原创 純java連接SQL2008時卡在Class.forName()的解決方案

   樓主所說的純java是指在記事本里面編寫代碼,然後在DOS下編譯運行。    樓主最近在學習java的GUI編程時需要用到SQL,卡在了Class.forName()這個類加載函數上。看了網上一大堆解決方案,還是沒有解決。    

原创 【讀書筆記】深入理解Python特性(一)

目錄 1.斷言 2.代碼可維護性建議之逗號的放置 3. 上下文管理器和with 4. 下劃線、雙下劃線及其他 1.斷言 斷言面向開發者,用於debug,除非觸發了程序bug,否則絕不應該觸發斷言;異常或者if/else纔是用來處理用戶輸入

原创 【讀書筆記】深入理解Python特性(二)

目錄   1.字符串格式化的幾種方法 2. 函數是Python的頭等對象 3. lambda是單表達式函數 4. 裝飾器的力量 1.字符串格式化的幾種方法 舊式%方式: >>> 'Hello, %s' % name 'Hello, Bo

原创 UFLDL Exercise:Implement deep networks for digit classification

這是UFLDL Exercise的習題。 在以往練習的基礎上需要填寫三個文中的代碼. stackedAEExercise.m %% CS294A/CS294W Stacked Autoencoder Exercise % Instru

原创 【讀書筆記】Group Theoretical Methods in Image Understanding

僅僅是個人的讀書筆記和一些個人見解(不一定正確)。持續更新中…… 第一章 圖像與模式:二維函數F(x,y)如果看做是三維場景的描述就是圖像,圖像忽略深度信息就是模式。 圖像理解與模式識別相反,圖像理解試圖從二維圖像提取出三維信息。

原创 【論文閱讀】Combining Two-view Constraints For Motion Estimation

Combining Two-viewConstraints For Motion Estimation 作者:Venu Madhav Govindu 出處:2001 CVPR 做了什麼:使用兩視圖約束進行運動估計,提出了兩種方法:線性擬合

原创 UFLDL Exercise: Softmax Regression

這是UFLDL關於softmax迴歸的練習題。 練習主要編寫softmaxCost.m和softmaxPredict.m兩個文件。 softmaxCost.m function [cost, grad] = softmaxCost(the

原创 【論文閱讀】Lie-Algebraic Averaging For Globally Consistent Motion Estimation

作者:Venu Madhav Govindu 出處:CVPR 2004 1. N個相機/N幅圖像只需要(N-1)個獨立的運動就可以進行描述。 2. N個相機/N幅圖像可以提供多達N(N-1)/2個運動。 3. 羣是元素滿足如下性質

原创 UFLDL Exercise: Self-Taught Learning

 這是無監督特徵學習和深度學習(UFLDL)的作業題。 本次練習在基於以往練習的基礎需要完成stlExercise.m和feedForwardAutodecoder.m的部分內容。 stlExercise.m %% CS294A/CS2

原创 矩陣微分與向量函數Taylor展開

第一部分:矩陣微分 計算∂F∂X 時,根據F和X的類型有不同的微分公式。F和X可以分別是標量、向量和矩陣。 1. 當X是標量時 當F是X的標量函數時,則∂F∂X 就是一元函數的導數。 當F是函數向量時,設 F={F1(x),F1(x)

原创 魔力手環-網易互聯網2017在線筆試題目

所有解答在此 特別是魔力手環那個題目,解答方法看得我只有膜拜。 特此記錄,備忘以及時不時地來膜拜一下。 #include <bits/stdc++.h> using namespace std; void mult(int A[50]

原创 UFLFL Exercise: Learning color features with Sparse Autoencoders

 這是UFLDL線性解碼器的練習題。 在以往練習的基礎上修改sparseAutoencoderLinearCost.m。 sparseAutoencoderLinearCost.m function [cost,grad] = spars

原创 C++單個類的所有對象是否共享虛函數表的驗證

今天偶然看到這個面試題,第一感覺是既然所有對象共享虛函數代碼,那麼虛函數指針對所有對象就是一樣的,因此虛函數表也就是一樣的,沒有必要爲每個對象複製一份一模一樣的虛函數表。所以做個驗證,在這兒記錄一下。如有錯誤,歡迎留言指正,感謝感謝。

原创 UFLDL Exercise:Sparse Autoencoder

這是無監督特徵學習和深度學習(UFLDL)的作業題。 最近入門深度學習,也沒有什麼matlab經驗... 原網站:Exercise:Sparse Autodecoder sampleIMAGES.m function patches =

原创 【吐槽】對Christopher Zach這個傢伙寫的文章無言以對

看了這個人在CVPR2008和2010上發的兩篇文章,結果兩篇文章都有行文錯誤。 而且語法風格非常怪異,英語水平還沒國內的人發表的論文好,一點都不地道。 論文【What Can Missing Correspondences Tell U