发平台的自我优化能力构建 TechVision大咖圈 人工智能AIOps能力构建
    关键词：AIOps在AI研发平台中的自我优化能力构建适用读者：AI平台架构师、研发效能团队、智能运维工程师阅读时长：约8分钟目录什么是AIOps？AI研发平台的挑战AIOps如何赋能AI研发平台自我优化能力的核心构建要素架构图与流程示意最佳实践案例写在最后什么是AIOps？AIOps，全称ArtificialIntelligenceforITOperations。别害怕这个“高大上”的名词，其实它
  • 【保姆级教程】Cpolar+EasyImage搭建私人图床，看完就会！
    文章目录1.前言2.EasyImage网站搭建2.1.EasyImage下载和安装2.2.EasyImage网页测试2.3.cpolar的安装和注册3.本地网页发布3.1.Cpolar云端设置3.2Cpolar内网穿透本地设置4.公网访问测试5.结语1.前言在数字内容创作领域，高效的视觉素材管理系统已成为提升生产效能的核心要素。当前创作者面临的关键困境在于：如何建立可自主掌控的图像存储架构？虽然云
  • 软件开发工程师使用 DeepSeek 的实用指南
    在软件开发领域，效率与创新是推动项目成功的核心动力。DeepSeek作为一款具备深度代码理解能力的AI工具，能为开发工程师提供全流程技术支持，显著提升研发效能与交付质量。以下从实际应用场景出发，详细说明如何将DeepSeek深度融入开发工作流。一、代码编写与优化1.智能代码生成编码环节中，DeepSeek可基于精确需求描述生成高质量代码片段，大幅减少重复劳动。例如：基础功能：输入"Java实现两个
  • 自动驾驶行业向端到端架构转型 未来创世纪 自动驾驶自动驾驶架构人工智能
    一、效能革命消除信息损耗与延迟传统模块化架构的流程是感知、决策、规划、控制这四个环节串联。例如，在一个自动驾驶汽车行驶过程中，感知模块先识别出前方有障碍物，将信息传递给决策模块，决策模块再决定是刹车还是变道，接着规划模块规划具体的行驶路径，最后控制模块执行操作。然而，在这个过程中，每个模块之间的接口会导致信息损失。比如，感知模块可能只能传递有限的关于障碍物的信息（如距离、速度等几个关键参数），而一
  • 微软：LLM训练数据组织框架DELT 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：DataEfficacyforLanguageModelTraining来源：arXiv,2506.21545摘要数据是语言模型（LM）训练的基础。最近的研究一直致力于数据效率，其目的是通过选择训练数据的最小或最优子集来最大限度地提高性能。数据过滤、采样和选择等技术在这一领域起着至关重要的作用。为了补充这一点，我们定义了数据效能，它侧重于通过优化训练数据的组织来最大限度地提高性能，目前尚未得
  • 〖Python零基础入门篇⑮〗- Python中的字典 哈哥撩编程 #①-零基础入门篇Python全栈白宝书python开发语言后端python中的字典
    >【易编橙·终身成长社群，相遇已是上上签！】-点击跳转～<作者：哈哥撩编程（视频号同名）图书作者：程序员职场效能宝典博客专家：全国博客之星第四名超级个体：COC上海社区主理人特约讲师：谷歌亚马逊分享嘉宾科技博主：极星会首批签约作者文章目录⭐️什么是字典？⭐️字典的结构与创建方法⭐️字典支持的数据类型⭐️在列表与元组中如何定义字典
  • VPS服务器上Windows容器网络IPv6双栈配置指南 cpsvps_net 服务器windows网络
    在云计算技术快速发展的今天，Windows容器结合IPv6双栈网络配置已成为提升VPS服务器效能的关键技术。本文针对运维工程师的实际需求，深入解析如何在虚拟私有服务器环境中，通过Docker平台实现Windows容器的IPv6/IPv4双协议栈部署，涵盖网络适配器设置、Docker引擎配置、防火墙策略优化等核心环节，并特别关注VPS服务商对IPv6的特殊支持要求。VPS服务器上Windows容器网
  • 无人设备遥控器之RTK技术篇 SKYDROID云卓小助手 信号处理人工智能嵌入式硬件算法自动化
    RTK（Real-TimeKinematic，实时动态差分）技术是一种基于载波相位测量的高精度卫星导航定位技术，在无人设备（如无人机、无人车、无人船）遥控器中应用广泛，可显著提升设备的定位精度与作业效能。一、技术原理：载波相位差分实现厘米级定位RTK技术的核心在于通过基准站与流动站（无人设备）之间的实时数据交互，消除卫星信号传播过程中的公共误差，实现厘米级定位精度。具体流程如下：基准站观测：部署在
  • AI编程实战：Cursor黑科技全解析 ithadoop python开发语言
