- 24 优化算法
Unknown To Known
动手学习深度学习算法
目录优化和深度学习深度学习中的挑战局部最小vs全局最小鞍点(saddlepoint)梯度消失小结凸性(convexity)凸集凸函数(convexfunction)凸函数优化凸和非凸例子小结梯度下降(gradientdescent)1、梯度下降算法是最简单的迭代求解算法2、学习率(learningrate)小结随机梯度下降(stochasticgradientdescent)小结小批量随机梯度下降
- 机器学习中梯度下降法的缺点
华农DrLai
人工智能机器学习逻辑回归深度学习大数据
机器学习中的梯度下降法是一种寻找函数最小值的优化算法,广泛应用于训练各种模型,尤其是在深度学习中。尽管其应用广泛,但梯度下降法也存在一些不可忽视的缺点:1.局部最小值和鞍点局部最小值问题:对于非凸函数,梯度下降法可能会陷入局部最小值,而不是全局最小值。这意味着算法可能找到一个看似最优的点,但实际上在整个参数空间中存在更好的解。鞍点问题:在高维空间中,鞍点(梯度为零,但既非局部最小值也非局部最大值的
- 证明逻辑回归的目标函数是凸函数
Longlongaaago
机器学习机器学习算法逻辑回归
证明逻辑回归的目标函数是凸函数参考:https://zhuanlan.zhihu.com/p/76639936假设有训练数据D={(x1,y1),...,(xn,yn)}D=\{(\mathbf{x}_1,y_1),...,(\mathbf{x}_n,y_n)\}D={(x1,y1),...,(xn,yn)},其中(xi,yi)(\mathbf{x}_i,y_i)(xi,yi)为每一个样本,而且x
- 机器学习 | 凸/非凸目标函数 |非凸目标函数导致求解陷入局部最优
stone_fall
图像处理与机器学习
数学中最优化问题的一般表述是求取x∗∈χx^{*}\in\chix∗∈χ,使f(x∗)=min{f(x):x∈χ}f(x^{*})=min\{f(x):x\in\chi\}f(x∗)=min{f(x):x∈χ},其中x是n维向量,χ\chiχ是x的可行域,f是χ\chiχ上的实值函数。凸优化问题是指χ\chiχ是闭合的凸集且f是χ\chiχ上的凸函数的最优化问题,这两个条件任一不满足则该问题即为非
- 机器学习入门之基础概念及线性回归
StarCoder_Yue
算法机器学习学习笔记机器学习线性回归正则化人工智能算法数学
任务目录什么是Machinelearning学习中心极限定理,学习正态分布,学习最大似然估计推导回归Lossfunction学习损失函数与凸函数之间的关系了解全局最优和局部最优学习导数,泰勒展开推导梯度下降公式写出梯度下降的代码学习L2-Norm,L1-Norm,L0-Norm推导正则化公式说明为什么用L1-Norm代替L0-Norm学习为什么只对w/Θ做限制,不对b做限制Question1:Wh
- 03 凸优化理论-凸函数
Jay Morein
优化理论与随机控制算法
03凸函数目录3.1凸函数的定义、性质(凸函数的判定)、示例3.2保凸运算3.4拟凸函数3.5对数凸函数3.3共轭函数3.6关于广义不等式的凸性3.1凸函数的定义、性质和例子(一)凸函数的定义&扩展值延伸3.1.1定义Def1凸函数的定义、几何含义定理1:仿射函数等价于既凸又凹函数。定理2(凸性由函数在直线上的性质刻画)*:凸函数的充要条件是与其定义域相交的任何直线上都是凸的。(可以将函数限制在直
- 岭回归公式推导
吐泡泡的柠檬
回归
对于最小二乘问题加入常数项,令变量代换,可以写成其中θ是拟合系数。加入常数项,同时,希望拟合参数θ尽可能小,以降低预测值的敏感程度,可得:注:结合起来理解:目标函数是一个凸函数,对目标函数求导,导数等于0的点是最优点:注意:岭回归的推导与介绍,比较全面:https://www.jianshu.com/p/1677d27e08a7
