精华内容
下载资源
问答
  • 耕地保护的外部性补偿是协调粮食安全与经济发展的必然选择。本文从耕地保护和粮食安全的外部性出发,通过比较分析方法,将耕地保护的外部性补偿界定在粮食主销区对粮食主产区的经济补偿。旨在建立一套切实可行的叠...
  • 相似度学习 目的:量化地衡量输入样本之间的相关性。 多模态相似度学习 目的:衡量样本和样本之间在不同方面的不同相似度。 多特征融合 ...注意力机制 核心思想:在学习的过程中基于样本种不同的内...

    相似度学习

    目的:量化地衡量输入样本之间的相关性。

    多模态相似度学习

    目的:衡量样本和样本之间在不同方面的不同相似度。

    多特征融合

    目的:对不同性质的特征进行融合,并挖掘这些不同特征内部和特征之间的关系,以提高具体任务的准确度。

    表示学习

    目的:通过对输入样本的原始数据进行优化,去除输入样本中的噪声和冗余信息并形成新的表示。

    注意力机制

    核心思想:在学习的过程中基于样本种不同的内容以不同的权重。

    外部记忆选择

    核心思想:基于已经学习到的外部记忆对当前的学习进行指导。

    展开全文
  • 基于经济治理理论的集群治理自我选择机制及其条件,安岗,李凯,集群治理机制是集群企业为了克服集群中其它企业产生的负外部性,在约束条件下自主选择出的某种制度。集群中的企业会根据信息与实
  • 神经网络中可以存储的信息量称为网络容量(Network Capacity)。一般来讲,利用一组神经元来...一方面是注意力,通过自上而下的信息选择机制来过滤掉大量的无关信息;另一方面是引入额外的外部记忆,优化神经网络的记

    神经网络中可以存储的信息量称为网络容量(Network Capacity)。一般来讲,利用一组神经元来存储信息时,其存储容量和神经元的数量以及网络的复杂度成正比。要存储的信息越多,神经元数量就要越多或者网络要越复杂,进而导致神经网络的参数成倍地增加。
    人脑的神经系统有两个重要机制可以解决信息过载问题:注意力记忆机制
    借鉴人脑解决信息过载的机制,从两方面来提高神经网络处理信息的能力.一方面是注意力,通过自上而下的信息选择机制来过滤掉大量的无关信息;另一方面是引入额外的外部记忆,优化神经网络的记忆结构来提高神经网络存储信息的容量。

    8.1 认知神经学中的注意力

    注意力是指人可以在关注一些信息的同时忽略另一些信息的选择能力。
    注意力可以作用在外部的刺激(听觉、视觉、味觉等),也可以作用在内部的意识(思考、回忆等)。
    注意力一般分为两种:
    (1) 自上而下的有意识的注意力,称为聚焦式注意力,是指有预定目的、依赖任务的,主动有意识地聚焦于某一对象的注意力。
    (2) 自下而上的无意识的注意力,称为基于显著性的注意力,是由外界刺激驱动的注意,不需要主动干预,也和任务无关。
    一个和注意力有关的例子是鸡尾酒会效应

    8.2 注意力机制

    在计算能力有限的情况下, 注意力机制作为一种资源分配方案,将有限的计算资源用来处理更重要的信息,是解决信息超载问题的主要手段。
    为了节省计算资源,不需要将所有信息都输入神经网络,只需要从𝑿 中选择一些和任务相关的信息。注意力机制的计算可以分为两步:一是在所有输入信息上计算注意力分布,二是根据注意力分布来计算输入信息的加权平均
    注意力分布
    为了从 𝑁 个输入向量[𝒙1, ⋯ , 𝒙𝑁 ] 中选择出和某个特定任务相关的信息,我们需要引入一个和任务相关的表示,称为查询向量,并通过一个打分函数来计算每个输入向量查询向量之间的相关性。
    给定一个和任务相关的查询向量 𝒒,( 查询向量𝒒可以是动态生成的,也可以是可学习的参数)。首先计算在给定 𝒒 和 𝑿 下,选择第 n个输入向量的概率𝛼n
    在这里插入图片描述
    其中 𝛼𝑛 称为注意力分布,𝑠(𝒙, 𝒒) 为注意力打分函数,可以使用以下几种方式来计算:在这里插入图片描述
    在这里插入图片描述
    其中𝑾, 𝑼, 𝒗为可学习的参数,𝐷 为输入向量的维度。

