- 深度学习的数学之魂：传统机器学习的超越者
洋葱蚯蚓
机器学习深度学习机器学习人工智能经验分享个人开发数据挖掘
深度学习的数学之魂：传统机器学习的超越者前言第一部分：神经元的数学语言1.1神经元模型的启示1.2激活函数的非线性魔法第二部分：网络结构的层次之美2.1网络结构的多样性2.2层次结构的力量第三部分：图像的力量与直观理解3.1图表与动图的辅助作用3.2直观理解的桥梁第四部分：深度与专业的对话4.1深度学习与传统机器学习的比较4.2专业性强的技术分析第五部分：数学原理的深度剖析5.1神经网络的数学表达
- Pytorch实现之LSRGAN，轻量化SRGAN超分辨率SAR
这张生成的图像能检测吗
优质GAN模型训练自己的数据集超分辨率重建人工智能图像处理计算机视觉深度学习pytorch机器学习
简介简介：在SRGAN的基础上设计了一个轻量化的SRGAN模型结构，通过DSConv+CA与残差结构的设计来减少参数量，同时利用SeLU激活函数构造。与多类SRGAN改进不同的是，很少使用BN层。论文题目：LightweightSuper-ResolutionGenerativeAdversarialNetworkforSARImages（SAR图像的轻量级超分辨率生成对抗网络）期刊：Remote
- DiNN学习笔记1-理论部分
瓜皮37
同态加密密码学信息安全神经网络
DiNN学习笔记1-理论部分背景知识机器学习即服务MLaaS中的全同态加密神经网络Fhe-DiNN中的默认设定Fhe-DiNN方案神经元中的计算离散神经网络DiNN评估步骤自举的引入激活函数的同态评估对TFHE的改进明文的打包密钥转换的前置动态变化的消息空间优化盲旋步骤DiNN方案的整体流程参考资料背景知识机器学习即服务机器学习即服务(MachineLearningasaService,MLaaS
- 数学建模：MATLAB极限学习机解决回归问题
DesolateGIS
数学建模数学建模matlab开发语言
一、简述极限学习机是一种用于训练单隐层前馈神经网络的算法，由输入层、隐藏层、输出层组成。基本原理：输入层接受传入的样本数据。在训练过程中随机生成从输入层到隐藏层的所有连接权重以及每个隐藏层神经元的偏置值，这些参数在整个训练过程中不会被修改。前向传播：输入数据通过已设定的权重和偏置传递给隐藏层，经过激活函数处理后产生隐藏层的输出。在得到隐藏层输出后，需找到从隐藏层到输出层的最佳权重。隐藏层到输出层的
- pytorch与深度学习随记——AlexNet
黑色的山岗在沉睡
深度学习随记深度学习pytorch人工智能
AlexNet和LeNet的设计理念非常相似，但也存在显著差异：基本结构对比网络深度：AlexNet比LeNet-5要深得多，AlexNet由八层组成：五个卷积层、两个全连接隐藏层和一个全连接输出层。激活函数：AlexNet使用ReLU而不是sigmoid作为其激活函数，这有助于缓解梯度消失问题并加速训练过程。AlexNet架构的创新点局部响应归一化(LRN)：AlexNet引入LRN层，可以创建
- 建筑兔零基础人工智能自学记录34|深度学习与神经网络2
阿克兔
人工智能toto学习人工智能深度学习神经网络
1、人工神经网络ANN从生物课上学到的有关神经元、突触的生物神经网络，被模仿出了简化的人工神经网络（ANN,artificialneuralnetwork）。ANN结构为：输入层、隐藏层、输出层人工神经元：基于生物神经元的数学模型ANN过程：输入---加权求和---激活函数激活函数：类似生物神经元的阈值，达到阈值输出信号（‘神经网络的万能逼近定理’---两层以上神经网络可以逼近任意函数）2、深度学
- 全过程带你从入门到精通《动手学PyTorch深度学习建模与应用》第二章：2.1-2.3节详解，篇幅超了，缺的后面再补吧
环工人学Python
深度学习pytorch人工智能python机器学习
