蹲家宅宅
蹲家宅宅

深度学习记录--神经网络表示及其向量化

神经网络表示

如下图

深度学习记录--神经网络表示及其向量化_第1张图片

就这个神经网络图来说，它有三层，分别是输入层(Input layer)，隐藏层(Hidden layer)，输出层(Output layer)

对于其他的神经网络，隐藏层可以有很多层

一般来说，不把输入层算作一个标准的层，所以这是一个双层神经网络

神经网络的计算

对于每一层的每个节点，以logistic为例，每个节点会得出一个a值(y的预测值)

然后这个a值作为新的输入值进入下一层的节点，重复上一个过程

最终输出最终预测值

所以，每个节点都包含一个完整的logistic计算

深度学习记录--神经网络表示及其向量化_第2张图片

如下图所示，第一层的a值代入到第二层的计算中

深度学习记录--神经网络表示及其向量化_第3张图片

符号表示

从神经网络开始，出现了大量的符号，本弱鸡刚开始学也有点糊涂，经过好一番思考，才明白了每个符号的表示

层的表示

从输入层开始，每一层都需要被表示，一般用方括号上标表示第几层，注意，输入层为第0层

x^{\left [ i\right ]},i=0,1,2,...,n 

这个符号表示第i层的x值

样本表示

对于多份样本数据，一般用圆括号上标表示第几份样本数据

x^{\left ( i \right )},i=1,2,...,m

这个表示第i份样本数据，注意，每份样本数据包含了所有的特征变量(它的表示见下)

每份样本中特征变量的表示

上面说了每份样本数据包含了所有特征变量，特征变量如何表示

一般用下标表示第几个特征变量

x_{i},i=1,2,...,nx

这个表示某层第i个特征变量，nx为特征变量的总数

完整表示

x_{2}^{\left [ 1 \right ]\left ( 3 \right )}

这个表示第1层第3份样本数据中的第2个特征变量

向量化实现神经网络

之前谈了向量化，现在用完整符号表示神经网络的向量化实现，见下图

以X举例，每个大X表示每层的X数据，大X中每列表示某份样本数据，自上而下是特征变量

其他符号同理，都是用矩阵实现

深度学习记录--神经网络表示及其向量化_第4张图片

你可能感兴趣的:(深度学习记录,深度学习,神经网络,人工智能)