    加权平均
    采用一种“软性”的信息选择机制对输入信息进行汇总,即
    在这里插入图片描述
    公式 (8.7) 称为软性注意力机制,图8.1a给出软性注意力机制的示例。在这里插入图片描述
    注意力机制可以单独使用,但更多地用作神经网络中的一个组件.

    8.2.1 注意力机制的变体

    8.2.1.1 硬性注意力

    公式(8.7)提到的注意力是软性注意力,其选择的信息是所有输入向量在注意力分布下的期望。此外,还有一种注意力是只关注某一个输入向量,叫作硬性注意力
    硬性注意力有两种实现方式:
    (1)一种是选取最高概率的一个输入向量,即在这里插入图片描述
    其中 ̂𝑛为概率最大的输入向量的下标,即在这里插入图片描述
    (2)另一种硬性注意力可以通过在注意力分布式上随机采样的方式实现。
    硬性注意力的一个缺点是基于最大采样或随机采样的方式来选择信息,使得最终的损失函数与注意力分布之间的函数关系不可导,无法使用反向传播算法进行训练。因此,硬性注意力通常需要使用强化学习来进行训练。
    为了使用反向传播算法,一般使用软性注意力来代替硬性注意力。

    8.2.1.2 键值对注意力

    用键值对格式来表示输入信息,其中“键”用来计算注意力分布𝛼𝑛,“值”用来计算聚合信息。
    用(𝑲, 𝑽 ) = [(𝒌1, 𝒗1), ⋯ , (𝒌𝑁 , 𝒗𝑁 )]表示𝑁 组输入信息,给定任务相关的查询向量𝒒时,注意力函数为在这里插入图片描述
    其中𝑠(𝒌𝑛, 𝒒)为打分函数。
    图8.1b给出键值对注意力机制的示例.当𝑲 = 𝑽 时,键值对模式就等价于普通的注意力机制。

    8.2.1.3 多头注意力

    是利用多个查询𝑸 = [𝒒1, ⋯ , 𝒒𝑀],来并行地从输入信息中选取多组信息.每个注意力关注输入信息的不同部分。在这里插入图片描述
    其中⊕表示向量拼接。

    8.2.1.4 结构化注意力
    8.2.1.5 指针网络

    注意力机制主要是用来做信息筛选,从输入信息中选取相关的信息。可以只利用注意力机制中的第一步,将注意力分布作为一个软性的指针来指出相关信息的位置。
    指针网络:是一种序列到序列模型,输入是长度为 𝑁 的向量序列 𝑿 = 𝒙1, ⋯ , 𝒙𝑁,输出是长度为 𝑀 的下标序列𝒄1∶𝑀 = 𝑐1, 𝑐2, ⋯ , 𝑐𝑀,𝑐𝑚 ∈ [1, 𝑁]。在这里插入图片描述
    其中条件概率𝑝(𝑐𝑚|𝒙𝑐1, ⋯ , 𝒙𝑐(𝑚−1) , 𝒙1∶𝑁 )可以通过注意力分布来计算。
    假设用一个循环神经网络对𝒙𝑐1, ⋯ , 𝒙𝑐𝑚−1, 𝒙1∶𝑁 进行编码得到向量𝒉𝑚,则在这里插入图片描述
    其中𝑠𝑚,𝑛 为在解码过程的第𝑚步时,𝒉𝑚 对𝒉𝑛 的未归一化的注意力分布,即在这里插入图片描述
    其中𝒗,𝑾, 𝑼 为可学习的参数。
    下图给出了指针网络的示例,其中𝒉1, 𝒉2, 𝒉3 为输入数字20, 5, 10经过循环神经网络的隐状态,𝒉0 对应一个特殊字符 ‘<’.当输入 ‘>’时,网络一步一步输出三个输入数字从大到小排列的下标。在这里插入图片描述

