上周技术关注:为什么软件不应该有所有者

  • [开源] 为什么软件不应该有所有者 #
    社会真正需要的是什么呢?社会需要全体公民都能得到的信息--例如,人们可以阅读,修改,和改进的程序,而不是仅仅可以操作的程序。但是软件的所有者一般只会给我们一个我们只能操作不能学习或者修改的黑箱子。社会同样需要的是自由。当一个程序拥有所有者的时候,用户失去了控制他们的自己的生活某部分的自由。社会最需要的是鼓励那种其成员志愿合作的精神。当软件的所有者告诉我们用这种自然的方式帮助我们的邻居是一种“剽窃”的时候,他们正在污染我们社会的公民精神。这就是我们为什么说自由软件是关乎自由,而不是价格的原因。
  • [RSS; SSE; 微软] 微软的RSS扩展--SSE标准解读 #
    从微软的Simple Sharing Extensions for RSS and OPML我们发现,扩展的地方主要表现在接收方不再只是信息的阅读者,还能管理和组织Feed(包括添加、删除、更新、聚合等)并再次发布(当然需要相应的系统支持),这样就让信息变成多方向的流转。
  • [ajax; Rails] 各系Rails大点兵 #
    在茫茫的框架之海认出一个Rails框架,基本上靠四个特征1.一门动态语言2.一个extreme simple to use的ORM框架3.一个extreme simple to use的MVC框架4.一些自动生成代码的命令、模版其余ajax、web service、i18n等特性自由扩展
  • [ajax] 用AJAX来控制书签和回退按钮 #
    目前存在的几个AJAX框架可以帮助我们做书签和发布历史,然而所有的框架都因为他们的实现而被几个重要的bug困扰(请看Coding in Paradise: AJAX History Libraries 得知详情)。此外,许多AJAX历史框架集成绑定到较大的库上,比如Backbase 和 Dojo,这些框架提供了与传统AJAX应用不同的编程模型,强迫开发者去采用一整套全新的方式去获得浏览器的历史相关的功能。相应的,RSH是一个简单的模型,能被包含在已经存在的AJAX系统中。而且,Really Simple History库使用了一些技巧去避免影响到其他历史框架的bug.
  • [ajax; javascript] compdoc2cn: prototype.js开发笔记 #
    或许你还没有用过它, prototype.js 是一个由Sam Stephenson写的JavaScript包。这个构思奇妙编写良好的一段兼容标准的一段代码将承担创造胖客户端, 高交互性WEB应用程序的重担。轻松加入Web 2.0特性。如果你最近体验了这个程序包,你很可能会发现文档并不是它的强项之一。像所有在我之前的开发者一样,我只能一头扎进prototype.js的源代码中并且试验其中的每一个部分。 我想当我学习他的时候记写笔记然后分享给其他人将会很不错。
  • [ajax; javascript] AJFORM - World's easiest AJAX Forms API / JavaScript ToolKit #
    AJFORM is a JavaScript toolkit which simply submits data from any given form in an HTML page, then sends the data to any specified JavaScript function. AJFORM degrades gracefully in every aspect. In other words, if the browser doesn't support it, the data will be sent through the form as normal.
  • [MSN; Encarta; 机器人] 体验微软的在线百科全书——MSN机器人 #
    比较强,可以解方程,问一些问题。在MSN里面把encarta@conversagent.com加为好友,然后和他聊天就可以了。
  • [ajax; 微软; Atlas] Microsoft Touts New Ajax Tools #
    Ajax, or Asynchronous JavaScript and XML, is the technology underlying Google Maps, GMail, Microsoft's own MSN.com and Hotmail, and other highly responsive applications on the Web. It's a conglomeration of technologies that cover everything from presentation and object modeling to data interchange and retrieval. Microsoft thinks Ajax apps are too hard to build, and the company's Web platform team is trying to demystify Ajax with the development of an easier-to-use Ajax-style programming technology code-named 'Atlas' that it's planning to bring to market during the first half of 2006. A prototype of the technology is available here.) InformationWeek's Tony Kontzer recently caught up with Brian Goldfarb, Microsoft's product manager overseeing the development of Atlas. An edited version of the E-mail interview follows.
  • [RSS] RSS MAD #
    RSS MAD is the largest archive of RSS feeds on the internet. We have all your favorite news, blogs, posts, and anything else that can be viewed via RSS in one convenient place. With RSS MAD, you simply don't need to visit any other website for your daily news updates!
  • [blog; php] LifeType - OpenSource Blogging Platform #
    pLog改名为LifeType
    LifeType is an open-source blogging platform with support for multiple blogs and users in a single installation.
  • [.NET开发] DotNet框架编程读书笔记 #
    今天早上, 我读完了第二章, 感觉以上评论决不为过. 本书对 CLR等底层的讲述 之透彻, 绝非两句'wonderful'可以表述. 在此我想谈谈我对 CLR 在跨语言方面的理解.
  • [软件工程] 设计已死?(Ai92重译版) #
    如果你在开发团队中,你就可以按照代码的质量来判断是否产生了设计。如果代码变得越来越复杂、维护越来越困难,这说明缺少足够的设计。但是遗憾的是,这只是主观观点。我们还没有一套可靠的标准来客观的衡量设计的质量。
  • [.NET开发] 项目调试时候,出现其中用到的一个组件“访问被拒绝”的解决方法。 #
    有时候,我们在调试ASP.net程序的时候,会很痛苦的碰到。某某组件访问被拒绝。这时候重起IIS,电脑注销都不起作用。这时候的错误信息一般类似如下的方式
  • [.NET开发] ASP.NET中高质量缩略图的生成 #
    最近做一摄影作品管理程序,用到自动生成缩略图的方法。开始方法较简单,用GDI 中默认方法,但生成图片质量不佳,并且压缩质量为中等。潜心研究了一下,找到以下方法,主要分二布,第一步为画布描绘时的质量设置,第二步为保存图片时JPEG压缩的设置。
  • [Google; TopCoder] Google引入编程挑战赛 李开复称与招聘无关 #
    此次编程大赛引入中国,将把比赛内容汉化,竞赛平台则有TopCoder公司提供。李开复表示,比赛的关键在于“挑战”,既要自己能编程,还要能读懂别人的程序,发现别人的bug,并会据此评分,决赛将在2006年1月20日举行。

更多技术动态,请访问我的365KeyRSS),你可以通过365Key订阅

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值