  • 飞凌方案丨基于LS1028A系列核心板打造一款边缘计算网关 spear800 5GLS1028A飞凌嵌入式边缘计算网关
    随着物联网、大数据、人工智能等技术的快速发展与应用,给传统的云计算模式带来了巨大的挑战,这也催生出了计算模式的变革,边缘计算由此诞生。所谓边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。通俗的讲,就是在数据采集的本地完成对数据的计算、处理后(譬如打上时间戳,数据格式化、对事件和过程数据分类),根据结果进行“就地”决策,并将处理完成的数
  • 【花雕学AI】11：ChatGPT与New Bing的横向比较与多维度对比测试 驴友花雕
    引言：人工智能AI技术正在改变我们获取和使用信息的方式。搜索引擎作为我们与互联网的主要接口，也在不断地进化和创新。2022年底，两种新型的人工智能搜索引擎，分别是ChatGPT和NewBing，引起了广泛的关注和讨论，并且出乎意料之外在2023年开始火爆起来。它们都是基于OpenAI的GPT系列模型开发的，但是有着不同的特点和功能。例如，ChatGPT可以根据用户的输入生成自然语言的回答，也可以进
  • 基于yolov8的绝缘子缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面 FL1623863129 深度学习YOLO
    【算法介绍】基于YOLOv8的绝缘子缺陷检测系统是一种利用先进深度学习技术的高效解决方案，旨在提升电力行业中输电线路的维护和监控水平。YOLOv8作为YOLO系列算法的最新版本，具备更高的检测速度和精度，特别适用于实时物体检测任务。该系统通过深入分析并标注绝缘子数据集，训练YOLOv8模型以精确识别输电线上的绝缘子及其缺陷状态。利用多尺度检测、FPN结构以及CSPDarknet网络等技术，YOLO
  • 机器学习和深度学习中常见损失函数，包括损失函数的数学公式、推导及其在不同场景中的应用 早起星人 机器学习深度学习人工智能
    目录引言什么是损失函数？常见损失函数介绍3.1均方误差（MeanSquaredError,MSE）3.2交叉熵损失（Cross-EntropyLoss）3.3平滑L1损失（SmoothL1Loss）3.4HingeLoss（合页损失）3.5二进制交叉熵损失（BinaryCross-EntropyLoss）3.6KL散度（KLDivergence）3.7Huber损失（HuberLoss）3.8对比
  • AI学习记录 - 对抗性神经网络 victor-AI最好的学习方式是画图 人工智能学习神经网络
    有用点赞哦学习机器学习到一定程度之后，一般会先看他的损失函数是什么，看他的训练集是什么，训练集是什么，代表我使用模型的时候，输入是什么类型的数据。对抗神经网络其实可以这样子理解，网上一直说生成器和判别器的概念，没有触及到本质。我有一种看法：假如当前场景是输入模糊图片，然后输出高质量图片。当判别器和生成器本来就是一个模型，在不把判别器生成器拆开的时候，我输入一张图片，这个模型输出的是0和1，那这个整
  • Python在神经网络中优化激活函数选择使用详解 Rocky006 python开发语言
    概要在神经网络中，激活函数扮演着至关重要的角色。它的主要作用是引入非线性因素，使得神经网络能够处理复杂的非线性问题。如果没有激活函数，神经网络仅仅是线性模型的堆叠，无法胜任深度学习中的各种任务。本文将深入探讨几种常用的激活函数，包括Sigmoid、Tanh、ReLU及其变种，并通过具体的代码示例展示它们在Python中的实现和应用。激活函数的重要性激活函数将输入信号进行非线性转换，从而增强神经网络
  • 设计模式深度解析：工厂模式与策略模式的终极对决，谁才是真正的设计之王？ 疾风终究没有归途 设计模式策略模式工厂模式设计模式
    工厂模式和策略模式是两种常见的设计模式，它们在软件开发中有着广泛的应用。尽管它们在某些方面有些相似，但它们的目的和使用场景是不同的。下面将详细解释这两种模式的区别：1.目的不同：工厂模式的主要目的是创建对象。它主要用于封装对象的创建过程，使得对象的创建与使用分离，从而降低系统的耦合度。策略模式的主要目的是选择算法。它主要用于定义一系列的算法，将每个算法封装起来，并使它们可以互相替换。策略模式让算法
  • 增强语音对车载语音质量测试的挑战 众乐认证 itu
    一、什么是增强语音语音助手是实现智慧车联的关键之一，通过助手，方可去掉按键。其中一个比较典型的功能就是目前比较流行的enhancedsiri。二、增强语音的难点1.语音合成技术语音合成技术在车内环境中的表现至关重要。语音合成采用了混合单元选择系统，结合了单元选择和参数合成的优势，并通过深度学习进一步提升了语音质量。这种技术的应用，使得语音助手能够在车内环境中提供流畅自然且易于理解的语音交互体验。2