写在前面：点点关注不迷路，免费的赞和收藏走起来！后续更新第一时间提示哦，每周会更新不同内容，下周更新如何用各种模态的大模型去为你服务，编写代码。在深度学习的世界里，理解基础概念是构建复杂模型的关键。第二章“深度学习基础与PyTorch实现”将帮助我们深入理解深度学习的核心概念，并通过PyTorch实现这些概念。这一章的内容非常重要，因为它不仅涵盖了神经网络的基本原理，还介绍了激活函数、损失函数和优
- 机器幻觉产生的原因
人机与认知实验室
机器学习人工智能
机器幻觉是指模型生成的不符合现实的内容，比如图像生成中的错误或者不合理的输出。线性函数在神经网络中的作用通常是传递梯度，但如果每一层都是线性的，整个网络就相当于一个单层的线性模型，无法学习复杂的模式。所以如果只有线性层而没有非线性激活函数的话，网络将无法处理复杂任务。对于激活函数而言，常见的如ReLU、sigmoid、tanh。激活函数引入非线性，让网络有能力学习复杂的特征。但是如果没有合适的激活
- 深度学习进阶：构建多层神经网络
孤寂大仙v
深度学习神经网络人工智能
在上一篇文章中，我们从零开始构建了一个简单的两层神经网络，并通过异或问题（XOR）展示了神经网络的强大能力。今天，我们将进一步深入，构建一个更复杂的多层神经网络，并引入更多高级概念，如多隐藏层、激活函数选择、正则化等。我们还会使用更复杂的分类任务来训练模型，并评估其性能。1.多层神经网络的结构在实际应用中，深度学习模型通常包含多个隐藏层，这种结构被称为深度神经网络（DNN）。多层神经网络能够学习更
- 【漫话机器学习系列】106.线性激活函数（Linear Activation Function）
IT古董
漫话机器学习系列专辑机器学习人工智能激活函数
1.什么是线性激活函数？线性激活函数是一种最简单的激活函数，数学表达式为：即输出与输入保持完全线性关系。这意味着对于任何输入值x，其输出将等于输入值本身，函数图像为一条通过原点的直线。在神经网络中，激活函数的作用是将网络的线性组合映射到某种非线性输出。传统的线性激活函数常用于一些特定场景，比如回归问题，其中预测的目标值与输入特征之间可能存在线性关系。2.线性激活函数的特点线性关系：与其他常见的激活
- 深度学习：从神经网络到智能应用
Jason_Orton
深度学习神经网络人工智能机器学习
目录引言一.什么是深度学习？二.深度学习的基本原理1.神经网络的组成2.激活函数3.反向传播（Backpropagation）三.深度学习的常见模型四.深度学习的应用场景五.深度学习的挑战与未来结语引言深度学习（DeepLearning）作为机器学习的一个分支，近年来在人工智能领域取得了革命性的进展。无论是语音识别、图像识别，还是自动驾驶、自然语言处理，深度学习都在推动着技术的发展和行业的变革。那
- GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(二)
段智华
深入理解ChatGPTChatGPT国内OpenAIGPT-3GPT-4
GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(二)Gavin大咖微信：NLP_Matrix_Space5.2GPT-2源码实现逐行解析本节讲解GPT-2源码，gpt2.py是一个使用NumPy实现的代码，在代码中实现了GELU激活函数、softmax函数、层归一化、线性层、前馈神经网络、多头自注意力机制、Transformer块、GPT2模型以及文本生成函数，通过
- 浅显介绍图像识别的算法卷积神经网络（CNN）中的激活函数
cjl30804
算法cnn人工智能
激活函数的作用激活函数在神经网络中扮演着至关重要的角色，其主要作用包括但不限于以下几点：引入非线性：如果没有激活函数或仅使用线性激活函数，无论神经网络有多少层或多复杂，整个模型仍然只能表达线性映射。这意味着它无法学习和表示数据中的复杂模式。通过使用非线性的激活函数，如ReLU（修正线性单元）、Sigmoid、Tanh等，可以赋予神经网络学习复杂函数的能力。决定神经元是否被激活：激活函数根据输入信号
- 【CUDA】Pytorch_Extensions
joker D888