    8.3 自注意力模型

    要建立输入序列之间的长距离依赖关系,可以使用以下两种方法:一种方法是增加网络的层数;另一种方法是使用全连接网络.
    全连接网络是一种非常直接的建模远距离依赖的模型,但是无法处理变长的输入序列。不同的输入长度,其连接权重的大小也是不同的。

    利用注意力机制来“动态”地生成不同连接的权重,这就是自注意力模型
    为了提高模型能力,自注意力模型经常采用查询-键-值模式,其计算过程如下图所示,其中红色字母表示矩阵的维度。在这里插入图片描述
    假设输入序列为𝑿 = [𝒙1, ⋯ , 𝒙𝑁 ],输出序列为𝑯 = [𝒉1, ⋯ , 𝒉𝑁 ],自注意力模型的具体计算过程如下:
    (1)对于每个输入𝒙𝑖,我们首先将其线性映射到三个不同的空间,得到查询向量𝒒𝑖、键向量𝒌𝑖和值向量𝒗𝑖。在这里插入图片描述
    其中 𝑾𝑞,𝑾𝑘,𝑾𝑣分别为线性映射的参数矩阵,𝑸 = [𝒒1, ⋯ , 𝒒𝑁 ], 𝑲 = [𝒌1, ⋯ , 𝒌𝑁 ], 𝑽 = [𝒗1, ⋯ , 𝒗𝑁 ] 分别是由查询向量、键向量和值向量构成的矩阵。
    (2)对于每一个查询向量𝒒𝑛,利用键值对注意力机制,可以得到输出向量𝒉𝑛,在这里插入图片描述
    在这里插入图片描述
    𝛼𝑛𝑗 表示第𝑛个输出关注到第𝑗个输入的权重。
    如果使用缩放点积来作为注意力打分函数,输出向量序列可以简写为在这里插入图片描述
    其中softmax(⋅)为按列进行归一化的函数。
    由于自注意力模型的权重是动态生成的,因此可以处理变长的信息序列。
    自注意力模型可以作为神经网络中的一层来使用,既可以用来替换卷积层和循环层,也可以和它们一起交替使用。自注意力模型可以扩展为多头自注意力模型,在多个不同的投影空间中捕捉不同的交互信息。

    8.4 人脑中的记忆

    在生物神经网络中,记忆是外界信息在人脑中的存储机制。
    人脑中的记忆具有周期性和联想性
    记忆周期
    记忆一般分为长期记忆短期记忆
    长期记忆,也称为结构记忆或知识,体现为神经元之间的连接形态,其更新速度比较慢。
    短期记忆,体现为神经元的活动,更新较快,维持时间为几秒至几分钟。短期记忆是神经连接的暂时性强化,通过不断巩固、强化可形成长期记忆。短期记忆、长期记忆的动态更新过程称为演化过程。
    除了长期记忆和短期记忆,人脑中还会存在一个“缓存”,称为工作记忆。工作记忆是一个和任务相关的“容器”,可以临时存放和某项任务相关的短期记忆和其他相关的内在记忆。
    联想记忆
    是指一种学习和记住不同对象之间关系的能力。联想记忆是指一种可以通过内容匹配的方法进行寻址的信息存储方式,也称为基于内容寻址的存储。作为对比,现代计算机的存储方式是根据地址来进行存储的,称为随机访问存储

