J2EE学习系列

大数据学习（82）-数仓详解

大数据学习系列专栏：哲学语录:用力所能及，改变世界。
viperrrrrrr·2025-03-24 20:41

C++学习系列（11）：智能指针（unique_ptr、shared_ptr、weak_ptr）

C++学习系列（11）：智能指针（unique_ptr、shared_ptr、weak_ptr）1.引言在C++传统的内存管理方式中，动态分配的对象需要手动释放，否则可能会导致内存泄漏（MemoryLeak
DoYangTan·2025-03-24 08:58

语音识别学习系列（13）：语音识别中的情感识别与表达

语音识别学习系列（13）：语音识别中的情感识别与表达前言在语音识别领域，仅仅将语音准确转换为文字内容已不能满足日益多样化的人机交互需求。
DoYangTan·2025-03-24 08:58

Spring Boot拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南

拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南一、核心概念对比1.本质区别维度过滤器（Filter）拦截器（Interceptor）规范层级Servlet规范（J2EE
QQ828929QQ·2025-03-24 07:24

大数据学习（75）-大数据组件总结

大数据学习系列专栏：哲学语录:用力所能及，改变世界。
viperrrrrrr·2025-03-21 22:42

Python后端学习系列（10）：分布式系统与数据一致性（使用分布式锁、分布式事务等）

Python后端学习系列（10）：分布式系统与数据一致性（使用分布式锁、分布式事务等）前言随着业务规模的不断扩大以及对系统性能、可扩展性的更高要求，后端应用往往会朝着分布式系统的方向发展。
DoYangTan·2025-03-20 17:03

Spring Boot拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南

拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南一、核心概念对比1.本质区别维度过滤器（Filter）拦截器（Interceptor）规范层级Servlet规范（J2EE
好龙7575·2025-03-19 05:36

Spring Boot拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南

拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实战指南一、核心概念对比1.本质区别维度过滤器（Filter）拦截器（Interceptor）规范层级Servlet规范（J2EE
chenOnlyOne·2025-03-17 23:02

【从零开始学习计算机科学】设计模式（一）设计模式概述

设计模式概述设计模式简介设计模式与软件架构设计模式的分类1.创建型模式（CreationalPatterns）2.结构型模式（StructuralPatterns）3.行为型模式（BehavioralPatterns）4.J2EE
贫苦游商·2025-03-17 06:52

服务器运行环境一般填什么,以下关于J2EE 应用服务器运行环境的叙述中，（ ）是正确的。 A．容器是构件的运行环境 B．构件是应用服务器...

以下关于J2EE应用服务器运行环境的叙述中，()是正确的。
曙Ouba·2025-03-16 16:45

j2ee java是什么意思,j2ee是什么

熟悉Java的人有很多，但对于j2ee，很多人估计都是次听说了。那么这个j2ee是什么呢?它和Java有着什么千丝万缕的联系呢?1、j2ee是什么?
sherlockhj·2025-03-16 16:44

常用 J2EE 应用服务器比较

Weblogic和Tomcat的区别J2ee开发主要是浏览器和服务器进行交互的一种结构.逻辑都是在后台进行处理,然后再把结果传输回给浏览器。可以看出服务器在这种架构是非常重要的。
King-Blog·2025-03-16 16:41

springMvc36-JavaEE-JSP基础-EL表达式和JSTL标签库(Taglibs)

EL表达式和JSTL标签库:在JSP页面代替java代码,便于编写一.EL表达式作用:${}简化脚本表达式j2ee1.4以前版本需指定j2ee1.4以后版本默认支持EL表达式1.EL内置对象EL内置11
前端歌谣·2025-03-15 18:03

RISC-V汇编学习（二）—— 汇编语法

RISCV汇编学习系列：RISC-V汇编学习（一）——基础认识RISC-V汇编学习（二）——汇编语法RISC-V汇编学习（三）——RV指令集RISC-V汇编学习（四）——R
禾仔仔·2025-03-15 14:28

大数据学习（67）- Flume、Sqoop、Kafka、DataX对比

大数据学习系列专栏：哲学语录:用力所能及，改变世界。
viperrrrrrr·2025-03-15 09:51

【漫话机器学习系列】137.随机搜索（Randomized Search）

随机搜索（RandomizedSearch）详解在机器学习和深度学习的模型训练过程中，超参数调优（HyperparameterTuning）是至关重要的一环。随机搜索（RandomizedSearch）是一种高效的超参数优化方法，它通过在候选超参数的数值分布（如正态分布、均匀分布等）中随机选择超参数组合，从而找到最优的超参数配置。1.超参数调优的必要性超参数是模型在训练之前需要人为设定的参数，例如
IT古董·2025-03-14 12:50

