- 算法工程师必看!个性化信息流推荐算法系统的架构设计与优化实战指南
注:此文章内容均节选自充电了么创始人,CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AIAgent智能体》(跟我一起学人工智能)【陈敬雷编著】【清华大学出版社】GPT多模态大模型与AIAgent智能体书籍本章配套视频课程【陈敬雷】推荐算法系统实战全系列精品课【陈敬雷】文章目录推荐算法系统系列二算法工程师必看!个性化信息流推荐算法系统的架构设计与优化实战指南更多技术内容总结推荐算法系统系列二算
- 035_ClaudeCode_MCP_介绍
义薄云天us
ClaudeCode菜鸟到高手专栏ClaudeCode机器学习深度学习mcp
035_ClaudeCode_MCP_介绍摘要ModelContextProtocol(MCP)是一个开放的标准化协议,专为大型语言模型提供上下文数据而设计。作为ClaudeCode生态系统的重要组成部分,MCP如同"AI应用程序的USB-C端口",提供了将AI模型连接到不同数据源和工具的标准化方式。本文全面介绍MCP的核心概念、架构设计和在ClaudeCode中的应用场景。目录什么是ModelC
- 大模型或多模态在能源系统优化调度中的应用
u013250861
LLM能源人工智能
1.大模型在电力调度中的应用GAIA-电力调度大语言模型项目描述:专为电力调度设计的大语言模型,能够处理运行调整、运行监控和黑启动等任务技术特点:基于LLaMA2微调,专门针对电力系统领域优化论文:“Alargelanguagemodelforadvancedpowerdispatch”(NatureScientificReports,2025)GitHub:暂未公开源代码,但论文中提到了完整的技
- 【DL经典回顾】激活函数大汇总(四)(Softmax & Softplus附代码和详细公式)
夺命猪头
python机器学习人工智能神经网络numpy
激活函数大汇总(四)(Softmax&Softplus附代码和详细公式)更多激活函数见激活函数大汇总列表一、引言欢迎来到我们深入探索神经网络核心组成部分——激活函数的系列博客。在人工智能的世界里,激活函数扮演着不可或缺的角色,它们决定着神经元的输出,并且影响着网络的学习能力与表现力。鉴于激活函数的重要性和多样性,我们将通过几篇文章的形式,本篇详细介绍两种激活函数,旨在帮助读者深入了解各种激活函数的
- 基于NanoDet的健身姿势纠正系统开发
YOLO实战营
人工智能NanoDet深度学习计算机视觉ui
1.引言在现代健身行业中,正确的运动姿势至关重要,不仅能提升训练效果,还能预防运动损伤。尤其是在进行一些高强度的力量训练时,如深蹲、俯卧撑等,错误的姿势可能导致肌肉不平衡或关节损伤。传统的健身姿势纠正方式依赖教练的人工指导,但随着人工智能技术的发展,使用计算机视觉和深度学习技术来进行姿势纠正,逐渐成为一种高效且可扩展的解决方案。本文将详细介绍如何基于NanoDet(一个轻量化目标检测模型)开发一个
- Spring AI 概述与功能简介
drebander
AI编程spring人工智能java
SpringAI是一个由Spring团队开发的开源框架,旨在为人工智能(AI)和机器学习(ML)提供一个成熟且高效的开发平台。它将Spring生态系统的设计理念应用于AI开发,尤其强调模块化、可移植性以及简洁的集成。SpringAI提供了丰富的功能,涵盖从AI模型的调用到与数据库的集成等多个方面,帮助开发者构建和管理AI驱动的应用程序。1.SpringAI背景SpringAI的背景源于Spring
- Spring AI从入门到精通:构建智能Spring应用的全面指南
java干货仓库
Spring八股文汇总大模型spring人工智能java
随着人工智能技术的快速发展,将大语言模型(LLM)与企业应用集成已成为趋势。SpringAI作为Spring官方推出的AI集成框架,为开发者提供了便捷、标准化的方式来构建智能应用。本文将从基础概念到高级应用,全面介绍SpringAI的核心功能与实践技巧。一、SpringAI概述1.1什么是SpringAI?SpringAI是VMware于2023年推出的开源框架,旨在简化大语言模型(LLM)与Sp
- 基于用户画像的商品推荐系统
Dush32
机器学习人工智能python推荐算法
随着人工智能和大数据技术的进步,产品推荐系统成为了现代广告与电商平台中不可或缺的部分。通过深度挖掘用户的行为数据,能够为广告主提供精准的用户画像,从而更高效地推荐相关产品,提升购买转化率。本项目基于科大讯飞AI营销云大赛的赛题,目的是利用用户画像进行产品推荐,预测用户是否会购买相应商品。我们使用了机器学习的二分类模型,通过分析用户的性别、年龄、常驻地、机型等信息,来判断用户的付费行为。项目目标:本