    表8.1给出了不同领域中记忆模型的不严格类比在这里插入图片描述

    8.5 记忆增强神经网络

    为了增强网络容量,引入辅助记忆单元,将一些和任务相关的信息保存在辅助记忆中,在需要时再进行读取,这样可以有效地增加网络容量.这个引入的辅助记忆单元一般称为外部记忆,这种装备外部记忆的神经网络也称为记忆增强神经网络,或简称为记忆网络
    记忆网络的典型结构如下图所示,一般由以下几个模块构成:
    在这里插入图片描述
    (1) 主网络𝐶:也称为控制器,负责信息处理,以及与外界的交互。
    (2) 外部记忆单元𝑴:外部记忆单元用来存储信息,一般可以分为很多记忆片段。
    (3) 读取模块 𝑅:根据主网络生成的查询向量 𝒒𝑟,从外部记忆单元中读取相应的信息𝒓 = 𝑅(𝑴, 𝒒𝑟).
    (4) 写入模块 𝑊:根据主网络生成的查询向量 𝒒𝑤 和要写入的信息 𝒂 来更新外部记忆𝑴 = 𝑊 (𝑴, 𝒒𝑤, 𝒂)。

    8.5.1 端到端记忆网络

    采用一种可微的网络结构,可以多次从外部记忆中读取信息.在端到端记忆网络中,外部记忆单元是只读的。

    给定一组需要存储的信息𝑚1∶𝑁 = {𝑚1, ⋯ , 𝑚𝑁 }, 首先将其转换成两组记忆片段 𝐴 = [𝒂1, ⋯ , 𝒂𝑁 ] 和 𝐶 = [𝒄1, ⋯ , 𝒄𝑁 ],分别存放在两个外部记忆单元中,其中𝐴用来进行寻址,𝐶 用来进行输出。
    主网络根据输入𝒙生成𝒒,并使用键值对注意力机制来从外部记忆中读取相关信息r
    在这里插入图片描述
    并产生输出在这里插入图片描述
    其中𝑓(⋅)为预测函数。
    多跳操作
    在第𝑘轮交互中,主网络根据上次从外部记忆中读取的信息𝒓(𝑘−1),产生新的查询向量
    在这里插入图片描述
    在 𝐾 轮交互后,用下式进行预测:在这里插入图片描述
    这种多轮的交互方式也称为多跳操作。多跳操作中的参数一般是共享的。可设为相等。在这里插入图片描述

    8.5.2 神经图灵机

    图灵机
    一种抽象数学模型,可以用来模拟任何可计算问题。
    图灵机的结构如下图所示,其中控制器包括状态寄存器、控制规则.
    在这里插入图片描述
    神经图灵机
    主要由两个部件构成:控制器和外部记忆。外部记忆定义为矩阵 M,控制器为一个前馈或循环神经网络。神经图灵机中的外部记忆是可读写的。在这里插入图片描述
    读操作
    读操作为从外部记忆𝑴𝑡 中读取信息𝒓t
    首先通过注意力机制来进行基于内容的寻址,即在这里插入图片描述
    根据注意力分布𝛼𝑡,可以计算读向量𝒓𝑡 作为下一个时刻控制器的输入。在这里插入图片描述
    写操作 -----删除和增加
    首先,控制器产生删除向量𝒆𝑡 和增加向量𝒂𝑡,分别为要从外部记忆中删除的信息和要增加的信息.删除操作是根据注意力分布来按比例地在每个记忆片段中删除 𝒆𝑡,增加操作是根据注意力分布来按比例地给每个记忆片段加入𝒂t在这里插入图片描述

    8.6 基于神经动力学的联想记忆

    联想记忆模型主要是通过神经网络的动态演化来进行联想,有两种应用场景:
    1)输入的模式和输出的模式在同一空间,这种模型叫作自联想模型
    2)输入的模式和输出的模式不在同一空间,这种模型叫作异联想模型
    联想记忆模型可以利用神经动力学的原理来实现按内容寻址的信息存储和检索。一个经典的联想记忆模型为Hopfield网络。