    Cursor黑科技：AI编程实战核心技术解析2025年智能编程工具效能革命白皮书一、核心功能架构语义驱动开发基于CodeGraph技术构建跨文件语义图谱，实现类/函数级上下文感知实时生成UML时序图辅助架构设计（快捷键Ctrl+Alt+U）多模态编程#输入："PyTorch实现ResNet50猫狗分类，带数据增强"@AI生成代码transform=transforms.Compose([trans
  • 创客匠人：不是用户眼瞎,是你卖课的方法不对 | 产品篇
    在知识付费领域，不少从业者常困惑于课程滞销的问题。事实上，用户并非缺乏消费能力，而是商家未能构建有效的价值认知体系。继上期探讨产品设计后，本期将深入解析定价策略的底层逻辑与实践方法，帮助从业者突破销售瓶颈。定价的底层逻辑：价值认知的三重维度消费者对产品的价格判断，本质上由其价值认知决定，具体受三大因素影响：需求强度的刚性特征刚需产品往往具备天然的定价优势。如“双减”前的教育，父母对孩子教育的焦虑形
  • RAG检索增强生成在垂类AI应用效能优化中的应用 TechVision大咖圈 人工智能RAG检索增强生成垂类AI效能优化知识库向量检索
    关键词：RAG、检索增强生成、垂类AI、效能优化、知识库、向量检索、大模型应用文章目录引言：为什么垂类AI需要RAGRAG技术原理深度解析垂类AI应用的痛点与挑战RAG在垂类AI中的解决方案效能优化的核心策略实战案例分析最佳实践与踩坑指南总结与展望引言：为什么垂类AI需要RAG在AI大模型满天飞的今天，每个企业都想搭建自己的"智能助手"。但是现实很骨感——通用大模型虽然知识渊博，却像个"万金油"，
  • 敏感数据流动治理：API 调用中的动态脱敏技术实践 KKKlucifer rxjavaandroid
    在数字化转型加速推进的当下，API已成为企业数据流通的"神经网络"，但伴随而来的敏感数据泄露风险正呈指数级增长。Gartner报告显示，2023年全球企业数据泄露事件中，39%源于API接口滥用，而传统静态脱敏技术在复杂业务场景下的防护效能已下降42%。动态脱敏技术作为应对API数据流动安全的核心方案，通过实时识别、智能处理、动态响应的全流程防护，正成为企业构建数据安全流动体系的关键技术支撑。保旺
  • 深度解析 LangGraph 多智能体系统的通信机制与状态管理策略 佑瞻 LangChainLangGraphlanggraph
    构建多智能体系统时，通信机制与状态管理是决定系统效能的核心要素。当智能体数量超过3个时，系统常面临通信延迟、状态冲突等挑战。本文将系统化解析LangGraph中智能体交互的技术细节，帮助开发者构建高效稳定的多智能体协作体系。一、智能体通信的四大核心维度1.1通信模式选择：交接与工具调用的技术分野智能体间通信存在两种基础模式，其选择取决于状态传递需求：交接（Handoffs）模式适用于复杂状态传递场
  • 危急时刻显身手：AORO M6 Pro防爆对讲机的实战智慧 AORO_BEIDOU 人工智能信息与通信5G科技
    在工业安全与应急通信领域，设备的技术自主性与智能化水平已成为衡量核心竞争力的关键指标。面对复杂多变的作业环境与日益严苛的安全标准，AOROM6Pro防爆对讲机凭借“纯血国产”的技术底座与“AI赋能”的创新突破，为危化、能源、公共安全等领域提供了兼具安全性与高效能的通信解决方案。这款斩获2024年度AI天马“臻品”殊荣的产品，不仅重新定义了防爆对讲机的技术标杆，更以本土化创新回应了行业对极端场景通信
  • 基于Java+Vue的数字化人力资源管理系统，高效整合数据，赋能企业人力精细化管理 软件源码专题社区 源码共享软件工程javamysqlvue源代码管理
    前言：在当今数字化浪潮席卷的时代，企业对于人力资源管理的效率和精准度提出了更高要求。传统的人力资源管理模式已难以满足企业快速发展的需求，繁琐的手工操作、信息传递不及时、数据统计不准确等问题，严重制约了企业人力资源管理的效能。数字化人力资源管理系统的出现，为企业提供了一种全新的解决方案，它借助先进的信息技术，将人力资源管理的各个环节进行整合和优化，实现人力资源管理的自动化、智能化和精细化，从而提升企
  • 戴尔笔记本win8系统改装win7系统 sophia天雪 win7戴尔改装系统win8
    戴尔win8 系统改装win7 系统详述 第一步：使用U盘制作虚拟光驱：         1）下载安装UltraISO：注册码可以在网上搜索。         2）启动UltraISO，点击“文件”—》“打开”按钮，打开已经准备好的ISO镜像文
  • BeanUtils.copyProperties使用笔记 bylijinnan java