- 对话新希望CDO李旭昶:立足核心诉求,积极拥抱人工智能
“转型焕新,希望无限。”整理|王娴编辑|云舒出品|极新4月12日,在「2024飞书先进生产力峰会|成都站」活动中,新希望首席数字官李旭昶先生做了主题为“转型焕新,希望无限”的分享。上次见他是4个月前,当时我们聊了1个多小时,内容涉及数字化转型、人工智能、管理、技术商业等话题。今天顺着他分享的内容,将这篇对话分享出来。随着信息科技的发展,我国传统企业在过去几年中逐步进行数字化转型,利用先进的科学技术
- 飞算科技:以创新科技引领数字化变革,旗下飞算 JavaAI 成开发利器
飞算JavaAI开发助手
科技
作为国家级高新技术企业,飞算科技专注于自主创新,在数字科技领域持续深耕,用前沿技术为各行业客户赋能,助力其实现数字化转型升级的飞跃。飞算科技凭借深厚的技术积累,将互联网科技、大数据、人工智能等技术与实际应用紧密融合。公司组建了一支由行业资深专家和技术精英构成的团队,他们在相关领域积累了多年实践经验,深刻理解不同行业客户在数字化进程中面临的痛点与挑战。基于这些洞察,飞算科技推出了一系列具有创新性和实
- Rust+ChatBoxAI:实战
ChatboxAIChatboxAI是一款基于人工智能技术的智能助手工具,旨在通过自然语言交互帮助用户完成多种任务。以下是其核心功能与特点:功能概述多模型支持:可连接OpenAI、Claude、Gemini等主流大语言模型,用户能自由切换不同AI服务。本地运行:支持离线使用,数据隐私性较强,适合敏感信息处理场景。跨平台兼容:提供Windows、macOS和Linux客户端,同步支持移动端应用。核心
- 基于R、Python的Copula变量相关性分析及AI大语言模型应用
阁楼里的小花儿
R语言PythonCopula变量相关性分析AI大语言模型结构方程模型贝叶斯网络统计学
前言:在工程、水文和金融等各学科的研究中,总是会遇到很多变量,研究这些相互纠缠的变量间的相关关系是各学科的研究的重点。虽然皮尔逊相关、秩相关等相关系数提供了变量间相关关系的粗略结果,但这些系数都存在着无法克服的困难。例如,皮尔逊相关系数只能反映变量间的线性相关,而秩相关则更多的适用于等级变量。大多数情况下变量间的相关性非常复杂,而且随着变量取值的变化而变化,而这些相关系数都是全局性的,因此无法提供
- 【Java架构师的未来与趋势】
架构学院
Java成神之路-架构师进阶java开发语言
Java架构师的未来与趋势引言Java作为企业级应用开发的主力军,已经走过了25年的历程。在这四分之一个世纪中,Java生态系统经历了从Applet到企业级应用,从单体架构到微服务,从本地部署到云原生的巨大转变。今天,Java架构师正站在新一轮技术变革的十字路口——人工智能、云计算、低代码、边缘计算等新兴技术正深刻重塑软件架构的形态和架构师的角色。据JetBrains《2023Java开发者调查》
- 生成式人工智能实战 | 像素卷积神经网络(PixelCNN)
盼小辉丶
生成式人工智能实战150讲深度学习生成模型aigc
生成式人工智能实战|像素卷积神经网络0.前言1.PixelCNN工作原理1.1掩码卷积层1.2残差块2.PixelCNN分析3.使用混合分布改进PixelCNN3.1模型构建3.2模型训练0.前言像素卷积神经网络(PixelConvolutionalNeuralNetwork,PixelCNN)是于2016年提出的一种图像生成模型,其根据前面的像素预测下一个像素的概率来逐像素地生成图像,模型可以通
- 最全2025年AI开发工具深度对比分析:程序员的智能编程助手全指南 最新功能、定价策略、使用体验和适用场景 Cursor、GitHub Copilot、Claude 4、Claude Code
wei佳
人工智能aiAI编程webstormideavscode
2025年AI开发工具深度对比分析:程序员的智能编程助手全指南引言(不想看文字可直接看后面图表对比)随着人工智能技术的飞速发展,AI编程助手已经从概念走向现实,成为现代软件开发不可或缺的工具。2025年上半年,AI编程工具市场迎来了前所未有的变革,各大厂商纷纷推出革命性功能,从简单的代码补全演进为能够理解完整项目上下文的智能编程代理。据最新市场研究显示,全球AI代码工具市场在2024年达到67亿美
- 大型语言模型在自动化AI科学研究与论文撰写中的应用与展望
这是Jamon
AI4SR人工智能