    8.6.1 Hopfield网络

    Hopfield网络:是一种循环神经网络模型,由一组互相连接的神经元组成。
    在这里插入图片描述
    假设一个Hopfield网络有𝑀 个神经元,第𝑖 个神经元的更新规则为
    在这里插入图片描述
    连接权重𝑤𝑖𝑗 有以下性质:在这里插入图片描述
    Hopfield 网络的更新可以分为异步和同步两种方式。异步更新是指每次更新一个神经元,神经元的更新顺序可以是随机或事先固定的.同步更新是指一次更新所有的神经元,需要有一个时钟来进行同步。
    第 𝑡 时刻的神经元状态为𝒔t,其更新规则为在这里插入图片描述
    能量函数
    在Hopfield网络中,我们给每个不同的网络状态定义一个标量属性,称为“能量”,Hopfield网络的能量函数𝐸 定义为在这里插入图片描述
    给定一个外部输入,网络经过演化,会达到某个稳定状态。这些稳定状态称为吸引点,在一个Hopfield网络中,通常有多个吸引点,每个吸引点为一个能量的局部最优点。在这里插入图片描述
    联想记忆
    在这里插入图片描述

    展开全文
  • 为了解决需外部知识辅助推理的问题,本文提出了一个采用外部知识辅助多步推理的选择题型机器阅读理解模型,该模型首先利用注意力机制对文章、问题和候选项及与这三者相关的外部知识进行信息交互建模,然后采用多步...
  • JAVA反射机制(加载外部.class文件)

    千次阅读 2011-02-19 15:58:00
    如果需要将多个.class文件加载到项目中,可以直接在项目中把包含外部所有.class文件的文件夹包含进来. 这个步骤和加载驱动jar包是一个道理   加载方法: 右键点击项目选择属性弹出属性...

    如果需要将多个.class文件加载到项目中,可以直接在项目中把包含外部所有.class文件的文件夹包含进来.

    这个步骤和加载驱动jar包是一个道理

     

    加载方法:

    右键点击项目选择属性弹出属性对话框,选择Java Build Path,点击按钮 add External Class Folder加载你的class文件夹,做了此步骤后,在代码中使用Class.forName(name)就行了(name为文件夹名+类名);

    展开全文
  • 鉴于盗版产品在市场上的存在,本文研究了盗版制造商,正版制造商和消费者游戏模型,并讨论了在网络外部性条件下盗版制造商的存在对正版制造商质量选择的影响。 研究发现,增强网络外部性将使真正的制造商能够提高...
  • 全画布,无外部库,是创建2D滚动平台程序必需的基本机制的示例。 这个想法是将基本的游戏制作概念组合成易于阅读的资源,有抱负的画布游戏开发人员可以选择该资源。 归因 提供的图像资产 使用创建的精灵表 还有我们...
  • 类加载器:“通过一个类的全限定名来获取描述此类的二进制字节流”这个动作放到java虚拟机外部去实现,以便让应用程序自己决定如何去获取所需要的类。实现这个动作的代码模块成为“类加载器”。 通俗的讲,虚拟机是...

    从虚拟机角度看,只存在2种不同的类加载器:

    • 一种是启动类加载器(Bootstrap ClassLoader),

    这个类加载器使用C++语言实现,是虚拟机自身一部分;

    • 一种是所有其他的类加载器

    使用Java语言实现,独立于虚拟机,继承于java.lang.ClassLoader

    从Java开发人员的角度来看,类加载器可进一步划分,一般情况下提供3种系统的类加载器

    • 启动类加载器(Bootstrap ClassLoader)

    这个类加载器负责将存放在<JAVA_HOME>\lib目录下的,或被-Xbootclasspath参数所制定的路径种的,并且是被虚拟机识别的类库加载到虚拟机内存中启动类加载器无法被Java程序直接引用,用户在编写自定义类加载器时,如果需要加载请求委派到引导类加载器,可直接使用null代替即可。

    • 扩展类加载器(Extension ClassLoader)

    该加载器由sun.misc.Lanucher$ExtClassLoader实现,负责加载<JAVA_HOME>\lib\ext目录中,或者被java.ext.dirs系统变量指定路径中的类库,开发者可以直接使用扩展类加载器

    • 应用程序类加载器(Application ClassLoader)