深度学习pytorchpythoncudac++深度学习
【CUDA】Pytorch_Extensions为什么要开发CUDA扩展？当我们在PyTorch中实现自定义算子时，通常有两种选择：使用纯Python实现（简单但效率低）使用C++/CUDA扩展（高效但需要编译）对于计算密集型的操作（如神经网络中的自定义激活函数），使用CUDA扩展可以获得接近硬件极限的性能。本文将以实现一个多项式激活函数x²+x+1为例，展示完整的开发流程。完整CUDA扩展代码解
- DeepSeek和ChatGPT的全面对比
陈皮话梅糖@
AI编程
一、模型基础架构对比（2023技术版本）维度DeepSeekChatGPT模型家族LLAMA架构改进GPT-4优化版本参数量级开放7B/35B/120B闭源175B+位置编码RoPE+NTK扩展ALiBiAttention机制FlashAttention-3FlashAttention-2激活函数SwiGLUProGeGLU训练框架DeepSpeed+Megatron定制内部框架上下文窗口32k（
- 卷积神经网络之AlexNet经典神经网络，实现手写数字0~9识别
知识鱼丸
深度学习神经网络cnn人工智能深度学习AlexNet经典神经网络
深度学习中较为常见的神经网络模型AlexNet，AlexNet是一个采用GPU训练的深层CNN，本质是种LeNet变体。由特征提取层的5个卷积层两个下采样层和分类器中的三个全连接层构成。先看原理：AlexNet网络特点采用ReLU激活函数，使训练速度提升6倍采用dropout层，防止模型过拟合通过平移和翻转的方式对数据进行增强采用LRN局部响应归一化，限制数据大小，防止梯度消失和爆炸。但后续证明批
- 【深度学习入门：基于python的理论与实现读书笔记】第五章误差反向传播法
Bin二叉
深度学习python人工智能
目录摘要第五章误差反向传播法简单层的实现乘法层的实现加法层的实现激活函数层的实现ReLU层Sigmoid层Affine层和Softmax层的实现Affine层Softmax-with-Loss层误差反向传播法的实现摘要该文章简要介绍了神经网络的误差反向传播法，省去了大量的推理过程，重点讲述了神经网络误差反向传播法的代码实现。第五章误差反向传播法反向传播就是从后到前局部计算偏导数并将其与从上游传来的
- 2.19 图像技术识别与应用
不要不开心了
java-rabbitmqsentinelhttpxnumpydash
本节课介绍了多层感知机（MLP）及其在图像识别技术中的应用。以下是主要内容总结：1.感知机：-由FrankRosenblatt于1957年提出。-输入为x，权重为w，偏置为b，输出为二分类（0或1）。-可用于实现简单逻辑电路（如与门、与非门、或门）。-局限性：只能表示由一条直线分割的空间，无法处理线性不可分问题（如异或门）。2.多层感知机（MLP）：-通过引入隐藏层和激活函数来解决感知机的局限性。
- 神经网络常见激活函数 10-GELU函数
亲持红叶
神经网络常见激活函数神经网络neo4j人工智能
GELU高斯误差线性单元（Gaussianerrorlinearunit）函数+导函数GELU函数的公式(近似表达式)GELU(x)=x∗P(X<=x)=x∗Φ(x)\rmGELU(x)=x*P(X<=x)=x*\Phi(x)GELU(x)=x∗P(X<=x)=x∗Φ(x)其中Φ(x)\Phi(x)Φ(x)指的是x的高斯正太分布的累积分布函数(CDF),进一步地，可得该函数的具体表达为x∗P(X<
- 如何解决RNN梯度爆炸和弥散的问题
路野yue
机器学习人工智能
1.梯度裁剪（GradientClipping）：用于防止梯度爆炸。在每次参数更新之前，计算梯度的范数，如果超过某个阈值，则将梯度缩放到这个阈值。这种方法可以防止梯度在反向传播过程中变得过大。2.使用ReLU激活函数：相比于tanh或sigmoid，ReLU激活函数（及其变种如LeakyReLU）在正区间内梯度恒定，这有助于缓解梯度爆炸问题。但需要注意的是，ReLU也可能导致神经元死亡的问题。3.