1.引言:LLM驱动科学研究与论文撰写的范式转变大型语言模型(LLM)的快速发展正在科学发现领域引发一场深刻的范式转变。这些模型正从最初的任务特定自动化工具,逐步演变为能够自主执行复杂任务的智能代理,从根本上重新定义了研究过程以及人机协作的模式。LLM所展现出的新兴能力,例如高级规划、复杂推理和精确指令遵循,显著加速了科学发现的步伐。传统科学研究通常是一个由人类主导的、高度线性且劳动密集型的过程,
- LLM4SR: A Survey on Large Language Models for Scientific Research
UnknownBody
LLMDailySurveyPaper语言模型人工智能自然语言处理
文章主要内容文章围绕大语言模型(LLMs)在科学研究中的应用展开,系统探讨了其在科研各关键阶段的作用、方法、挑战及未来方向。科学假设发现:LLMs生成科学假设的研究源于“基于文献的发现”和“归纳推理”。现有方法通过灵感检索策略、反馈模块等组件提升假设生成质量,相关基准测试分为基于文献和数据驱动两类,评估指标涵盖新颖性、有效性等。虽取得一定成果,但面临实验验证困难、依赖现有LLMs能力等挑战。实验规
- DeepSeekMath:突破开源语言模型在数学推理中的极限
AI专题精讲
强化学习人工智能强化学习AI技术应用
温馨提示:本篇文章已同步至"AI专题精讲"DeepSeekMath:突破开源语言模型在数学推理中的极限摘要数学推理由于其复杂且结构化的特性,对语言模型构成了重大挑战。本文介绍了DeepSeekMath7B,该模型在DeepSeek-Coder-Base-v1.57B的基础上继续进行了预训练,使用了来自CommonCrawl的120B数学相关token,同时包含自然语言和代码数据。DeepSeekM
- 通过 Ollama 获取并运行本地大型语言模型(LLM)
Ollama是一个开源工具,专为在本地机器上便捷部署和运行大型语言模型(LLM)而设计。它支持多种操作系统(Windows、macOS、Linux),并提供简单的命令行接口和API,适合开发者、研究人员以及对数据隐私有较高要求的用户。本文档将详细指导您如何通过Ollama在本地获取和运行LLM。1.准备工作在开始之前,请确保您的系统满足以下要求:操作系统:Windows、macOS或Linux(支
- Postman + Newman + Jenkins 接口自动化测试
Thomas Kant
自动化测试postmannewmanjenkinsallure
亲爱的技术爱好者们,热烈欢迎来到Kant2048的博客!我是ThomasKant,很开心能在CSDN上与你们相遇~本博客的精华专栏:【自动化测试】【测试经验】【人工智能】【Python】Postman
- 无人值守人工智能智慧系统数据分析:深度洞察与未来展望
呆码科技
人工智能数据分析数据挖掘
无人值守人工智能智慧系统数据分析:深度洞察与未来展望随着科技的飞速发展,人工智能(AI)技术已逐渐渗透到社会经济的各个领域,其中无人值守人工智能智慧系统作为AI技术应用的前沿阵地,正引领着一场深刻的行业变革。这类系统通过集成高级算法、大数据分析、物联网(IoT)及云计算等先进技术,实现了对复杂环境的自主监控、智能决策与高效管理,极大地提升了运营效率,降低了人力成本,并开启了数据驱动决策的新纪元。本
- 论“人工智能生命体”站在那个高度?(之二)
中國龍在廣州
人工智能-智能体-具身智能人工智能
第一部分:人工智能生命体人工智能生命体,提及的是《人工智能生命体新启点》一书,原文附后,本文中以本书代表。《人工智能生命体新启点》一书,是在现今科学技术发展,从人工智能、智能体、具身智能等大环境下,形成的一种全新理念的理论指导,以此发展出具有自我意识的人工智能生命体,拥有现代科技并以生命体的形式出现,具备类人类般的思想活动,更好的体现与融入人类的社会环境;具有自我意识的智能生命体就如人类的拥有大脑
- 医疗AI与融合数据库的整合:挑战、架构与未来展望(上)
Allen_Lyb
数智化教程(第二期)人工智能数据库架构
引言随着人工智能(AI)在医疗健康领域的广泛应用,数据已成为医疗AI发展的核心驱动力。然而,医疗数据具有极度的异构性(包括结构化电子病历、医学影像向量、基因组JSON/图结构、传感器时序等),传统数据架构难以高效整合。因数据孤岛、复杂ETL流程以及昂贵维护成本,医疗AI平台通常难以充分发挥价值。融合数据库(ConvergedDatabase/多模态一体化数据库)通过支持SQL、JSON、图、向量、
- 一文看懂:马斯克旗下人工智能公司 xAI 正式推出的Grok 4,Grok 4 如何开启 “多智能体内生化” 的 AI 新范式,重塑多模态大模型与 AI Agent 未来
陈敬雷-充电了么-CEO兼CTO