  • TensorFlow和它的弟弟们 活蹦乱跳酸菜鱼 tensorflow人工智能python
    TensorFlow、TensorFlowLite、TensorFlowLiteMicro是Google在深度学习领域推出的三个不同产品，它们各自有着不同的设计目标和适用场景。以下是它们之间的主要区别：1.TensorFlow(PC\GPU)设计目标：TensorFlow是一个开源的机器学习框架，由GoogleBrain团队开发，旨在帮助开发者构建和训练深度学习模型。它支持多种编程语言（如Pyth
  • 用JavaScript实现的5个常见函数 强哥科技兴
    在学习JavaScript，或者前端面试中，有人会问你节流函数、防抖函数、递归函数等，本文分享了5个常见函数，希望对你有所帮助。在JavaScript中有一些问题会被拿出来经常讨论，这些问题每个人都有不同的思路，想要理解这些问题，最好的方法就是自己实现一遍，话不多说，开始正题。数组扁平化数组扁平化有很多方法，但最终最好的方法就是递归，实现一个指定深度的扁平化方法，这样基本的套路都会了解。1func
  • 不要有批判的声音，大胆写就够了 蓝色沫
    在第三节课程里，老师讲到了关于走出写作定位的两大误区。和如何找准写作定位的方法。先说说，第一个误区，有关于不知道写什么并放弃写作？为什么不知道写什么并会放弃写作呢？老师给出这样的反馈，“不知道写什么时，可以先自由书写，写自己的所思所想，所见所闻，将每天发生的事，自己的心情，做一个深度反思。看看今天，有那些事你没有做好？是什么原因没有做好？带着问题去找答案。带着书写去反思自己。自由书写，主要以自己的
  • 王东伟，中原焦点秦皇岛站第五期，每日分享第112天 Vivian_c8c7
    《尊重与希望》301—303。SFBT知觉转换的介入方式之一，是应对问句的使用，能把谈话焦点转移至当事人自发的应对策略上，这不仅具有深度同理与鼓舞性，又可协助当事人掌握具体的行动策略，触发当事人动用自身优势重建对情绪与生活的掌控感，从而来面对生命的种种挑战。直接转换的介入方式之一，及时帮助当事人能更进一步的发现证实与确认自己力量与优势所在，而此力量与优势也将成为当事人面对、承受、因应、处理或化解困
  • Datawhale AI夏令营-task03 ghost_him 人工智能
    DatawhaleAI夏令营-task03笔记来源：DatawhaleAI夏令营数据增强基础数据增强是一种在机器学习和深度学习领域常用的技术，尤其是在处理图像和视频数据时。**数据增强的目的是通过人工方式增加训练数据的多样性，从而提高模型的泛化能力，使其能够在未见过的数据上表现得更好。**数据增强涉及对原始数据进行一系列的变换操作，生成新的训练样本。这些变换模拟了真实世界中的变化，对于图像而言，数
  • 三生随记——AI的觉醒 滴答滴嗒嗒嗒 三生随记人工智能三生随记
    在一个风和日丽的周末，林杰在家中惬意地享受着休闲时光。他是一个科技爱好者，尤其对人工智能（AI）充满了兴趣。家中摆放着各种智能设备，从智能音箱到扫地机器人，都是他的心头好。然而，他总觉得现有的AI技术还不够成熟，无法真正实现智能化。有一天，林杰在浏览科技新闻时，无意间发现了一个名为“觉醒”的AI项目。这个项目声称能够打造出真正具备自我意识的AI，让它像人类一样思考。林杰立刻被吸引了，他决定参与这个
  • 【python 已解决】ZeroDivisionError: division by zero —— 深度解析与解决策略 二川bro 优化bug集合pythonpython开发语言
    【python已解决】ZeroDivisionError:divisionbyzero——深度解析与解决策略在编程过程中，尤其是使用Python这类高级编程语言时，ZeroDivisionError是一个常见的运行时错误。这个错误发生时，意味着你的代码中尝试进行了除以零的操作，而这是不被允许的。本文将深度解析这个错误，探讨其发生的原因、解决思路、具体解决方法，并分析一些常见场景，最后提供一些扩展与
  • 释放GPU潜能：PyTorch中torch.nn.DataParallel的数据并行实践 2401_85762266 pytorch人工智能python
    释放GPU潜能：PyTorch中torch.nn.DataParallel的数据并行实践在深度学习模型的训练过程中，计算资源的需求往往随着模型复杂度的提升而增加。PyTorch，作为当前领先的深度学习框架之一，提供了torch.nn.DataParallel这一工具，使得开发者能够利用多个GPU进行数据并行处理，从而显著加速模型训练。本文将详细介绍如何在PyTorch中使用torch.nn.Dat
  • Visual Basic：企业级应用开发的稳健之选 2401_85760095 数据库