- 神经网络常见激活函数 12-Swish函数
亲持红叶
神经网络常见激活函数神经网络机器学习人工智能
Swish函数+导函数Swish函数Swish(x)=x⋅σ(βx)=x1+e−βx\begin{aligned}\rmSwish(x)&=x\cdot\sigma(\betax)\\&=\frac{x}{1+e^{-\betax}}\end{aligned}Swish(x)=x⋅σ(βx)=1+e−βxxSwish函数导数ddxSwish=(x⋅σ(βx))′=σ(βx)+x⋅(σ(βx))′∵
- 神经网络常见激活函数 9-CELU函数
亲持红叶
神经网络常见激活函数深度学习机器学习人工智能数学建模神经网络python
文章目录CELU函数+导函数函数和导函数图像优缺点pytorch中的CELU函数tensorflow中的CELU函数CELU连续可微指数线性单元：CELU（ContinuouslyDifferentiableExponentialLinearUnit）,是一种连续可导的激活函数，结合了ELU和ReLU的特点，旨在解决ELU在某些情况下的梯度问题。函数+导函数CELU函数CELU(x)={xx≥0α
- 23、深度学习-自学之路-激活函数relu、tanh、sigmoid、softmax函数的正向传播和反向梯度。
小宇爱
深度学习-自学之路深度学习人工智能
在使用这个非线性激活函数的时候，其实我们重点还是学习的是他们的正向怎么传播，以及反向怎么传递的。如下图所示：第一：relu函数的正向传播函数是：当输入值（隐藏层）值大于了，就输出自己本身的值。反向梯度传播：当输出值大于0，那么反向梯度值就等于输出值乘以1如果小于0，那反向梯度值就等于0.通俗的来说就是，如果输入值是0或小于0，那么输出值的反向增强就没有。如果输入值大于0，那么输出值的方向增强就有。
- DeepSeek模型架构及优化内容
开出南方的花
架构人工智能机器学习AttentionNLPpytorch深度学习
DeepSeekv1版本模型结构DeepSeekLLM基本上遵循LLaMA的设计：采⽤Pre-Norm结构，并使⽤RMSNorm函数.利⽤SwiGLU作为Feed-ForwardNetwork（FFN）的激活函数，中间层维度为8/3.去除绝对位置编码，采⽤了RoPE旋转位置编码。为了优化推理成本.67B模型使⽤分组查询注意⼒（GQA）⽽不是传统的多头注意⼒（MHA）.超参数设置优化器：采⽤adam
- BP神经网络学习内容分享：学习激活函数和损失函数
强哥带你学BP神经网络
BP神经网络神经网络学习人工智能
一、激活函数1.激活函数的作用激活函数（ActivationFunction）在神经网络中扮演着至关重要的角色。它们的主要作用是将神经元的输入（加权和）转化为一个输出信号，这个输出信号可以进一步作为后续神经元或层的输入。具体来说，激活函数的作用包括以下几个方面：（1）引入非线性：激活函数的核心功能之一是引入非线性因素。由于神经网络的线性组合本身仍然是线性的，如果不使用激活函数，那么无论网络有多少层
- 神经网络常见激活函数 7-ELU函数
亲持红叶
神经网络常见激活函数深度学习机器学习人工智能数学建模神经网络
文章目录ELU函数+导函数函数和导函数图像优缺点pytorch中的ELU函数tensorflow中的ELU函数ELU指数线性单元：ELU（ExponentialLinearUnit）函数+导函数ELU函数ELU={xx>=0α(ex−1)x=0\\\alpha(e^x-1)\quad&x=0x=0αexx=0\\\alphae^x\quad&x=0x0,x,alpha*(np.exp(x)-1))
- 深入解析ReLU激活函数的优缺点及其平衡策略
weixin_40941102
深度学习人工智能
ReLU（RectifiedLinearUnit）是一种常用的激活函数，广泛应用于深度神经网络中。它有其优缺点，在不同场景下需要权衡使用。以下是对ReLU优缺点的详细解析及其平衡方式的建议：优点减少负向因素的影响：解释：ReLU通过设置所有负值为0，只保留正值，这样可以减少负值对模型的影响。影响：这有助于模型更快地收敛，因为梯度不会因为负值而减小，从而避免负向因素对模型训练的不良影响。结论：这使得
- 常见目录和文件
被放养的研究生
计算机视觉计算机视觉python