- Analysis of Learning from Positive and Unlabeled Data
zealscott
PUlearning论文阅读。本文从基本的分类损失出发,推导了PU的分类问题其实就是Cost-sensitiveclassification的形式,同时,通过实验证明了如果使用凸函数作为lossfunction,例如hingeloss会导致错误的分类边界(有bias),因此需要使用例如ramploss之类的凹函数。同时,论文还对先验存在偏差的情况进行了讨论,说明了如果样本中大部分都是正样本,那么就算
- 最优化理论习题(与考试相关)
ˇasushiro
最优化理论笔记
文章目录凸集与凸函数的证明单纯形方法对偶问题对偶单纯形法最优性条件使用导数的最优化方法凸集与凸函数的证明凸函数证明就是求HessianHessianHessian矩阵是否为正定矩阵即可单纯形方法对偶问题对偶单纯形法最优性条件使用导数的最优化方法
- 凸优化问题:基础定义
TensorME
数学理论凸优化
“一旦将一个实际问题表述为凸优化问题,大体上意味着相应问题已经得到彻底解决,这是非凸的优化问题所不具有的性质。”——《译者序》“事实上,优化问题的分水岭不是线性与非线性,而是凸性与非凸性”——Rockafellar1什么是凸优化什么是凸优化?抛开凸优化中的种种理论和算法不谈,纯粹的看优化模型,凸优化就是:1、在最小化(最大化)的要求下,2、目标函数是一个凸函数(凹函数),3、同时约束条件所形成的可
- 优化算法--李沐
sendmeasong_ying
深度学习算法人工智能深度学习
目录1.1梯度下降1.2随机梯度下降1.3小批量随机梯度下降1.4冲量法1.5Adam损失值也就是预测值与真实值之间的差值是f(x),x是所有超参数组成的一条向量,c是可以限制的,比如说权重大于等于0。使用迭代优化算法求解一般只能保证找到局部最小值,因为一到局部最小的地方,用梯度下降算法的话此时的梯度就已经等于0了。凸集的意思就是在一个区域里面找一根线,这条线的任意一个点都在这个区域里面。凸函数最
- 机器学习_通过梯度下降找到最佳参数
you_are_my_sunshine*
机器学习机器学习人工智能
文章目录训练机器要有正确的方向凸函数确保有最小损失点梯度下降的实现学习速率也很重要训练机器要有正确的方向所谓训练机器,也称拟合的过程,也就是确定模型内部参数的过程。具体到线性模型,也就是确定y’=wx+b函数中的w和b。对于线性回归来说,针对损失函数的梯度下降(gradientdescent)方法可以使猜测沿着正确的方向前进,因此总能找到比起上一次猜测时误差更小的w和b组合。梯度下降可以说是整个机
- 最优化理论与方法复习(6)---凸集和凸函数
冒冒菜菜
最优化理论与方法最优化理论与方法凸集凸函数期末复习
文章目录1.凸集1.1定义1.2例题2.凸函数2.1判断方式2.2例题1.凸集1.1定义 设SSS为nnn维欧式空间RnR^nRn一个集合,对于任意的X(1)X^{(1)}X(1),X(2)∈SX^{(2)}∈SX(2)∈S,及每个实数λ∈[0,1]λ∈[0,1]λ∈[0,1],有λX(1)+(1−λ)X(2)∈SλX^{(1)}+(1-λ)X^{(2)}∈SλX(1)+(1−λ)X(2)∈S,则
- 【笔记】认识凸优化
假装有头像
笔记
凸优化凸优化是一类特殊的数学优化问题,其基本思路是凸优化的基本思路是通过利用凸性质,将优化问题转化为在凸集上定义的凸函数的最优化问题,从而能够借助凸优化的理论和算法来高效求解。凸优化问题相对于一般的优化问题更易于求解以下是凸优化的基本思路和特点:凸集:凸优化中的关键概念之一是凸集。凸集是一个具有凸性质的集合,即对于集合中的任意两点,连接它们的线段仍然在集合内部。凸优化通常涉及到在凸集上定义的优化问
- 近似点梯度法
格兰芬多_未名
凸优化算法最优化