    标题：VisualBasic：企业级应用开发的稳健之选在当今多样化的编程语言生态中，VisualBasic（VB）和其.NET版本VB.NET，依旧在企业级应用开发中占有一席之地。尽管新兴语言和技术不断涌现，VB.NET以其简洁的语法、易于学习和使用的特点，以及与.NET框架的深度集成，继续在企业应用领域发挥着重要作用。本文将探讨VB.NET在企业级应用开发中的地位，并展示其在实际开发中的运用。1
  • 每天一个数据分析题（五百零五）- 提升方法 跟着紫枫学姐学CDA 数据分析题库数据分析
    提升方法（Boosting），是一种可以用来减小监督式学习中偏差的机器学习算法。基于Boosting的集成学习，其代表算法不包括？A.AdaboostB.GBDTC.XGBOOSTD.随机森林数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据
  • 每天一个数据分析题（五百零六）- 装袋方法 跟着紫枫学姐学CDA 数据分析数据挖掘
    装袋方法(bagging)也叫做bootstrapaggregating,是在原始数据集有放回地重采样S次后得到新数据集的一种技术，其代表算法有？A.AdaboostB.GBDTC.XGBOOSTD.随机森林数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专
  • 新书速览|HTML5+CSS3 Web前端开发与实例教程：微课视频版 全栈开发圈 前端html5css3
    《HTML5+CSS3Web前端开发与实例教程：微课视频版》本书内容《HTML5+CSS3Web前端开发与实例教程：微课视频版》秉承“思政引领，立德树人”的教育理念，自然融入多维度、深层次的思政元素，全面对标企业和行业需求；引入现代Web前端开发的核心技术，如Flex布局、Grid布局，以及人工智能编程插件，同时融入企业开发实践，确保学习内容与实际工作紧密相关。全书以一个完整案例为主线，结合综合项
  • Game AI ——游戏人工智能（逻辑及剧情生成） 爱研究的小牛 AIGC人工智能深度学习游戏
    一、GameAI的介绍"GameAI"（游戏人工智能）通常指的是在电子游戏中使用的各种人工智能技术和算法，用于控制游戏中的非玩家角色（NPC）、敌人、队友等，以及为玩家提供有挑战性的对手或有趣的互动体验。GameAI的核心目的是增强游戏的可玩性和沉浸感，使游戏世界更加生动和富有挑战性。包括AIbot、NPC逻辑及剧情生成和数字资产生成。游戏AI主要关注实体根据当前条件所采取的行动。这就是传统人工智
  • DeepArt——AI美术创作工具，能够帮助生成视觉内容 爱研究的小牛 AIGC人工智能深度学习
    一、DeepArt的介绍DeepArt是一种基于深度学习的艺术风格迁移应用，能够将输入图像转换成具有特定艺术风格的输出图像。它的核心技术主要依赖于深度卷积神经网络（CNN）和风格迁移算法，能够将著名艺术作品的风格应用到用户的照片或图像上，从而创造出独具特色的艺术效果。二、DeepArt的使用选择内容图像和风格图像：用户首先需要上传一张内容图像，即他们希望转换成艺术风格的图像。接着，可以从提供的艺术
  • Wonder Dynamics——虚拟角色动画和实时互动生成 爱研究的小牛 实时互动
    一、WonderDynamics介绍WonderDynamics的核心是通过AI驱动的自动化流程，简化和加速虚拟角色动画的制作。其主要功能包括：自动化角色动画：将预录制的动作捕捉数据自动应用到虚拟角色上。实时角色互动：实现虚拟角色与现实场景中的人物和物体实时互动。高精度捕捉和渲染：利用深度学习和计算机视觉技术，捕捉高精度的动作数据并生成高质量的动画。二、WonderDynamics实现技术详解Wo
  • AIGC深度学习教程：Transformer模型中的Position Embedding实现与应用 玩AI的小胡子 embeddingtransformerAIGC人工智能
    在进入深度学习领域时，Transformer模型几乎是绕不开的话题，而其中的PositionEmbedding更是关键。对于刚入门的朋友，这篇教程将带你深入了解PositionEmbedding是什么、它如何在Transformer中运作，以及它在不同领域中的实际应用。什么是PositionEmbedding？PositionEmbedding是Transformer模型中一种关键机制，用于弥补模
  • 并行处理的魔法：PyTorch中torch.multiprocessing的多进程训练指南 liuxin33445566 人工智能深度学习机器学习