系统架构设计师—系统架构设计篇—轻量级架构

文章目录基本概念轻量级架构持久层的优点SSHSSMHibernate与Mybatis的区别基本概念轻量级架构J2EE环境下，分层架构：表现层业务逻辑层持久层持久层的优点屏蔽数据库平台的变化对业务逻辑层的影响
洛北辰南·2025-03-14 04:19

算法学习系列（四十五）：DFS之剪枝与优化

目录引言DFS之剪枝与优化一、小猫爬山二、木棒三、数独四、总结引言关于这个DFSDFSDFS的剪枝和优化确实难度是非常的大，从我这篇文章的思路和代码量上就能看出来不是一般的难度，而且难度不亚于DPDPDP，而且这个DFSDFSDFS也是花费了我三天的时间才基本把这几道例题给搞懂了，并且这种题就是没有固定的模型和套路，每个题都不一样，只有你多做题，这样在考场上才能想到这道题好像跟之前做过的题有点相似
lijiachang030718·2025-03-12 12:10

【漫话机器学习系列】129.主成分分析（Principal Component Analysis，PCA）

主成分分析（PCA）：降维与特征提取的强大工具1.什么是主成分分析（PCA）？主成分分析（PrincipalComponentAnalysis，PCA）是一种常见的数据降维技术，主要用于将高维数据投影到低维空间，同时尽可能保留数据的主要信息。PCA通过线性变换，将原始特征变量转换为一组新的变量，这些新变量被称为主成分（PrincipalComponents）。在这张图中，我们可以看到PCA的核心概
IT古董·2025-03-12 09:17

【漫话机器学习系列】130.主成分（Principal Components）

主成分（PrincipalComponents）详解1.什么是主成分？主成分（PrincipalComponents，PCs）是数据集中方差最大的线性组合，它是主成分分析（PrincipalComponentAnalysis，PCA）中的核心概念。主成分可以看作是对原始特征的新表述方式，它通过数学变换找到一组新的正交坐标轴，使得数据的主要变化方向与这些轴对齐。简单来说：主成分是数据集中信息量（方差
IT古董·2025-03-11 08:25

什么是解释型语言？什么又是编译型语言？

源代码的执行方式二、编译器三、执行原理二者的区别编译型语言解释型语言前言本文章主要知识来自于Python编程基础的“编译型语言和解释型语言的区别”一节，原文来自C语言中文网网上的相关描述已经够多了，本文作为前端学习系列专题的一个知识拓展只是为了宝贝们在该专题进行知识查阅时更为方便示例代码示例代码
Aress"·2025-03-10 22:11

TongWeb和Tomcat的区别

通过简化、可靠的管理功能降低客户的项目成本|为核心应用提供真正的“零宕机”服务性能:有良好的服务性能(tongweb5.0版本在4.6版本的基础上进行了性能的提升)规范支持:|TongWeb5.0全面支持J2EE5
encoding-console·2025-03-10 07:19

8.版本控制svn和git

微软公司开发(没人用)[5]git(不需要服务器)分布式云计算由好多台电脑组成了一个整体github.com2、SVN简介Svn（Subversion）是近年来崛起的版本管理工具，在当前的开源项目里(J2EE
majorty·2025-03-09 15:07

深度学习系列71：表格检测和识别

1.pdf处理如果是可编辑的pdf格式，那么可以直接用pdfplumber进行处理：importpdfplumberimportpandasaspdwithpdfplumber.open("中新科技：2015年年度报告摘要.PDF")aspdf:page=pdf.pages[1]#第一页的信息text=page.extract_text()print(text)table=page.extract
IE06·2025-03-08 02:23

R语言机器学习系列-随机森林回归代码解读

回归问题指的是因变量或者被预测变量是连续性变量的情形，比如预测身高体重的具体数值是多少的情形。整个代码大致可以分为包、数据、模型、预测评估4个部分，接下来逐一解读。1、包部分，也就是加载各类包，包括随机森林包randomForest，数据相关包tidyverse、skimr、DataExplorer，模型评估包caret。2、数据部分，主要是读取数据，处理缺失值，转换变量类型。3、模型部分。为了对
Mrrunsen·2025-03-07 09:33

JavaEE概述和入门

JavaEE：Java平台企业版（JavaPlatformEnterpriseEdition），之前称为Java2Platform,EnterpriseEdition(J2EE)，2018年3月更名为JakartaEE
曦暮·2025-03-07 01:41

Kubernetes operator（七） kubebuilder 的安装及简单使用 篇

云原生学习路线导航页（持续更新中）本文是Kubernetesoperator学习系列第七篇，对目前编写Operator的常用脚手架kubebuilder进行学习，主要涉及**kubebuilder的安装及简单使用
grahamzhu·2025-03-06 17:01

vue+elementUI完成登陆所需的eclipse后台代码

包新建四个Package包util包entity包dao包action包xml的配置前言为完成vue+elementUI登陆，所以创建一个eclipse项目创建eclipse项目导入jar包先创建一个j2eeVue
涵ヂ·2025-03-05 18:54