最优化笔记——ProximalGradientMethod最优化笔记,主要参考资料为《最优化:建模、算法与理论》文章目录最优化笔记——ProximalGradientMethod一、邻近算子(1)定义二、近似点梯度法(1)迭代格式(2)迭代格式的理解(3)收敛性分析三、FISTA算法(1)迭代格式(2)收敛性分析参考资料一、邻近算子(1)定义定义(邻近算子)对于一个凸函数hhh,定义它的邻近算子(
- 吴恩达机器学习笔记-Logistic回归模型
Carey_Wu
回归函数在逻辑回归模型中我们不能再像之前的线性回归一样使用相同的代价函数,否则会使得输出的结果图像呈现波浪状,也就是说不再是个凸函数。代价函数的表达式之前有表示过,这里我们把1/2放到求和里面来。这里的求和部分我们可以表示为:很显然,如果我们把在之前说过的分类问题的假设函数带进去,即,得到的结果可能就是上述所说的不断起伏的状况。如果这里使用梯度下降法,不能保证能得到全局收敛的值,这个函数就是所谓的
- 协方差矩阵自适应调整的进化策略(CMA-ES)
努力发光的程序媛
CMA-ES黑盒优化协方差矩阵自适应
关于CMA-ES,其中CMA为协方差矩阵自适应(CovarianceMatrixAdaptation),而进化策略(Evolutionstrategies,ES)是一种无梯度随机优化算法。CMA-ES是一种随机或随机化方法,用于非线性、非凸函数的实参数(连续域)优化。作者NikolausHansen于2016年在MachineLearning上发布了关于CMA-ES详细教学。原文链接:TheCMA
- 机器学习_捕捉函数的变化趋势(凸函数)
you_are_my_sunshine*
机器学习机器学习人工智能
文章目录连续性是求导的前提条件通过求导发现y如何随x而变凸函数有一个全局最低点机器学习所关心的问题之一捕捉函数的变化趋势,也就是标签(y)是如何随着特征字段(x)而变化的,这个变化趋势是通过求导和微分来实现的。连续性是求导的前提条件具有连续性的函数,y值随x值的变化是连贯不间断的。并不是所有函数都具有连续性,像上面提到的阶跃函数从-1到1的跃迁明显就不具有连续性。通过求导发现y如何随x而变导数是定
- 贝叶斯优化的基本流程
今天也要加油丫
机器学习机器学习
贝叶斯优化的基本流程假设已知一个函数()的表达式以及其自变量的定义域,现在,我们希望求解出的取值范围上()的最小值,你打算如何求解这个最小值呢?1我们可以对()求导、令其一阶导数为0来求解其最小值函数()可微,且微分方程可以直接被求解2我们可以通过梯度下降等优化方法迭代出()的最小值函数()可微,且函数本身为凸函数3我们将全域的带入()计算出所有可能的结果,再找出最小值函数()相对不复杂、自变量维
- Csiszár divergences
Nightmare004
数学概率论凸优化
Csiszárdivergences熵函数熵函数(entropyfunction)φ:R++→R+\varphi:\mathbb{R}_{++}\to\mathbb{R}_{+}φ:R++→R+,他是凸函数,正的(?),下半连续函数,并且φ(1)=0\varphi\left(1\right)=0φ(1)=0φ∞′=limx→∞φ(x)x\varphi_{\infty}^{\prime}=\lim
- 凸优化Convex Optimization期末复习重点和考试笔记(一)凸集+凸函数
Q小Q琪
学习机器学习笔记人工智能
最近被凸优化考试整疯了,梳理出来一些复习重点和知识点笔记,希望能够帮助到有缘人!总共有四章重点,我分两个博客放哈~第一部分:凸集第二部分:凸函数以上是凸集和凸函数两章的期末复习笔记。
- 凸优化Convex Optimization期末复习重点和考试笔记(二)凸优化+对偶
Q小Q琪
学习机器学习人工智能笔记
接博客【凸优化ConvexOptimization期末复习重点和考试笔记(一)凸集+凸函数】第三部分:凸优化第四部分:对偶几种典型的凸函数以上就是凸优化和对偶函数部分,以及几种常见的凸函数。我们就考到这所以后面的没有整理,自己整理的有些地方可能有小错,希望大佬批评指正