    并行处理的魔法：PyTorch中torch.multiprocessing的多进程训练指南在深度学习领域，模型训练往往需要大量的计算资源和时间。PyTorch，作为当前最流行的深度学习框架之一，提供了torch.multiprocessing模块，使得开发者能够利用多核CPU进行多进程训练，从而显著加速训练过程。本文将深入探讨如何在PyTorch中使用torch.multiprocessing进行
  • 【Rust光年纪】深度解读：Rust语言中各类消息队列客户端库详细对比 friklogff Rust光年纪rust开发语言后端
    选择最佳Rust消息队列客户端库：全面对比与分析前言随着现代应用程序的复杂性不断增加，消息队列成为构建可靠、高性能系统的重要组件。本文将介绍一些用于Rust语言的消息队列客户端库，包括AMQP、ApacheKafka、NSQ、ApachePulsar和RocketMQ，探讨它们的核心功能、使用场景、安装配置以及API概览。欢迎订阅专栏：Rust光年纪文章目录选择最佳Rust消息队列客户端库：全面对
  • 《未来二十年，AI、区块链、云与大数据技术引领全球变革》 久绊A 文献/论文人工智能区块链云计算大数据
    摘要在未来二十年，全球社会与经济将深刻受到人工智能（AI）、区块链（Blockchain）、云计算（Cloud）和大数据（Data）四大核心技术的驱动。这些技术不仅从宏观上重塑产业结构，更在微观层面显著提升生活品质与效率。本文通过详尽的案例分析，结合国内外最新研究成果，深入剖析这四大技术如何在教育、智能家居、农业、金融等多个关键领域产生深远影响。关键字人工智能（AI）、区块链（Blockchain
  • 情报收集技术深度解析（一）：基本信息与域名信息收集技术 Alfadi联盟 萧瑶 网络安全信息与通信
    在网络安全与情报分析领域，高效的情报收集是确保网络安全、竞争对手分析、威胁狩猎等工作的基础。本文将深入探讨基本信息收集和域名信息收集的两大核心技术模块，包括但不限于GoogleHacking、网络空间搜索引擎、操作系统/中间件/源代码/数据库信息获取，以及域名收集工具的使用方法与实战技巧。一、基本信息收集技术1.GoogleHackingGoogleHacking是一种利用高级搜索语法和特定关键词
  • Metasploit漏洞利用系列（一）：MSF完美升级及目录结构深度解读 Alfadi联盟 萧瑶 网络安全
    在信息安全领域，MetasploitFramework（MSF）是一个无处不在的工具，它集合了大量的渗透测试和漏洞利用模块，帮助安全专家识别和利用系统中的弱点。本文将深入探讨如何对Metasploit进行完美升级，以及对其核心目录结构进行详尽解读，为初学者和进阶使用者提供全面指南。MSF完美升级指南1.环境准备确保你的操作系统已安装了Ruby环境，因为Metasploit是基于Ruby编写的。推荐
  • 堆栈溢出的原因 木小同 面试jvmjava内存溢出jvm优化内存泄漏
    堆和栈在JVM内存模型中，存在这样几个内存结构，主要是堆和栈。堆：JVM运行中产生变量的实际存储地址栈：每一个线程都会对应一个方法栈，主要存储线程运行时声明的变量，栈的大小取决去这个线程运行的深度堆溢出当创建对象时，没有足够的可用空间，则会发生堆溢出。java.lang.OutOfMemoryError：Javaheapspace堆内存空间不足，一种是真的不够，还有一种是发生了死循环，对象一直在创
  • iOS http封装 374016526 ios服务器交互http网络请求
    程序开发避免不了与服务器的交互，这里打包了一个自己写的http交互库。希望可以帮到大家。   内置一个basehttp，当我们创建自己的service可以继承实现。   KuroAppBaseHttp *baseHttp = [[KuroAppBaseHttp alloc] init]; [baseHttp setDelegate:self]; [baseHttp
  • lolcat ：一个在 Linux 终端中输出彩虹特效的命令行工具 brotherlamp linuxlinux教程linux视频linux自学linux资料
      那些相信 Linux 命令行是单调无聊且没有任何乐趣的人们，你们错了，这里有一些有关 Linux 的文章，它们展示着 Linux 是如何的有趣和“淘气” 。 在本文中，我将讨论一个名为“lolcat”的小工具 – 它可以在终端中生成彩虹般的颜色。 何为 lolcat ? Lolcat 是一个针对 Linux，BSD 和 OSX 平台的工具，它类似于 cat 命令，并为 cat
  • MongoDB索引管理（1）——[九] eksliang mongodbMongoDB管理索引
    转载请出自出处：http://eksliang.iteye.com/blog/2178427 一、概述       数据库的索引与书籍的索引类似，有了索引就不需要翻转整本书。数据库的索引跟这个原理一样，首先在索引中找，在索引中找到条目以后，就可以直接跳转到目标文档的位置，从而使查询速度提高几个数据量级。       不使用索引的查询称
