原创 Java習慣用法(上)

參考自:ImportNew。 實現equals() class Person { String name; int birthYear; byte[] raw; public boolean equals(Objec

原创 C++函數參數讀取順序

C++函數參數讀取順序 說到C/C++函數參數讀取順序,很多人都知道在入棧時是從右至左的,可是真的有那麼簡單嗎?先看一個例子: 1 #include <cstdio> 2 3 int main() { 4 int

原创 Sparse Autoencoder(2) --- BP(反向傳播)

參考自:UFLDL 反向傳導算法 假設我們有一個固定樣本集 ,它包含 個樣例。我們可以用批量梯度下降法來求解神經網絡。具體來講,對於單個樣例,其代價函數爲: 這是一個(二分之一的)方差代價函數。給定一個包含 個樣例的數據集,我們可

原创 :億級Web系統搭建——單機到分佈式集羣

以下爲原文 當一個Web系統從日訪問量10萬逐步增長到1000萬,甚至超過1億的過程中,Web系統承受的壓力會越來越大,在這個過程中,我們會遇到很多的問題。爲了解決這些性能壓力帶來問題,我們需要在Web系統架構層面搭建多個層次的緩存機

原创 Java Transient 關鍵字

Java的serialization提供了一種持久化對象實例的機制。當持久化對象時,可能有一個特殊的對象數據成員,我們不想    用serialization機制來保存它。爲了在一個特定對象的一個域上關閉serialization,可以在

原创 Weka

1) 數據輸入和輸出 WOW():查看Weka函數的參數。 Weka_control():設置Weka函數的參數。 read.arff():讀Weka Attribute-Relation File Format (ARFF)格式的數據

原创 關於 Java 對象序列化您不知道的 5 件事

原文出處: IBM-Ted Neward 轉自:ImportNew Java 序列化簡介 Java 對象序列化是 JDK 1.1 中引入的一組開創性特性之一,用於作爲一種將 Java 對象的狀態轉換爲字節數組,以便存儲或傳輸的機制,

原创 Linux/Uinx Socket select(1)

Select在Socket編程中還是比較重要的,可是對於初學Socket的人來說都不太愛用Select寫程序,他們只是習慣寫諸如connect、ac

原创 Linux/Uinx Socket select(2)

Linux select()詳解       select系統調用是用來讓我們的程序監視多個文件句柄(file descriptor)的狀態變化的。程序會停在select這裏等待,直到被監視的文件句柄有某一個或多個發生了狀態改變。    

原创 Java 反射機制

1. 什麼是反射? 反射(Reflection)能夠讓運行於JVM中的程序檢測和修改運行時的行爲。 2. 我們爲何需要反射? 反射能夠讓我們: 在運行時檢測對象的類型;動態構造某個類的對象;檢測類的屬性和方法;任意調用對象的方法;修改

原创 Java單例模式幾種寫法

/** * * @author Fernando * 餓漢式單例 */ public class Singleton { private static Singleton ins = new Singleton();

原创 康託展開,求某個排列在字典序排的位置

遇到一個編程題,考覈的內容就是康託展開問題,這裏就重新描述下 X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]爲整數,並且X=a[n]*(n-1)!+a[n-1

原创 Sparse Autoencoder(1) -----Neural Networks

參考自UFLDL。 概述 以監督學習爲例,假設我們有訓練樣本集 ,那麼神經網絡算法能夠提供一種複雜且非線性的假設模型 ,它具有參數 ,可以以此參數來擬合我們的數據。 從最簡單的神經元說起,以下即是這個“神經元”的圖示: 這個“

原创 java中CyclicBarrier的簡單用法

CyclicBarrier 和 CountDownLatch 都可以用來讓一組線程等待其它線程。與 CyclicBarrier 不同的是,CountdownLatch 不能重新使用。 1 public class TestCycl

原创 sparse Autoencoder(3)---自編碼算法與稀疏性

參考自:UFLDL 目前爲止,我們已經討論了神經網絡在有監督學習中的應用。在有監督學習中,訓練樣本是有類別標籤的。現在假設我們只有一個沒有帶類別標籤的訓練樣本集合 ,其中 。自編碼神經網絡是一種無監督學習算法,它使用了反向傳播算法,並