- 【凸优化】【长链剖分】【2019冬令营模拟1.8】tree
YiPeng_Deng
题解凸优化长链剖分DP二分树形DP学习小计凸优化长链剖分树形DP预留数组空间二分
PROMBLEM给你一棵树,你需要在树上选择恰好m条点不相交的、长度至少为k的路径,使得路径所覆盖的点权和尽可能大。求最大点权和。数据保证有解。SOLUTION这是一道综合的题目,考察凸优化、长链剖分、树形DP、以及关于数组空间的优化首先引进凸优化凸优化就是关于答案可以表示成一个凸函数f(x),x是题目给出的参数,并且这个函数的斜率成下降的趋势(反过来也可以)假设我们已知的函数的最大值是f(m’)
- Convex Formulation for Learning from Positive and Unlabeled Data
zealscott
UnbiasedPUlearning.该论文在之前PUlearning中使用非凸函数作为loss的基础上,对正类样本和未标记样本使用不同的凸函数loss,从而将其转为凸优化问题。结果表明,该loss(doublehingeloss)与非凸loss(ramp)精度几乎一致,但大大减少了计算量。IntrodutionBackground论文首先强调了PU问题的重要性,举了几个例子:Automaticf
- 最优化理论期末复习笔记 Part 2
hijackedbycsdn
笔记最优化凸优化
数学基础线性代数从行的角度从列的角度行列式的几何解释向量范数和矩阵范数向量范数矩阵范数的更强的性质的意义几种向量范数诱导的矩阵范数1范数诱导的矩阵范数无穷范数诱导的矩阵范数2范数诱导的矩阵范数各种范数之间的等价性向量与矩阵序列的收敛性函数的可微性与展开一维优化问题牛顿莱布尼茨公式对多维的拓展Lipschitz连续中值定理凸优化问题凸函数的判断f在D一阶可微正定矩阵f在D二阶可微无约束问题的最优性条
- Convex optimization 3.1 --- 凸优化问题 part1
expectmorata
#CVXMATHoptimization
1introduction在前面两个章节,回顾了凸集、凸函数、凸集和凸函数联系。从这章开始认识凸优化问题。其中,关于各种典型的类别的凸优化问题,主要参考了[2]。2凸优化问题2.1优化问题的标准形式2.1.1优化问题的最优解优化问题的最优解解集可能存在两种极端情况2.1.2优化问题的解集可行解如果xix_ixi满足fi(x)、hi(x)f_i(x)、h_i(x)fi(x)、hi(x),则称xix_
- 最优化理论期末复习笔记 Part 1
hijackedbycsdn
笔记最优化凸优化
数学基础线性代数从行的角度从列的角度行列式的几何解释向量范数和矩阵范数向量范数矩阵范数的更强的性质的意义几种向量范数诱导的矩阵范数1范数诱导的矩阵范数无穷范数诱导的矩阵范数2范数诱导的矩阵范数各种范数之间的等价性向量与矩阵序列的收敛性函数的可微性与展开一维优化问题牛顿莱布尼茨公式对多维的拓展Lipschitz连续中值定理凸优化问题凸函数的判断f在D一阶可微正定矩阵f在D二阶可微无约束问题的最优性条
- 【最优化方法】凸优化基本概念
撕得失败的标签
最优化方法线性代数最优化方法凸优化
文章目录凸优化(ConvexOptimization)凸集(ConvexSet)凸集合的运算(OperationsonConvexSets)凸函数(ConvexFunction)凸优化问题(ConvexOptimizationProblem)凸优化(ConvexOptimization)凸优化问题具有许多重要的性质,使得其在理论和实践中都得到广泛应用。这些性质包括全局最优解的存在性、局部最优解即为
- 【最优化方法】凸二次优化
撕得失败的标签
最优化方法线性代数最优化方法凸二次优化海森矩阵Hessian