  • Informatica参数及变量 18289753290 Informatica参数变量
    下面是本人通俗的理解，如有不对之处，希望指正 info参数的设置：在info中用到的参数都在server的专门的配置文件中（最好以parma）结尾 下面的GLOBAl就是全局的，$开头的是系统级变量，$$开头的变量是自定义变量。如果是在session中或者mapping中用到的变量就是局部变量，那就把global换成对应的session或者mapping名字。 [GLOBAL] $Par
  • python 解析unicode字符串为utf8编码字符串 酷的飞上天空 unicode
    php返回的json字符串如果包含中文，则会被转换成\uxx格式的unicode编码字符串返回。 在浏览器中能正常识别这种编码，但是后台程序却不能识别，直接输出显示的是\uxx的字符，并未进行转码。   转换方式如下   >>> import json >>> q = '{"text":"\u4
  • Hibernate的总结 永夜-极光 Hibernate
    1.hibernate的作用,简化对数据库的编码,使开发人员不必再与复杂的sql语句打交道   做项目大部分都需要用JAVA来链接数据库，比如你要做一个会员注册的 页面，那么 获取到用户填写的 基本信后，你要把这些基本信息存入数据库对应的表中，不用hibernate还有mybatis之类的框架，都不用的话就得用JDBC，也就是JAVA自己的，用这个东西你要写很多的代码，比如保存注册信
  • SyntaxError: Non-UTF-8 code starting with '\xc4' 随便小屋 python
    刚开始看一下Python语言，传说听强大的，但我感觉还是没Java强吧！ 写Hello World的时候就遇到一个问题，在Eclipse中写的，代码如下 ''' Created on 2014年10月27日 @author: Logic ''' print("Hello World!");  运行结果 SyntaxError: Non-UTF-8
  • 学会敬酒礼仪 不做酒席菜鸟 aijuans 菜鸟
    俗话说，酒是越喝越厚，但在酒桌上也有很多学问讲究，以下总结了一些酒桌上的你不得不注意的小细节。 细节一：领导相互喝完才轮到自己敬酒。敬酒一定要站起来，双手举杯。 细节二：可以多人敬一人，决不可一人敬多人，除非你是领导。 细节三：自己敬别人，如果不碰杯，自己喝多少可视乎情况而定，比如对方酒量，对方喝酒态度，切不可比对方喝得少，要知道是自己敬人。 细节四：自己敬别人，如果碰杯，一
  • 《创新者的基因》读书笔记 aoyouzi 读书笔记《创新者的基因》
    创新者的基因   创新者的“基因”，即最具创意的企业家具备的五种“发现技能”：联想，观察，实验，发问，建立人脉。   第一部分破坏性创新，从你开始 第一章破坏性创新者的基因 如何获得启示： 发现以下的因素起到了催化剂的作用：(1) -个挑战现状的问题；(2)对某项技术、某个公司或顾客的观察；(3) -次尝试新鲜事物的经验或实验；(4)与某人进行了一次交谈，为他点醒
  • 表单验证技术 百合不是茶 JavaScriptDOM对象String对象事件
    js最主要的功能就是验证表单,下面是我对表单验证的一些理解,贴出来与大家交流交流  ,数显我们要知道表单验证需要的技术点, String对象,事件,函数   一:String对象;通常是对字符串的操作;   1,String的属性;   字符串.length;表示该字符串的长度; var str= "java"
  • web.xml配置详解之context-param bijian1013 javaservletweb.xmlcontext-param
    一.格式定义： <context-param> <param-name>contextConfigLocation</param-name> <param-value>contextConfigLocationValue></param-value> </context-param> 作用：该元
  • Web系统常见编码漏洞（开发工程师知晓） Bill_chen sqlPHPWebfckeditor脚本
    1.头号大敌：SQL Injection 原因：程序中对用户输入检查不严格，用户可以提交一段数据库查询代码，根据程序返回的结果， 获得某些他想得知的数据，这就是所谓的SQL Injection，即SQL注入。 本质: 对于输入检查不充分，导致SQL语句将用户提交的非法数据当作语句的一部分来执行。 示例： String query = "SELECT id FROM users