    BeanUtils.copyProperties VS PropertyUtils.copyProperties 两者最大的区别是： BeanUtils.copyProperties会进行类型转换，而PropertyUtils.copyProperties不会。 既然进行了类型转换，那BeanUtils.copyProperties的速度比不上PropertyUtils.copyProp
  • MyEclipse中文乱码问题 0624chenhong MyEclipse
    一、设置新建常见文件的默认编码格式，也就是文件保存的格式。 在不对MyEclipse进行设置的时候，默认保存文件的编码，一般跟简体中文操作系统（如windows2000，windowsXP）的编码一致，即GBK。 在简体中文系统下，ANSI 编码代表 GBK编码;在日文操作系统下，ANSI 编码代表 JIS 编码。 Window-->Preferences-->General -
  • 发送邮件 不懂事的小屁孩 send email
    import org.apache.commons.mail.EmailAttachment; import org.apache.commons.mail.EmailException; import org.apache.commons.mail.HtmlEmail; import org.apache.commons.mail.MultiPartEmail;
  • 动画合集 换个号韩国红果果 htmlcss
    动画 指一种样式变为另一种样式 keyframes应当始终定义0 100 过程 1 transition  制作鼠标滑过图片时的放大效果 css .wrap{ width: 340px;height: 340px; position: absolute; top: 30%; left: 20%; overflow: hidden; bor
  • 网络最常见的攻击方式竟然是SQL注入 蓝儿唯美 sql注入
    NTT研究表明，尽管SQL注入（SQLi）型攻击记录详尽且为人熟知，但目前网络应用程序仍然是SQLi攻击的重灾区。 信息安全和风险管理公司NTTCom Security发布的《2015全球智能威胁风险报告》表明，目前黑客攻击网络应用程序方式中最流行的，要数SQLi攻击。报告对去年发生的60亿攻击 行为进行分析，指出SQLi攻击是最常见的网络应用程序攻击方式。全球网络应用程序攻击中，SQLi攻击占
  • java笔记2 a-john java
    类的封装： 1，java中，对象就是一个封装体。封装是把对象的属性和服务结合成一个独立的的单位。并尽可能隐藏对象的内部细节（尤其是私有数据） 2，目的：使对象以外的部分不能随意存取对象的内部数据（如属性），从而使软件错误能够局部化，减少差错和排错的难度。 3，简单来说，“隐藏属性、方法或实现细节的过程”称为——封装。 4，封装的特性：       4.1设置
  • [Andengine]Error：can't creat bitmap form path “gfx/xxx.xxx” aijuans 学习Android遇到的错误
            最开始遇到这个错误是很早以前了，以前也没注意，只当是一个不理解的bug，因为所有的texture，textureregion都没有问题，但是就是提示错误。 昨天和美工要图片，本来是要背景透明的png格式，可是她却给了我一个jpg的。说明了之后她说没法改，因为没有png这个保存选项。 我就看了一下，和她要了psd的文件，还好我有一点
  • 自己写的一个繁体到简体的转换程序 asialee java转换繁体filter简体
              今天调研一个任务，基于java的filter实现繁体到简体的转换，于是写了一个demo，给各位博友奉上，欢迎批评指正。          实现的思路是重载request的调取参数的几个方法，然后做下转换。          
  • android意图和意图监听器技术 百合不是茶 android显示意图隐式意图意图监听器
    Intent是在activity之间传递数据;Intent的传递分为显示传递和隐式传递   显式意图：调用Intent.setComponent() 或 Intent.setClassName() 或 Intent.setClass()方法明确指定了组件名的Intent为显式意图，显式意图明确指定了Intent应该传递给哪个组件。   隐式意图;不指明调用的名称,根据设
  • spring3中新增的@value注解 bijian1013 javaspring@Value
            在spring 3.0中，可以通过使用@value，对一些如xxx.properties文件中的文件，进行键值对的注入，例子如下： 1.首先在applicationContext.xml中加入：  <beans xmlns="http://www.springframework.