    该类是ClassLoader中getSystemClassLoader()方法返回值,所以一般称为系统类加载器。负责加载用户类路径(ClassPath)上所指定的类库,开发者可以直接使用这个类加载器,如果应用程序没有自定义类加载器,一般情况下是默认的类加载器


    类加载器

    类加载器:“通过一个类的全限定名来获取描述此类的二进制字节流”这个动作放到java虚拟机外部去实现,以便让应用程序自己决定如何去获取所需要的类。实现这个动作的代码模块成为“类加载器”。
    通俗的讲,虚拟机是根据类的全限定名来加载类的,那么有个问题,如果同时存在两个或多个全限定名完全一致的情况下。该如何选择加载哪个类。这就是双亲委派机制要做的工作。

    在这里强加个知识点

    比较两个类是否“相等”,只有在这两个类是由同一个类加载器加载的前提下才有真正的意义,否则,即使这两个类来源于同一个class文件,被同一个虚拟机加载,只要加载他们的类加载器不同,那这两个类就必定不相等。


    回到双亲委派的问题上,接下来了解下类加载器的种类:

    1. 启动类加载器负责加载%JAVA_HOME%\bin目录下的所有jar包,或者是-Xbootclasspath参数指定的路径;
    2. 扩展类加载器负责加载%JAVA_HOME%\bin\ext目录下的所有jar包,或者是java.ext.dirs参数指定的路径;
    3. 应用程序类加载器负责加载用户类路径上所指定的类库,如果应用程序中没有自定义加载器,那么次加载器就为默认加载器。
      加载器之间的层次关系:
      在这里插入图片描述

    双亲委派机制得工作过程:

    1. 类加载器收到类加载的请求
    2. 把这个请求委托给父加载器去完成,一直向上委托,直到启动类加载器
    3. 启动器加载器检查能不能加载(使用findClass()方法),能就加载(结束);否则,抛出异常,通知子加载器进行加载
    4. 重复步骤三
    以上就是双亲委派机制的原理
    

    接下来举个例子:

    大家所熟知的Object类,直接告诉大家,Object默认情况下是启动类加载器进行加载的。假设我也自定义一个Object,并且制定加载器为自定义加载器。现在你会发现自定义的Object可以正常编译,但是永远无法被加载运行。
    这是因为申请自定义Object加载时,总是启动类加载器,而不是自定义加载器,也不会是其他的加载器。


    人和事物都有缺陷,双亲委派机制也不例外,有三次得到破坏:

    1. jdk1.2之间,用户直接去调用loadClass()方法;不能保证双亲委派机制的基本规则。后改成findClass()方法
    2. 双亲委派机制的自我缺陷,使用了线程上下文类加载器。这种行为打破了双亲委派机制模型的层次关系来逆向使用类加载器,实际上违背了双亲委派机制的一般性原则
    3. 用户对程序动态性的追求而导致的。例如鼠标,键盘灯热部署。
    展开全文
  • ARM9启动机制分析

    2018-09-15 12:59:36
    ARM系统上电或复位时 ,程序将首先跳转到 ...AT91RM9200通过启动模式选择器可以选择从内部集成的 ROM启动或从连接到 NCS0上 的外部芯片启动。内部启动运行芯片自带的程序 ,外部启动以通用的启动引导程序 u2boot来说明。
  • 简述浏览器渲染机制

    2020-04-07 11:11:51
    一 : 为什么要了解浏览器渲染页面的机制,主要还是性能的优化。 了解浏览器如何进行加载,我们可以在引用外部样式文件,外部JS时,将它们放到合适的位置,是浏览器以最快的速度,将文件加载完毕。 了解浏览器如何...
  • 浏览器的渲染机制

    2019-08-16 17:02:56
    了解浏览器如何进行加载,我们可以在引用外部样式文件,外部JS时,将它们放到合适的位置,是浏览器以最快的速度,将文件加载完毕。 了解浏览器如何进行解析,我们可以在构建DOM结构,组织CSS选择器的时候,选择最优...
  • JAVA SPI机制概述