  • 【MongoDB学习笔记六】MongoDB修改器 bit1129 mongodb
    本文首先介绍下MongoDB的基本的增删改查操作，然后，详细介绍MongoDB提供的修改器，以完成各种各样的文档更新操作  MongoDB的主要操作 show dbs 显示当前用户能看到哪些数据库 use foobar 将数据库切换到foobar show collections 显示当前数据库有哪些集合 db.people.update，update不带参数，可
  • 提高职业素养，做好人生规划 白糖_ 人生
      培训讲师是成都著名的企业培训讲师，他在讲课中提出的一些观点很新颖，在此我收录了一些分享一下。注：讲师的观点不代表本人的观点，这些东西大家自己揣摩。   1、什么是职业规划：职业规划并不完全代表你到什么阶段要当什么官要拿多少钱，这些都只是梦想。职业规划是清楚的认识自己现在缺什么，这个阶段该学习什么，下个阶段缺什么，又应该怎么去规划学习，这样才算是规划。  
  • 国外的网站你都到哪边看？ bozch 技术网站国外
    学习软件开发技术，如果没有什么英文基础，最好还是看国内的一些技术网站，例如：开源OSchina，csdn，iteye,51cto等等。 个人感觉如果英语基础能力不错的话，可以浏览国外的网站来进行软件技术基础的学习，例如java开发中常用的到的网站有apache.org 里面有apache的很多Projects,springframework.org是spring相关的项目网站,还有几个感觉不错的
  • 编程之美-光影切割问题 bylijinnan 编程之美
    package a; public class DisorderCount { /**《编程之美》“光影切割问题” * 主要是两个问题： * 1.数学公式（设定没有三条以上的直线交于同一点）： * 两条直线最多一个交点，将平面分成了4个区域； * 三条直线最多三个交点，将平面分成了7个区域； * 可以推出：N条直线 M个交点，区域数为N+M+1。
  • 关于Web跨站执行脚本概念 chenbowen00 Web安全跨站执行脚本
    跨站脚本攻击(XSS)是web应用程序中最危险和最常见的安全漏洞之一。安全研究人员发现这个漏洞在最受欢迎的网站,包括谷歌、Facebook、亚马逊、PayPal,和许多其他网站。如果你看看bug赏金计划,大多数报告的问题属于 XSS。为了防止跨站脚本攻击,浏览器也有自己的过滤器,但安全研究人员总是想方设法绕过这些过滤器。这个漏洞是通常用于执行cookie窃取、恶意软件传播,会话劫持,恶意重定向。在
  • [开源项目与投资]投资开源项目之前需要统计该项目已有的用户数 comsci 开源项目
            现在国内和国外,特别是美国那边,突然出现很多开源项目,但是这些项目的用户有多少,有多少忠诚的粉丝,对于投资者来讲,完全是一个未知数,那么要投资开源项目,我们投资者必须准确无误的知道该项目的全部情况,包括项目发起人的情况,项目的维持时间..项目的技术水平,项目的参与者的势力,项目投入产出的效益.....
  • oracle alert log file（告警日志文件） daizj oracle告警日志文件alert log file
    The alert log is a chronological log of messages and errors, and includes the following items: All internal errors (ORA-00600), block corruption errors (ORA-01578), and deadlock errors (ORA-00060)
  • 关于 CAS SSO 文章声明 denger SSO
    由于几年前写了几篇 CAS 系列的文章，之后陆续有人参照文章去实现，可都遇到了各种问题，同时经常或多或少的收到不少人的求助。现在这时特此说明几点： 1.  那些文章发表于好几年前了，CAS 已经更新几个很多版本了，由于近年已经没有做该领域方面的事情，所有文章也没有持续更新。 2. 文章只是提供思路，尽管 CAS 版本已经发生变化，但原理和流程仍然一致。最重要的是明白原理，然后
  • 初二上学期难记单词 dcj3sjt126com englishword
    lesson 课 traffic 交通 matter 要紧；事物 happy 快乐的，幸福的 second 第二的 idea 主意；想法；意见 mean 意味着 important 重要的，重大的 never 从来，决不 afraid 害怕 的 fifth 第五的 hometown 故乡，家乡 discuss 讨论；议论 east 东方的 agree 同意；赞成 bo