《GPT多模态大模型与AIAgent智能体》新书内容人工智能gptagichatgpt大模型deeplearning神经网络
注:此文章内容均节选自充电了么创始人,CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AIAgent智能体》(跟我一起学人工智能)【陈敬雷编著】【清华大学出版社】GPT多模态大模型与AIAgent智能体书籍本章配套视频课程【陈敬雷】文章目录GPT多模态大模型与AIAgent智能体系列二十六一文看懂:马斯克旗下人工智能公司xAI正式推出的Grok4,Grok4如何开启“多智能体内生化”的AI新范
- 大模型开源王炸!Kimi K2凭万亿参数撕开大模型天花板:代码、Agent、推理全碾压,32家企业疯抢接入
陈敬雷-充电了么-CEO兼CTO
《GPT多模态大模型与AIAgent智能体》新书内容transformerchatgpt深度学习lstmkimiAgentAIGC
注:此文章内容均节选自充电了么创始人,CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AIAgent智能体》(跟我一起学人工智能)【陈敬雷编著】【清华大学出版社】GPT多模态大模型与AIAgent智能体书籍本章配套视频课程【陈敬雷】文章目录GPT多模态大模型与AIAgent智能体系列二十七开源王炸!KimiK2凭万亿参数撕开大模型天花板:代码、Agent、推理全碾压,32家企业疯抢接入一、架构
- Prompt:开启与AI高效对话的钥匙
解密Prompt:开启与AI高效对话的钥匙一、什么是Prompt?——AI的“使用说明书”想象一下,你正在指挥一位无所不知但毫无主动性的“实习生”——人工智能(AI)。你不能指望它“心领神会”,你必须给出清晰、具体的指令,它才能准确地完成你想要的任务。这个指令,就是Prompt(提示或提示词)。简单来说,Prompt是你向AI(如大型语言模型LLM)发出的文本或问题,用以引导它生成特定的、高质量的
- BPE(字节对编码)和WordPiece 是什么
ZhangJiQun&MXP
教学2024大模型以及算力2021AIpython机器学习算法人工智能transformer深度学习
BPE(字节对编码)和WordPiece是什么BPE(字节对编码)和WordPiece是自然语言处理中常用的子词分词算法,它们通过将文本拆分为更小的语义单元来平衡词汇表大小和表达能力。BPE(BytePairEncoding,字节对编码)原理初始化:将文本按字符(或Unicode字节)拆分为最小单元,形成初始词汇表。统计合并:迭代合并最频繁出现的相邻字符对,形成新的子词单元,直到达到预设的词汇表大
- AI人工智能中Actor - Critic算法的深入解析与应用场景
AI智能探索者
AIAgent智能体开发实战人工智能算法ai
AI人工智能中Actor-Critic算法的深入解析与应用场景关键词:Actor-Critic、强化学习、策略梯度、价值函数、深度强化学习、马尔可夫决策过程、A2C/A3C摘要:本文将深入解析Actor-Critic算法的核心原理,从基础概念到数学推导,再到实际应用场景。我们将通过生动的比喻解释这一强化学习中的重要算法,展示其Python实现代码,并探讨它在游戏AI、机器人控制等领域的应用。最后,
- AI人工智能领域多模态大模型的发展历程回顾
AI智能探索者
AIAgent智能体开发实战人工智能ai
AI人工智能领域多模态大模型的发展历程回顾关键词:AI人工智能、多模态大模型、发展历程、技术演变、应用场景摘要:本文旨在全面回顾AI人工智能领域多模态大模型的发展历程。通过对不同阶段核心概念、算法原理、数学模型等方面的深入剖析,结合实际项目案例,探讨其在各个领域的应用场景。同时,推荐相关的学习资源、开发工具和重要论文著作,最后总结多模态大模型的未来发展趋势与挑战,并对常见问题进行解答。1.背景介绍
- AI人工智能领域Actor - Critic算法的可视化分析
AI智能探索者
AIAgent智能体开发实战人工智能算法ai
AI人工智能领域Actor-Critic算法的可视化分析关键词:Actor-Critic算法、强化学习、策略梯度、价值函数、可视化分析、神经网络、马尔可夫决策过程摘要:本文深入浅出地讲解Actor-Critic算法的核心原理,通过生活化的比喻和可视化分析,帮助读者理解这一强化学习中的重要算法。我们将从基础概念入手,逐步剖析算法架构,并通过Python代码实现和可视化演示,展示算法在实际问题中的应用
- 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