    2020-09-23 09:19:31
    SPI概述 1.SPI概念 ①全称:Service Provider Interface ②是什么:是Java提供的一套用来被第三方实现或者扩展的接口,从JDBC4.0,JDK6开始Java实现了SPI...制定接口规范,提供给外部来实现,在调用时则选择自己需要的外
  • 了解浏览器如何进行加载,我们可以在引用外部样式文件,外部JS时,将它们放到合适的位置,是浏览器以最快的速度,将文件加载完毕。 了解浏览器如何进行解析,我们可以在构建DOM结构,组织CSS选择器的时候,选择最优...
  • css优先级机制

    2015-09-02 19:19:00
    所谓CSS优先级,即是指CSS样式在浏览器中被解析的先后顺序。 1、important >(内联样式)Inline style >(内部样式)Internal style sheet >(外部样式)External style ...2、CSS选择器优先级:id...
  • ARM9启动机制分析.pdf

    2020-02-29 21:50:15
    ARM系统上电或复位时 ,程序将首先跳转到 0x0...AT91RM9200通过启动模式选择器可以选择从内部集成的 ROM启动或从连接到 NCS0上 的外部芯片启动。内部启动运行芯片自带的程序 ,外部启动以通用的启动引导程序 u2boot来说明
  • UVM的config机制

    2021-02-20 23:31:25
    为了验证环境的复用性,通过外部的参数配置,使得环境在创建时可以根据不同参数来选择创建的组件类型、组件实例数目、组件之间的连接以及组件的运行模式等。在更细致的环境调节中有更多的变量需要配置,例如for-loop...
  • 了解浏览器如何进行加载,我们可以在引用外部样式文件,外部js时,将他们放到合适的位置,使浏览器以最快的速度将文件加载完毕。了解浏览器如何进行解析,我们可以在构建DOM结构,组织css选择器时,选择最优的写法,...
  • CSS样式优先级机制

    2015-08-20 13:36:24
    摘要: 1)Css定义位置的优先级:(离元素越近,...2)关于选择器的优先级:(越精确,优先级越高) id选择器指定的样式 > 类选择器指定的样式 > 元素类型选择器指定的样式 3)Css定义块中上下文优先级: 下文 > 上文
  • css优先机制

    2015-08-19 15:06:00
    外部样式)External style sheet <(内部样式)Internal style sheet <(内联样式)Inline style (内部样式就是css写在html页面的<style>标签中)(内联样式就是css直接写在html标签的style属性中)...
  • CSS的优先级机制

    千次阅读 2017-11-01 17:06:16
    本文首先绍了CSS的外部样式、内部样式、内联样式以及它们的优先级。而后介绍了选择器的优先级以及它们对外部样式、内部样式、内联样式优先级的影响。最后介绍了!important。
  • 本文分析了电视网络的问题,即如何在不影响内在长度的情况下选择,订购和定价广告,以纠正受众的外部性。 它提出了“受众价值最大化算法”(AVMA),该算法考虑了带有策略验证定价机制的动态编程框架中的许多可能的...
  • 1、 在创建底层组件之前,需要对验证环境进行配置,用过外部的参数配置,使得环境在创建时可以根据不同的参数来选择创建组件的类型、组件的实例数目、组件之间的连接以及组件的运行模式等。 2、config机制允许在仿真...
  • Qt 事件机制

    2017-08-23 11:50:00
    如按下确定按钮、选择某个单选按钮或复选框。 每种控件有自己可识别的事件,如窗体的加载、单击、双击等事件,编辑框(文本框)的文本改变事件等等。 事件就是用户对窗口上各种组件的操作。 【2】Qt事件 由窗口...
  • 当我们需要一个循环执行的机制时(在Thread方式下通常是用Thread.Sleep,在Task下就是await Task.Delay),需要停下来时,由于线程或Task从外部都是无法停止的,要在内部通过这个 CancellationToken 来自行停下来,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 822
精华内容 328
关键字:

外部选择机制