  • uicollectionview 纯代码布局, 添加头部视图 dcj3sjt126com Collection
    #import <UIKit/UIKit.h> @interface myHeadView : UICollectionReusableView { UILabel *TitleLable; } -(void)setTextTitle; @end #import "myHeadView.h" @implementation m
  • N 位随机数字串的 JAVA 生成实现 FX夜归人 javaMath随机数Random
    /** * 功能描述 随机数工具类<br /> * @author FengXueYeGuiRen * 创建时间 2014-7-25<br /> */ public class RandomUtil { // 随机数生成器 private static java.util.Random random = new java.util.R
  • Ehcache（09）——缓存Web页面 234390216 ehcache页面缓存
    页面缓存 目录 1       SimplePageCachingFilter 1.1      calculateKey 1.2      可配置的初始化参数 1.2.1     cach
  • spring中少用的注解@primary解析 jackyrong primary
    这次看下spring中少见的注解@primary注解，例子 @Component public class MetalSinger implements Singer{ @Override public String sing(String lyrics) { return "I am singing with DIO voice
  • Java几款性能分析工具的对比 lbwahoo java
    Java几款性能分析工具的对比 摘自：http://my.oschina.net/liux/blog/51800   在给客户的应用程序维护的过程中，我注意到在高负载下的一些性能问题。理论上，增加对应用程序的负载会使性能等比率的下降。然而，我认为性能下降的比率远远高于负载的增加。我也发现，性能可以通过改变应用程序的逻辑来提升，甚至达到极限。为了更详细的了解这一点，我们需要做一些性能
  • JVM参数配置大全 nickys jvm应用服务器
    JVM参数配置大全 /usr/local/jdk/bin/java -Dresin.home=/usr/local/resin -server -Xms1800M -Xmx1800M -Xmn300M -Xss512K -XX:PermSize=300M -XX:MaxPermSize=300M -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=5 -
  • 搭建 CentOS 6 服务器(14) - squid、Varnish rensanning varnish
    （一）squid 安装 # yum install httpd-tools -y # htpasswd -c -b /etc/squid/passwords squiduser 123456 # yum install squid -y 设置 # cp /etc/squid/squid.conf /etc/squid/squid.conf.bak # vi /etc/
  • Spring缓存注解@Cache使用 tom_seed spring
    参考资料 http://www.ibm.com/developerworks/cn/opensource/os-cn-spring-cache/ http://swiftlet.net/archives/774   缓存注解有以下三个： @Cacheable      @CacheEvict     @CachePut
  • dom4j解析XML时出现"java.lang.noclassdeffounderror: org/jaxen/jaxenexception"错误 xp9802
    java.lang.NoClassDefFoundError: org/jaxen/JaxenExc 关键字: java.lang.noclassdeffounderror: org/jaxen/jaxenexception 使用dom4j解析XML时，要快速获取某个节点的数据，使用XPath是个不错的方法，dom4j的快速手册里也建议使用这种方式 执行时却抛出以下异常： Exceptio
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他