  • Jboss启用CXF日志 sunjing logjbossCXF
    1. 在standalone.xml配置文件中添加system-properties：     <system-properties>        <property name="org.apache.cxf.logging.enabled" value=&
  • 【Hadoop三】Centos7_x86_64部署Hadoop集群之编译Hadoop源代码 bit1129 centos
      编译必需的软件 Firebugs3.0.0 Maven3.2.3 Ant JDK1.7.0_67 protobuf-2.5.0 Hadoop 2.5.2源码包       Firebugs3.0.0   http://sourceforge.jp/projects/sfnet_findbug
  • struts2验证框架的使用和扩展 白糖_ 框架xmlbeanstruts正则表达式
    struts2能够对前台提交的表单数据进行输入有效性校验，通常有两种方式： 1、在Action类中通过validatexx方法验证，这种方式很简单，在此不再赘述； 2、通过编写xx-validation.xml文件执行表单验证，当用户提交表单请求后，struts会优先执行xml文件，如果校验不通过是不会让请求访问指定action的。 本文介绍一下struts2通过xml文件进行校验的方法并说
  • 记录-感悟 braveCS 感悟
    再翻翻以前写的感悟，有时会发现自己很幼稚，也会让自己找回初心。   2015-1-11 1. 能在工作之余学习感兴趣的东西已经很幸福了； 2. 要改变自己，不能这样一直在原来区域，要突破安全区舒适区，才能提高自己，往好的方面发展； 3. 多反省多思考；要会用工具，而不是变成工具的奴隶； 4. 一天内集中一个定长时间段看最新资讯和偏流式博
  • 编程之美-数组中最长递增子序列 bylijinnan 编程之美
    import java.util.Arrays; import java.util.Random; public class LongestAccendingSubSequence { /** * 编程之美 数组中最长递增子序列 * 书上的解法容易理解 * 另一方法书上没有提到的是，可以将数组排序（由小到大）得到新的数组， * 然后求排序后的数组与原数
  • 读书笔记5 chengxuyuancsdn 重复提交struts2的token验证
    1、重复提交 2、struts2的token验证 3、用response返回xml时的注意 1、重复提交 (1)应用场景 (1-1)点击提交按钮两次。 (1-2)使用浏览器后退按钮重复之前的操作，导致重复提交表单。 (1-3)刷新页面 (1-4)使用浏览器历史记录重复提交表单。 (1-5)浏览器重复的 HTTP 请求。 (2)解决方法 (2-1)禁掉提交按钮 (2-2)
  • [时空与探索]全球联合进行第二次费城实验的可能性 comsci
         二次世界大战前后,由爱因斯坦参加的一次在海军舰艇上进行的物理学实验 -费城实验   至今给我们大家留下很多迷团.....      关于费城实验的详细过程,大家可以在网络上搜索一下,我这里就不详细描述了      在这里,我的意思是,现在
  • easy connect 之 ORA-12154: TNS: 无法解析指定的连接标识符 daizj oracleORA-12154
    用easy connect连接出现“tns无法解析指定的连接标示符”的错误，如下： C:\Users\Administrator>sqlplus username/[email protected]:1521/orcl SQL*Plus: Release 10.2.0.1.0 – Production on 星期一 5月 21 18:16:20 2012 Copyright (c) 198
  • 简单排序:归并排序 dieslrae 归并排序
    public void mergeSort(int[] array){ int temp = array.length/2; if(temp == 0){ return; } int[] a = new int[temp]; int
  • C语言中字符串的\0和空格 dcj3sjt126com c
