春雪_a2bf
春雪_a2bf

竹子定律（Bamboo law）

竹子用了4年的时间，仅仅长了3cm。

从第五年开始，以每天30cm的速度疯狂地生长，仅仅用了六周的时间，就长到了15米。

其实，在前面的四年，竹子将根在土壤里延伸了数百平米。

小故事：什么叫价值：

同是两根竹子，一支做成了笛子，一支做成了晾衣杠。晾衣杠不服气的问笛子：我们都是同一片山上的竹子，凭什么我天天日晒雨淋，不值一文。而你却价值千金呢？笛子回答说：因为你只挨了一刀，而我却经历了千刀万剐，精雕细做，晾衣杠此时沉默了。

启示：

1、做人做事亦是如此。

不要担心你此时此刻的付出得不到回报，因为这些付出都是为了扎根。人生需要储备，有多少人，没能熬过那三厘米？

2、成长不是一蹴而就的，哪有什么人生开挂，只不过是厚积薄发。这就是竹子定律！


2019.10.12

你可能感兴趣的:(竹子定律（Bamboo law）)

  • 本福特定律: 为什么银行存款、河流长度等集合的首位数字更容易出现 1 而不是 9？ go
    银行存款、河流长度等数据的首位数字更容易出现1而不是9，这背后的数学原理是本福特定律（Benford'sLaw）。本福特定律的概述本福特定律（Benford'sLaw）又称首位数字定律，是一种描述自然生成数据中数字分布规律的统计学现象。该定律揭示了在多种实际数据集中，数字1-9作为首位数字出现的概率呈现特定规律性分布。数学表达式首位数字d出现的概率为：P(d)=log₁₀(1+1/d)，其中d∈{
  • 以量子“自相干—波函数”理论的破产奠基唯物唯一的《自然集合论》 留下一片云 科技
    违背守恒定律-物质唯一性的“自相干即可改变衍射方向”思想实验：在接受屏光栅“电子落点处”继续开缝衍射。多级重复角度叠加后，按量子“波函数”理论，“电子只靠自相干，不需任何外部作用即可任意变向、返回”，“拔着自己的头发离开了地球”。唯心的经典骗术：“天机不可泄露”—“观察导致坍缩”。—————————自然集合论自然是融洽无矛盾的客观存在，唯物唯一。集合有统属，万物归自然。集合内性本善，逻辑/规则在集
  • 4.4《光的折射》 耶柴 物理备课（八上）学习
    教会什么：光的折射定律培养什么：课标：（二）运动和相互作用2.3声和光2.3.3通过实验，了解光的折射现象及其特点。例6通过光束从空气射入水(或玻璃)中的实验，了解光的折射现象及其特点。一、导入实验引入：茶碗＋硬币【光的折射引入】光的折射引入_哔哩哔哩_bilibili（也可使用投影仪＋纸杯＋硬币，将角度调整为恰好看不到硬币的时候，加入水，通过折射便可以看到部分硬币。）我们可以观察到什么？（刚刚开
  • 实验六 多cache一致性——监听协议_多核Cache一致性 weixin_39576336 实验六多cache一致性——监听协议
    经过这么多篇文章的介绍，我们应该已经对Cache有一个比较清晰的认识。Cache会面临哪些问题，我们该怎么处理这些问题。现在我们讨论多核Cache一致性问题。在摩尔定律不太适用的今天，人们试图增加CPU核数以提升系统整体性能。这类系统称之为多核系统（简称MP，Multi-Processor）。我们知道每个CPU都有一个私有的L1Cache（不细分iCache和dCache）。假设一个2核的系统，我
  • 二八定律学sed m0_53747349 #linux知识库linux
    sed（流编辑器）是一种强大的文本处理工具，常用于对输入流（文件或管道）进行基本的文本转换。初学者会有畏难情绪，但是我想这个命令的使用是遵循二八定律的，有一些最常见的命令，所以，在生产环境中，寻找什么是sed最常用的操作是有意义的：1.替换文本语法：s/原内容/替换内容/[选项]全局替换（每行所有匹配）:sed's/old/new/g'file.txt替换第N次出现的匹配：sed's/old/ne
  • 机器人技能列表 极梦网络无忧 杂谈机器人
    一、机器人制作基础入门（一）机器人概述1.机器人的定义与分类2.机器人的发展历程与现状3.机器人在各领域的应用案例（二）必备工具与材料4.常用电子工具介绍（万用表、电烙铁等）5.机械加工工具（螺丝刀、钳子、扳手等）6.电子元件（电阻、电容、二极管等）7.结构材料（塑料、金属、木材等）二、电子电路基础（一）电路原理与设计8.电路基本概念（电流、电压、电阻等）9.欧姆定律与基尔霍夫定律10.简单电路设
  • 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
  • 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
  • 2025 AI展望：Scaling Law新叙事加速AI变革 阿里巴巴淘系技术团队官网博客 人工智能
    我们正身处一场技术革命的历史开端，以ChatGPT为标志的这轮AI科技浪潮是算法和软件诞生以来人类科技最重要的技术变革，由此开启了以智能为核心的第四次工业革命。这次AI变革是由以ScalingLaw为底层逻辑的基础模型驱动，其整体的发展脉络由基础模型的技术逻辑主导。进入2025年，我们清晰地看到，ScalingLaw本身仍然成立，但以堆算力以及一味追求扩大模型尺寸的迭代路径已经被打破。同时，基础模
  • 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
  • 通俗理解Test time Scaling Law、RL Scaling Law和预训练Scaling Law 老A的AI实验室 #【LLM】人工智能chatgpt深度学习LLMagi算法RL
    一、ScalingLaw解释1、预训练阶段的ScalingLaw（打地基阶段）通俗解释：就像建房子时，地基越大、材料越多、施工时间越长，房子就能盖得越高越稳。核心：通过堆资源（算力、数据、模型参数）让AI变得更聪明。具体含义：在预训练阶段（比如训练GPT这种大模型），模型的表现取决于三个核心因素：模型参数（房子的“大小”）：神经元越多，模型越“聪明”。数据量（砖头的“数量”）：喂给模型的文本越多，
  • 蓝桥杯 2022 省 B 洛谷 P8787 砍竹子 Bowser_H 蓝桥杯备考蓝桥杯算法职场和发展
    [蓝桥杯2022省B]砍竹子题目描述这天，小明在砍竹子，他面前有nnn棵竹子排成一排，一开始第iii棵竹子的高度为hih_{i}hi.他觉得一棵一棵砍太慢了，决定使用魔法来砍竹子。魔法可以对连续的一段相同高度的竹子使用，假设这一段竹子的高度为HHH，那么使用一次魔法可以把这一段竹子的高度都变为⌊⌊H2⌋+1⌋\left\lfloor\sqrt{\left\lfloor\frac{H}{2}\rig
  • 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
  • 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