常见目录data——存放数据集models——存放模型utils——通常会包含一些用于数据预处理的函数，这些函数的目的是将原始数据转换为适合神经网络输入的格式。激活函数、损失函数常见文件detec.py——传入参数，调用modelstrain.py——传入参数，调用models，学习率test.py——复现最佳结果main.py——定义一些参数。比如模型参数，epoch，patchsize，数据集
- 了解深度神经网络模型（Deep Neural Networks, DNN）
huaqianzkh
未来技术dnn人工智能神经网络
深度神经网络模型（DeepNeuralNetworks,DNN）深度神经网络模型是一种包含多个隐藏层的神经网络，能够通过多层次的非线性变换从数据中提取复杂特征，广泛应用于图像识别、自然语言处理等领域。基本结构输入层：接收原始数据。隐藏层：包含多个层，每层有多个神经元，通过非线性激活函数处理数据。输出层：生成最终预测或分类结果。主要特点多层次结构：通过多个隐藏层逐步提取高层次特征。非线性变换：使用激
- 神经网络（Neural Network）
ningmengjing_
神经网络深度学习人工智能
引言神经网络，作为人工智能和机器学习领域的核心组成部分，近年来在诸多领域取得了显著的进展。受生物神经系统的启发，神经网络通过模拟人脑神经元的工作机制，能够从大量数据中学习复杂的模式和关系。其强大的非线性建模能力使其在图像识别、自然语言处理、语音识别和预测分析等任务中表现出色。神经网络的基本构建单元是神经元，每个神经元接收多个输入信号，通过加权求和并应用激活函数来生成输出。通过将这些神经元分层组织，
- 数据采集高并发的架构应用
3golden
.net
问题的出发点：
最近公司为了发展需要，要扩大对用户的信息采集，每个用户的采集量估计约2W。如果用户量增加的话，将会大量照成采集量成3W倍的增长，但是又要满足日常业务需要，特别是指令要及时得到响应的频率次数远大于预期。
&n
- 不停止 MySQL 服务增加从库的两种方式
brotherlamp
linuxlinux视频linux资料linux教程linux自学
现在生产环境MySQL数据库是一主一从，由于业务量访问不断增大，故再增加一台从库。前提是不能影响线上业务使用，也就是说不能重启MySQL服务，为了避免出现其他情况，选择在网站访问量低峰期时间段操作。
一般在线增加从库有两种方式，一种是通过mysqldump备份主库，恢复到从库，mysqldump是逻辑备份，数据量大时，备份速度会很慢，锁表的时间也会很长。另一种是通过xtrabacku
- Quartz——SimpleTrigger触发器
eksliang
SimpleTriggerTriggerUtilsquartz
转载请出自出处：http://eksliang.iteye.com/blog/2208166 一.概述
SimpleTrigger触发器，当且仅需触发一次或者以固定时间间隔周期触发执行；
二.SimpleTrigger的构造函数
SimpleTrigger(String name, String group)：通过该构造函数指定Trigger所属组和名称；
Simpl
- Informatica应用（1）
18289753290
sqlworkflowlookup组件Informatica
1.如果要在workflow中调用shell脚本有一个command组件，在里面设置shell的路径；调度wf可以右键出现schedule，现在用的是HP的tidal调度wf的执行。
2.designer里面的router类似于SSIS中的broadcast（多播组件）;Reset_Workflow_Var：参数重置 （比如说我这个参数初始是1在workflow跑得过程中变成了3我要在结束时还要
- python 获取图片验证码中文字
酷的飞上天空
python
根据现成的开源项目 http://code.google.com/p/pytesser/改写
在window上用easy_install安装不上 看了下源码发现代码很少 于是就想自己改写一下
添加支持网络图片的直接解析
#coding:utf-8
#import sys
#reload(sys)
#sys.s
- AJAX
永夜-极光
Ajax
1.AJAX功能:动态更新页面,减少流量消耗,减轻服务器负担
2.代码结构:
<html>
<head>
<script type="text/javascript">
function loadXMLDoc()
{
.... AJAX script goes here ...