       \0 为字符串结束符，比如说：                       abcd (空格)cdefg； 存入数组时，空格作为一个字符占有一个字节的空间，我们
  • 解决Composer国内速度慢的办法 dcj3sjt126com Composer
    用法： 有两种方式启用本镜像服务： 1 将以下配置信息添加到 Composer 的配置文件 config.json 中（系统全局配置）。见“例1” 2 将以下配置信息添加到你的项目的 composer.json 文件中（针对单个项目配置）。见“例2” 为了避免安装包的时候都要执行两次查询，切记要添加禁用 packagist 的设置，如下 1 2 3 4 5
  • 高效可伸缩的结果缓存 shuizhaosi888 高效可伸缩的结果缓存
    /** * 要执行的算法，返回结果v */ public interface Computable<A, V> { public V comput(final A arg); }   /** * 用于缓存数据 */ public class Memoizer<A, V> implements Computable<A,
  • 三点定位的算法 haoningabc c算法
    三点定位， 已知a,b,c三个顶点的x,y坐标 和三个点都z坐标的距离，la，lb,lc 求z点的坐标 原理就是围绕a,b,c 三个点画圆，三个圆焦点的部分就是所求 但是，由于三个点的距离可能不准，不一定会有结果， 所以是三个圆环的焦点，环的宽度开始为0，没有取到则加1 运行 gcc -lm test.c test.c代码如下 #include "stdi
  • epoll使用详解 jimmee clinux服务端编程epoll
    epoll - I/O event notification facility在linux的网络编程中，很长的时间都在使用select来做事件触发。在linux新的内核中，有了一种替换它的机制，就是epoll。相比于select，epoll最大的好处在于它不会随着监听fd数目的增长而降低效率。因为在内核中的select实现中，它是采用轮询来处理的，轮询的fd数目越多，自然耗时越多。并且，在linu
  • Hibernate对Enum的映射的基本使用方法 linzx0212 enumHibernate
      枚举   /** * 性别枚举 */ public enum Gender { MALE(0), FEMALE(1), OTHER(2); private Gender(int i) { this.i = i; } private int i; public int getI
  • 第10章 高级事件（下） onestopweb 事件
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • 孙子兵法 roadrunners 孙子兵法
    始计第一 孙子曰： 兵者，国之大事，死生之地，存亡之道，不可不察也。 故经之以五事，校之以计，而索其情：一曰道，二曰天，三曰地，四曰将，五 曰法。道者，令民于上同意，可与之死，可与之生，而不危也；天者，阴阳、寒暑 、时制也；地者，远近、险易、广狭、死生也；将者，智、信、仁、勇、严也；法 者，曲制、官道、主用也。凡此五者，将莫不闻，知之者胜，不知之者不胜。故校 之以计，而索其情，曰
  • MySQL双向复制 tomcat_oracle mysql
    本文包括: 主机配置 从机配置 建立主-从复制 建立双向复制   背景 按照以下简单的步骤: 参考一下： 在机器A配置主机(192.168.1.30) 在机器B配置从机(192.168.1.29) 我们可以使用下面的步骤来实现这一点   步骤1：机器A设置主机 在主机中打开配置文件 ,
  • zoj 3822 Domination(dp) 阿尔萨斯 Mina
    题目链接：zoj 3822 Domination 题目大意：给定一个N∗M的棋盘，每次任选一个位置放置一枚棋子，直到每行每列上都至少有一枚棋子，问放置棋子个数的期望。 解题思路：大白书上概率那一张有一道类似的题目，但是因为时间比较久了，还是稍微想了一下。dp[i][j][k]表示i行j列上均有至少一枚棋子，并且消耗k步的概率（k≤i∗j）,因为放置在i+1~n上等价与放在i+1行上，同理
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他