文章目录凸函数的判别凸二次优化海森矩阵(Hessianmatrix)判断函数凹凸性示例凸函数的判别设S⊂RnS\subsetR^nS⊂Rn是非空开凸集,f:S→Rf:S\rightarrowRf:S→R可微,则(1)fff是SSS上的凸函数,当且仅当f(x2)⩾f(x1)+∇f(x1)T(x2−x1),∀x1,x2∈Sf(x_2)\geqslantf(x_1)+\nablaf(x_1)^T(x_2
- Chapter1极限、导数、凸函数
桑之未落0208
数学基础机器学习大数据
目录一.O(n)和o(n)二.极限三.求导定义四.求导方法五.导数的应用:费马定理六.导数的应用:函数逼近七.导数的应用:泰勒展开八.凸函数一.O(n)和o(n)1.,其中O指的是Order阶。多项式阶——为2项阶:使得当时,,其中M是常数举例一:,令M=2,为任意常数,使得当时,总有成立。举例二:,令M=2,,使得当时,总有成立。2.,指的是的阶是严格小于的阶的。(与极限相关):使得当时,举例一
- Java 并发包之线程池和原子计数
lijingyao8206
Java计数ThreadPool并发包java线程池
对于大数据量关联的业务处理逻辑,比较直接的想法就是用JDK提供的并发包去解决多线程情况下的业务数据处理。线程池可以提供很好的管理线程的方式,并且可以提高线程利用率,并发包中的原子计数在多线程的情况下可以让我们避免去写一些同步代码。
这里就先把jdk并发包中的线程池处理器ThreadPoolExecutor 以原子计数类AomicInteger 和倒数计时锁C
- java编程思想 抽象类和接口
百合不是茶
java抽象类接口
接口c++对接口和内部类只有简介的支持,但在java中有队这些类的直接支持
1 ,抽象类 : 如果一个类包含一个或多个抽象方法,该类必须限定为抽象类(否者编译器报错)
抽象方法 : 在方法中仅有声明而没有方法体
package com.wj.Interface;
- [房地产与大数据]房地产数据挖掘系统
comsci
数据挖掘
随着一个关键核心技术的突破,我们已经是独立自主的开发某些先进模块,但是要完全实现,还需要一定的时间...
所以,除了代码工作以外,我们还需要关心一下非技术领域的事件..比如说房地产
&nb
- 数组队列总结
沐刃青蛟
数组队列
数组队列是一种大小可以改变,类型没有定死的类似数组的工具。不过与数组相比,它更具有灵活性。因为它不但不用担心越界问题,而且因为泛型(类似c++中模板的东西)的存在而支持各种类型。
以下是数组队列的功能实现代码:
import List.Student;
public class
- Oracle存储过程无法编译的解决方法
IT独行者
oracle存储过程
今天同事修改Oracle存储过程又导致2个过程无法被编译,流程规范上的东西,Dave 这里不多说,看看怎么解决问题。
1. 查看无效对象
XEZF@xezf(qs-xezf-db1)> select object_name,object_type,status from all_objects where status='IN
- 重装系统之后oracle恢复
文强chu
oracle
前几天正在使用电脑,没有暂停oracle的各种服务。
突然win8.1系统奔溃,无法修复,开机时系统 提示正在搜集错误信息,然后再开机,再提示的无限循环中。
无耐我拿出系统u盘 准备重装系统,没想到竟然无法从u盘引导成功。
晚上到外面早了一家修电脑店,让人家给装了个系统,并且那哥们在我没反应过来的时候,
直接把我的c盘给格式化了 并且清理了注册表,再装系统。
然后的结果就是我的oracl
- python学习二( 一些基础语法)
小桔子
pthon基础语法
紧接着把!昨天没看继续看django 官方教程,学了下python的基本语法 与c类语言还是有些小差别:
1.ptyhon的源文件以UTF-8编码格式
2.