- 创业OR读研
随便小屋
创业
现在研一，有种想创业的想法，不知道该不该去实施。因为对于的我情况这两者是矛盾的，可能就是鱼与熊掌不能兼得。
研一的生活刚刚过去两个月，我们学校主要的是
- 需求做得好与坏直接关系着程序员生活质量
aijuans
IT 生活
这个故事还得从去年换工作的事情说起，由于自己不太喜欢第一家公司的环境我选择了换一份工作。去年九月份我入职现在的这家公司，专门从事金融业内软件的开发。十一月份我们整个项目组前往北京做现场开发，从此苦逼的日子开始了。
系统背景：五月份就有同事前往甲方了解需求一直到6月份，后续几个月也完
- 如何定义和区分高级软件开发工程师
aoyouzi
在软件开发领域，高级开发工程师通常是指那些编写代码超过 3 年的人。这些人可能会被放到领导的位置，但经常会产生非常糟糕的结果。Matt Briggs 是一名高级开发工程师兼 Scrum 管理员。他认为，单纯使用年限来划分开发人员存在问题，两个同样具有 10 年开发经验的开发人员可能大不相同。近日，他发表了一篇博文，根据开发者所能发挥的作用划分软件开发工程师的成长阶段。
初
- Servlet的请求与响应
百合不是茶
servletget提交java处理post提交
Servlet是tomcat中的一个重要组成,也是负责客户端和服务端的中介
1,Http的请求方式(get ,post);
客户端的请求一般都会都是Servlet来接受的,在接收之前怎么来确定是那种方式提交的,以及如何反馈,Servlet中有相应的方法, http的get方式 servlet就是都doGet(
- web.xml配置详解之listener
bijian1013
javaweb.xmllistener
一.定义
<listener>
<listen-class>com.myapp.MyListener</listen-class>
</listener>
二.作用 该元素用来注册一个监听器类。可以收到事件什么时候发生以及用什么作为响
- Web页面性能优化（yahoo技术）
Bill_chen
JavaScriptAjaxWebcssYahoo
1.尽可能的减少HTTP请求数 content
2.使用CDN server
3.添加Expires头(或者 Cache-control) server
4.Gzip 组件 server
5.把CSS样式放在页面的上方。 css
6.将脚本放在底部(包括内联的) javascript
7.避免在CSS中使用Expressions css
8.将javascript和css独立成外部文
- 【MongoDB学习笔记八】MongoDB游标、分页查询、查询结果排序
bit1129
mongodb
游标
游标，简单的说就是一个查询结果的指针。游标作为数据库的一个对象，使用它是包括
声明
打开
循环抓去一定数目的文档直到结果集中的所有文档已经抓取完
关闭游标
游标的基本用法，类似于JDBC的ResultSet(hasNext判断是否抓去完,next移动游标到下一条文档)，在获取一个文档集时，可以提供一个类似JDBC的FetchSize
- ORA-12514 TNS 监听程序当前无法识别连接描述符中请求服务 的解决方法
白糖_
ORA-12514
今天通过Oracle SQL*Plus连接远端服务器的时候提示“监听程序当前无法识别连接描述符中请求服务”，遂在网上找到了解决方案：
①打开Oracle服务器安装目录\NETWORK\ADMIN\listener.ora文件，你会看到如下信息：
# listener.ora Network Configuration File: D:\database\Oracle\net
- Eclipse 问题 A resource exists with a different case
bozch
eclipse
在使用Eclipse进行开发的时候，出现了如下的问题：
Description Resource Path Location TypeThe project was not built due to "A resource exists with a different case: '/SeenTaoImp_zhV2/bin/seentao'.&
- 编程之美-小飞的电梯调度算法
bylijinnan
编程之美
public class AptElevator {
/**
* 编程之美 小飞 电梯调度算法
* 在繁忙的时间，每次电梯从一层往上走时，我们只允许电梯停在其中的某一层。
* 所有乘客都从一楼上电梯，到达某层楼后，电梯听下来，所有乘客再从这里爬楼梯到自己的目的层。
* 在一楼时，每个乘客选择自己的目的层，电梯则自动计算出应停的楼层。
* 问：电梯停在哪
- SQL注入相关概念
chenbowen00
sqlWeb安全
SQL Injection：就是通过把SQL命令插入到Web表单递交或输入域名或页面请求的查询字符串，最终达到欺骗服务器执行恶意的SQL命令。
具体来说，它是利用现有应用程序，将（恶意）的SQL命令注入到后台数据库引擎执行的能力，它可以通过在Web表单中输入（恶意）SQL语句得到一个存在安全漏洞的网站上的数据库，而不是按照设计者意图去执行SQL语句。
首先让我们了解什么时候可能发生SQ
- [光与电]光子信号战防御原理
comsci
原理
无论是在战场上,还是在后方,敌人都有可能用光子信号对人体进行控制和攻击,那么采取什么样的防御方法,最简单,最有效呢?