【Python+Selenium学习系列5-1】Selenium特殊元素定位之-下拉框元素定位Select操作

背景对于页面中的下拉框选项，使用selenium的select模块可以进行操作，并精确定位下拉选项及所有的option值。select模块方法一共分为三个部分：option方法、选中方法、取消选中方法，下面具体看一下这三个部分1、select模块中关于option选项的方法：options：返回所有的option选项all_selected_options：返回所有选中的option选项first
艳Yansky·2025-03-04 11:39

SpringBoot配置文件的优先级（保姆级超详细讲解）

文章目录配置优先级排序项目外部配置文件项目内部配置文件Bootstrap配置文件配置优先级排序命令行参数；java:comp/env的JNDI属性(当前J2EE应用的环境)；JAVA系统的环境属性；操作系统的环境变量
来杯@Java·2025-03-03 22:34

【漫话机器学习系列】106.线性激活函数（Linear Activation Function）

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
IT古董·2025-02-27 13:25

人工智能深度学习系列—深入探索KL散度：度量概率分布差异的关键工具

人工智能深度学习系列—深度解析：交叉熵损失（Cross-EntropyLoss）在分类问题中的应用人工智能深度学习系列—深入解析：均方误差损失（MSELoss）在深度学习中的应用与实践人工智能深度学习系列
学步_技术·2025-02-26 08:19

【肝帝一周总结：全网最全最细】十万字python教程，学不会找我！教到你会为止！！内容超多，建议收藏慢慢看！

文章目录推荐：个人推荐学习系列，推荐的一定是好的！
川川菜鸟·2025-02-26 05:24

深度学习入门篇--来瞻仰卷积神经网络的鼻祖LeNet

pytorch搭建LeNet网络并代码详解实战前言大家在学习神经网络的时候肯定会有这样的感受,有很多的文章和视频,有的文章也很好,但是总是不成体系,总是学起来东一榔锤,西一棒槌的,在这种情况下,我会给大家更新深度学习系列的技术文章
智算学术·2025-02-25 00:31

【漫话机器学习系列】101.特征选择法之Lasso（Lasso For Feature Selection）

Lasso特征选择法详解1.Lasso回归简介Lasso（LeastAbsoluteShrinkageandSelectionOperator，最小绝对收缩和选择算子）是一种基于L1范数正则化的线性回归方法。它不仅能够提高模型的泛化能力，还可以自动进行特征选择，即将一些不重要的特征的系数收缩到0，从而减少模型的复杂度。2.Lasso回归的数学公式Lasso回归的目标函数如下：其中：是输入数据，w是
IT古董·2025-02-23 12:46

Kubernetes控制平面组件：APIServer 基于 Webhook Toeken令牌 的认证机制详解

云原生学习路线导航页（持续更新中）kubernetes学习系列快捷链接Kubernetes架构原则和对象设计（一）Kubernetes架构原则和对象设计（二）Kubernetes架构原则和对象设计（三）
grahamzhu·2025-02-22 21:48

【漫话机器学习系列】041.信息丢失（dropout）

信息丢失（Dropout）Dropout是一种广泛应用于神经网络训练中的正则化技术，旨在减少过拟合（overfitting），提高模型的泛化能力。虽然"信息丢失"（dropout）这个术语在某些情况下可能引起误解，指的并非是数据的丢失，而是训练过程中故意“丢弃”神经网络中的部分神经元。这种做法可以避免模型过于依赖于某些特定的神经元，从而提高模型在新数据上的表现。Dropout的工作原理在神经网络的
IT古董·2025-02-17 22:40

【机器学习】逻辑回归(LogisticRegression)原理与实战

逻辑回归Demo2.1数据准备2.2创建逻辑回归分类器2.3分类器预测三、逻辑回归实战3.1数据准备3.2数据划分与模型创建3.3预测数据评估模型四、参数选择五、总结六、参考资料本文属于我的机器学习/深度学习系列文章
GentleCP·2025-02-15 19:56

Java进阶必读书籍推荐

你必须知道的261个java语言问题》二java编程进阶《编程匠艺——如何编写卓越的代码》，《重构改善既有代码的设计》，《驱动测试开发byExample》三java架构师之路《ExpertOne-on-OneJ2EEDesignandDevelopment
m0_74824054·2025-02-14 14:40

学习系列二：常用目标检测的格式转换脚本文件txt,json等

常用目标检测的格式转换脚本文件txt,json等文章目录常用目标检测的格式转换脚本文件txt,json等前言一、json格式转yolo的txt格式二、yolov8的关键点labelme打的标签json格式转可训练的txt格式三、yolo的目标检测txt格式转coco数据集标签的json格式四、xml格式转yolo数据集标签的txt格式五、根据yolo的目标检测训练的最好权重推理图片六、根据yolo
小啊磊_Vv·2025-02-12 21:23