/ 除 结果浮点型
// 除 结果整形
% 除 取余数
* 乘
** 乘方 eg 5**2 结果是5的2次方25
_&
- svn 常用命令
aichenglong
SVN版本回退
1 svn回退版本
1)在window中选择log,根据想要回退的内容,选择revert this version或revert chanages from this version
两者的区别:
revert this version:表示回退到当前版本(该版本后的版本全部作废)
revert chanages from this versio
- 某小公司面试归来
alafqq
面试
先填单子,还要写笔试题,我以时间为急,拒绝了它。。时间宝贵。
老拿这些对付毕业生的东东来吓唬我。。
面试官很刁难,问了几个问题,记录下;
1,包的范围。。。public,private,protect. --悲剧了
2,hashcode方法和equals方法的区别。谁覆盖谁.结果,他说我说反了。
3,最恶心的一道题,抽象类继承抽象类吗?(察,一般它都是被继承的啊)
4,stru
- 动态数组的存储速度比较 集合框架
百合不是茶
集合框架
集合框架:
自定义数据结构(增删改查等)
package 数组;
/**
* 创建动态数组
* @author 百合
*
*/
public class ArrayDemo{
//定义一个数组来存放数据
String[] src = new String[0];
/**
* 增加元素加入容器
* @param s要加入容器
- 用JS实现一个JS对象,对象里有两个属性一个方法
bijian1013
js对象
<html>
<head>
</head>
<body>
用js代码实现一个js对象,对象里有两个属性,一个方法
</body>
<script>
var obj={a:'1234567',b:'bbbbbbbbbb',c:function(x){
- 探索JUnit4扩展:使用Rule
bijian1013
java单元测试JUnitRule
在上一篇文章中,讨论了使用Runner扩展JUnit4的方式,即直接修改Test Runner的实现(BlockJUnit4ClassRunner)。但这种方法显然不便于灵活地添加或删除扩展功能。下面将使用JUnit4.7才开始引入的扩展方式——Rule来实现相同的扩展功能。
1. Rule
&n
- [Gson一]非泛型POJO对象的反序列化
bit1129
POJO
当要将JSON数据串反序列化自身为非泛型的POJO时,使用Gson.fromJson(String, Class)方法。自身为非泛型的POJO的包括两种:
1. POJO对象不包含任何泛型的字段
2. POJO对象包含泛型字段,例如泛型集合或者泛型类
Data类 a.不是泛型类, b.Data中的集合List和Map都是泛型的 c.Data中不包含其它的POJO
 
- 【Kakfa五】Kafka Producer和Consumer基本使用
bit1129
kafka
0.Kafka服务器的配置
一个Broker,
一个Topic
Topic中只有一个Partition() 1. Producer:
package kafka.examples.producers;
import kafka.producer.KeyedMessage;
import kafka.javaapi.producer.Producer;
impor
- lsyncd实时同步搭建指南——取代rsync+inotify
ronin47
1. 几大实时同步工具比较 1.1 inotify + rsync
最近一直在寻求生产服务服务器上的同步替代方案,原先使用的是 inotify + rsync,但随着文件数量的增大到100W+,目录下的文件列表就达20M,在网络状况不佳或者限速的情况下,变更的文件可能10来个才几M,却因此要发送的文件列表就达20M,严重减低的带宽的使用效率以及同步效率;更为要紧的是,加入inotify
- java-9. 判断整数序列是不是二元查找树的后序遍历结果
bylijinnan
java
public class IsBinTreePostTraverse{
static boolean isBSTPostOrder(int[] a){
if(a==null){
return false;
}
/*1.只有一个结点时,肯定是查找树
*2.只有两个结点时,肯定是查找树。例如{5,6}对应的BST是 6 {6,5}对应的BST是
- MySQL的sum函数返回的类型
bylijinnan
javaspringsqlmysqljdbc
今天项目切换数据库时,出错
访问数据库的代码大概是这样:
String sql = "select sum(number) as sumNumberOfOneDay from tableName";
List<Map> rows = getJdbcTemplate().queryForList(sql);
for (Map row : rows
- java设计模式之单例模式
chicony
java设计模式
在阎宏博士的《JAVA与模式》一书中开头是这样描述单例模式的:
作为对象的创建模式,单例模式确保某一个类只有一个实例,而且自行实例化并向整个系统提供这个实例。这个类称为单例类。 单例模式的结构
单例模式的特点:
单例类只能有一个实例。
单例类必须自己创建自己的唯一实例。
单例类必须给所有其他对象提供这一实例。
饿汉式单例类
publ
- javascript取当月最后一天
ctrain
JavaScript
<!--javascript取当月最后一天-->
<script language=javascript>