我们这里有几个山寨的办法,可能有些作用,大家如果有兴趣可以去实验一下
根据光
- oracle 11g新特性:Pending Statistics
daizj
oracledbms_stats
oracle 11g新特性:Pending Statistics 转
从11g开始，表与索引的统计信息收集完毕后，可以选择收集的统信息立即发布，也可以选择使新收集的统计信息处于pending状态，待确定处于pending状态的统计信息是安全的，再使处于pending状态的统计信息发布，这样就会避免一些因为收集统计信息立即发布而导致SQL执行计划走错的灾难。
在 11g 之前的版本中，D
- 快速理解RequireJs
dengkane
jqueryrequirejs
RequireJs已经流行很久了，我们在项目中也打算使用它。它提供了以下功能：
声明不同js文件之间的依赖
可以按需、并行、延时载入js库
可以让我们的代码以模块化的方式组织
初看起来并不复杂。 在html中引入requirejs
在HTML中，添加这样的 <script> 标签：
<script src="/path/to
- C语言学习四流程控制if条件选择、for循环和强制类型转换
dcj3sjt126com
c
# include <stdio.h>
int main(void)
{
int i, j;
scanf("%d %d", &i, &j);
if (i > j)
printf("i大于j\n");
else
printf("i小于j\n");
retu
- dictionary的使用要注意
dcj3sjt126com
IO
NSDictionary *dict = [NSDictionary dictionaryWithObjectsAndKeys:
user.user_id , @"id",
user.username , @"username",
- Android 中的资源访问(Resource)
finally_m
xmlandroidStringdrawablecolor
简单的说，Android中的资源是指非代码部分。例如，在我们的Android程序中要使用一些图片来设置界面，要使用一些音频文件来设置铃声，要使用一些动画来显示特效，要使用一些字符串来显示提示信息。那么，这些图片、音频、动画和字符串等叫做Android中的资源文件。
在Eclipse创建的工程中，我们可以看到res和assets两个文件夹，是用来保存资源文件的，在assets中保存的一般是原生
- Spring使用Cache、整合Ehcache
234390216
springcacheehcache@Cacheable
Spring使用Cache
从3.1开始，Spring引入了对Cache的支持。其使用方法和原理都类似于Spring对事务管理的支持。Spring Cache是作用在方法上的，其核心思想是这样的：当我们在调用一个缓存方法时会把该方法参数和返回结果作为一个键值对存放在缓存中，等到下次利用同样的
- 当druid遇上oracle blob(clob)
jackyrong
oracle
http://blog.csdn.net/renfufei/article/details/44887371
众所周知，Oracle有很多坑, 所以才有了去IOE。
在使用Druid做数据库连接池后，其实偶尔也会碰到小坑，这就是使用开源项目所必须去填平的。【如果使用不开源的产品，那就不是坑，而是陷阱了，你都不知道怎么去填坑】
用Druid连接池，通过JDBC往Oracle数据库的
- easyui datagrid pagination获得分页页码、总页数等信息
ldzyz007
var grid = $('#datagrid');
var options = grid.datagrid('getPager').data("pagination").options;
var curr = options.pageNumber;
var total = options.total;
var max =
- 浅析awk里的数组
nigelzeng
二维数组array数组awk
awk绝对是文本处理中的神器，它本身也是一门编程语言，还有许多功能本人没有使用到。这篇文章就单单针对awk里的数组来进行讨论，如何利用数组来帮助完成文本分析。
有这么一组数据：
abcd,91#31#2012-12-31 11:24:00
case_a,136#19#2012-12-31 11:24:00
case_a,136#23#2012-12-31 1
- 搭建 CentOS 6 服务器(6) - TigerVNC
rensanning
centos
安装GNOME桌面环境
# yum groupinstall "X Window System" "Desktop"
安装TigerVNC
# yum -y install tigervnc-server tigervnc
启动VNC服务
# /etc/init.d/vncserver restart
# vncser
- Spring 数据库连接整理
tomcat_oracle
springbeanjdbc
1、数据库连接jdbc.properties配置详解 jdbc.url=jdbc:hsqldb:hsql://localhost/xdb jdbc.username=sa jdbc.password= jdbc.driver=不同的数据库厂商驱动，此处不一一列举 接下来，详细配置代码如下：
Spring连接池
- Dom4J解析使用xpath java.lang.NoClassDefFoundError: org/jaxen/JaxenException异常
xp9802
用Dom4J解析xml,以前没注意,今天使用dom4j包解析xml时在xpath使用处报错
异常栈：java.lang.NoClassDefFoundError: org/jaxen/JaxenException异常
导入包 jaxen-1.1-beta-6.jar 解决;
&nb