【时序预测】-深度学习系列

Wavenet（2016）重点：CNN系列+因果卷积+膨胀卷积核心：确保了输出的时间点只依赖于输入序列中时间戳早于或等于该输出时间点的数据，核心模块膨胀卷积能够扩大卷积层的感受野，从而更充分学习序列的全局信息。DeepAR（2017Amazon）DeepAR:ProbabilisticForecastingwithAutoregressiveRecurrentNetworks重点：RNN系列+多元
TIM老师·2025-02-11 22:04

Spring相关知识点

Spring主要用来开发Java应用，但是有些扩展是针对构建J2EE平台的web应用。Spring框架目标是简化Java企业级应用开发，并通过POJO为基础的编程模型促进良好的编程习惯。
kikyo哎哟喂·2025-02-08 13:17

Shiro

1.会话管理Shiro提供了完整的企业级会话管理功能,不依赖于底层容器(如Tomcat)，不管是J2SE还是J2EE环境都可以使用，提供了会话管理，会话事件监听，会话存储/持久化，容器无关的集群，失效/
羽愿·2025-02-06 08:52

J2EE源程序开发：Hibernate、Struts和Spring的整合实践

本文还有配套的精品资源，点击获取简介：本项目通过整合Hibernate、Struts和Spring框架，构建了一个功能完善的在线投票系统，展示了J2EE应用程序开发中三层架构的设计模式。
46497976464·2025-02-05 05:31

J2EE实验报告四：Struts框架的使用

实验四Struts框架的使用一、实验目的：1.掌握Struts标签库的使用方法2.要求：使用Struts标签库实现常用Web项目的关键页面。二、实验仪器、设备1、硬件环境PC微机；2G以上内存；VGA显示格式2、软件环境WindowsXP以上操作系统，JDK，Tomcat服务器等三、实验内容与要求在数据库中建立表格T_CUSTOMER(ACCOUNT,PASSWORD,CNAME)，插入一些记录。
红头隼·2025-02-05 05:31

J2EE实验报告二：Servlet基础编程

实验二Servlet基础编程一、实验目的：1.掌握如何创建Servlet。2.掌握Servlet的生命周期。3.掌握如何在Servlet中使用JSP页面中常用的内置对象。二、实验仪器、设备1、硬件环境PC微机；2G以上内存；VGA显示格式2、软件环境WindowsXP以上操作系统，JDK，Tomcat服务器等三、实验内容与要求1在数据库中建立表格T_BOOK(BOOKID,BOOKNAME,BOO
红头隼·2025-02-05 05:30

J2EE实验报告一：JSP内置对象

实验一JSP内置对象一、实验目的：1.掌握JSP技术的基本语法。2.掌握JSP内置对象的使用方法。3.掌握JSP开发简单用户登录功能的方法。二、实验仪器、设备1、硬件环境PC微机；2G以上内存；VGA显示格式2、软件环境WindowsXP以上操作系统，JDK，Tomcat服务器等三、实验内容与要求1.选用恰当的jsp内置对象及相关技术实现一个网上答题页面，可参考下图，强烈建议大家做目前社会所关注的
红头隼·2025-02-05 05:30

【漫话机器学习系列】079.超参数调优（Hyperparameter Tuning）

超参数调优（HyperparameterTuning）是机器学习中优化模型性能的重要步骤之一。超参数是模型在训练之前设定的参数，而不是通过训练数据学习到的参数。正确地选择超参数可以显著提高模型的预测能力，反之，错误的超参数选择可能会导致过拟合、欠拟合或训练过程缓慢。1.超参数的定义超参数是控制学习过程的外部参数，不同于模型参数（例如权重和偏置），超参数不通过训练过程自动优化。常见的超参数包括：学习
IT古董·2025-02-04 11:44

【漫话机器学习系列】054.极值（Extrema）

极值（Extrema）定义极值是数学分析和优化问题中的一个核心概念，指函数在某个定义域内取得的最大值或最小值。根据极值的性质，可以将其分为两类：局部极值（LocalExtrema）：函数在某点附近的最大值或最小值。全局极值（GlobalExtrema）：函数在整个定义域内的最大值或最小值。分类局部极大值（LocalMaximum）：若在点x=a附近存在某邻域，使得对任意x在该邻域内，满足f(x)≤
IT古董·2025-02-04 11:13

性能测试JVM监控有哪些？

目录一、jps二、jstat三、jstack四、JVM监控的主要指标五、图形界面监控工具六、第三方监控工具企业级的应用系统开发大多数会使用Java语言，并且使用OracleJ2EE架构。
Feng.Lee·2025-02-01 03:23
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他