var current = new Date();
var year = current.getYear();
var month = current.getMonth();
showMonthLastDay(year, mont
- linux tune2fs命令详解
daizj
linuxtune2fs查看系统文件块信息
一.简介:
tune2fs是调整和查看ext2/ext3文件系统的文件系统参数,Windows下面如果出现意外断电死机情况,下次开机一般都会出现系统自检。Linux系统下面也有文件系统自检,而且是可以通过tune2fs命令,自行定义自检周期及方式。
二.用法:
Usage: tune2fs [-c max_mounts_count] [-e errors_behavior] [-g grou
- 做有中国特色的程序员
dcj3sjt126com
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有
- Android:TextView属性大全
dcj3sjt126com
textview
android:autoLink 设置是否当文本为URL链接/email/电话号码/map时,文本显示为可点击的链接。可选值(none/web/email/phone/map/all) android:autoText 如果设置,将自动执行输入值的拼写纠正。此处无效果,在显示输入法并输
- tomcat虚拟目录安装及其配置
eksliang
tomcat配置说明tomca部署web应用tomcat虚拟目录安装
转载请出自出处:http://eksliang.iteye.com/blog/2097184
1.-------------------------------------------tomcat 目录结构
config:存放tomcat的配置文件
temp :存放tomcat跑起来后存放临时文件用的
work : 当第一次访问应用中的jsp
- 浅谈:APP有哪些常被黑客利用的安全漏洞
gg163
APP
首先,说到APP的安全漏洞,身为程序猿的大家应该不陌生;如果抛开安卓自身开源的问题的话,其主要产生的原因就是开发过程中疏忽或者代码不严谨引起的。但这些责任也不能怪在程序猿头上,有时会因为BOSS时间催得紧等很多可观原因。由国内移动应用安全检测团队爱内测(ineice.com)的CTO给我们浅谈关于Android 系统的开源设计以及生态环境。
1. 应用反编译漏洞:APK 包非常容易被反编译成可读
- C#根据网址生成静态页面
hvt
Web.netC#asp.nethovertree
HoverTree开源项目中HoverTreeWeb.HVTPanel的Index.aspx文件是后台管理的首页。包含生成留言板首页,以及显示用户名,退出等功能。根据网址生成页面的方法:
bool CreateHtmlFile(string url, string path)
{
//http://keleyi.com/a/bjae/3d10wfax.htm
stri
- SVG 教程 (一)
天梯梦
svg
SVG 简介
SVG 是使用 XML 来描述二维图形和绘图程序的语言。 学习之前应具备的基础知识:
继续学习之前,你应该对以下内容有基本的了解:
HTML
XML 基础
如果希望首先学习这些内容,请在本站的首页选择相应的教程。 什么是SVG?
SVG 指可伸缩矢量图形 (Scalable Vector Graphics)
SVG 用来定义用于网络的基于矢量
- 一个简单的java栈
luyulong
java数据结构栈
public class MyStack {
private long[] arr;
private int top;
public MyStack() {
arr = new long[10];
top = -1;
}
public MyStack(int maxsize) {
arr = new long[maxsize];
top
- 基础数据结构和算法八:Binary search
sunwinner
AlgorithmBinary search
Binary search needs an ordered array so that it can use array indexing to dramatically reduce the number of compares required for each search, using the classic and venerable binary search algori
- 12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
刘星宇
c面试
12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
1.gets()函数
问:请找出下面代码里的问题:
#include<stdio.h>
int main(void)
{
char buff[10];
memset(buff,0,sizeof(buff));
- ITeye 7月技术图书有奖试读获奖名单公布
ITeye管理员
活动ITeye试读
ITeye携手人民邮电出版社图灵教育共同举办的7月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
7月试读活动回顾:
http://webmaster.iteye.com/blog/2092746
本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《Java性能优化权威指南》