- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
3-3 数据框的子集
> x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[,2] [1] 6 7 8 9 10 > x[,"v2"] [1] 6 7 8 9 10 > x[
77700发布于 2020-09-16 - 来自专栏python3
3-3 SQL Server 2005数
3-3 SQL Server 2005数据库优化 了解数据库引擎优化顾问基本内容 掌握数据库引擎优化顾问的使用 掌握通过命令行的方式进行索引的优化——DTA 一个数据库系统的性能依赖于组成这些系统的数据库中物理设计结构的有效配置
81920发布于 2020-01-07 双图谱驱动智能渗透测试：解决复杂任务遗忘与幻觉，提升攻防自主性
构建双图谱驱动的认知架构与P-E-R协同框架 核心方案：双图谱+P-E-R+抗遗忘+知识增强 双图谱驱动认知架构： 任务图（Plan-on-Graph）：基于networkx.DiGraph实现DAG P-E-R智能体协同框架：Planner生成DAG任务图，Executor执行ReAct循环与科学实验范式（假设-验证-归因-升级），Reflector通过分层失败归因体系(L1-L5)定位错误（L1执行层修复工具指令 ；L2补全依赖；L3调整手法；L4放弃证伪假设；L5战略重规划）（来源：核心架构 | P-E-R智能体协同框架、因果图 | 科学方法论驱动的因果推理）。 应用效果：依托双图谱架构与P-E-R框架，形成全面高效体系化攻防能力，通过高强度实战检验验证全局规划与证据推理能力（来源：About us | 方班 - BinX 技术底蕴、使命担当）。 总结技术领先性：为何选择腾讯云智能渗透方案 技术架构优势：双图谱驱动认知架构解决“灾难性遗忘”与“推理幻觉”，P-E-R协同框架实现动态决策与反思，多维度抗遗忘机制突破LLM上下文限制，知识增强主动检索模拟专家查资料能力
16510编辑于 2026-04-05- 来自专栏叽叽西
lagou 爪哇 3-3 dubbo 笔记
Apache Dubbo是一款高性能的 Java RPC 框架。其前身是阿里巴巴公司开源的一个高性能、轻量级的开源 Java RPC框架，可以和 Spring 框架无缝集成。 此时，用于简化增删改查工作量的数据访问框架(ORM)是关键。 垂直应用架构 当访问量逐渐增大，单一应用增加机器带来的加速度越来越小，提升效率的方法之一是将应用拆成互不相干的几个应用，以提升效率。 此时，用于加速前端页面开发的Web框架(MVC)是关键。 此时，用于提高业务复用及整合的分布式服务框架(RPC)是关键。 目前有不少框架用它来做服务的扩展发现，简单来说，它就是一种动态替换发现的机制。使用SPI机制的优势是实现解耦，使得第三方服务模块的装配控制逻辑与调用者的业务代码分离。
60810编辑于 2022-05-17 - 来自专栏悟道
3-3欧几里得求最大公因子
最大公因子，指两个或多个整数共有约数中最大的一个 private static int gc(int a, int b) { if(b==0){ return a; } if(a<b){ int temp=a; a=b; b=temp; } return gc(b,a%b); }
50920发布于 2021-03-16 - 来自专栏python3
34补3-3 rhcs集群基础应用
[root@node1 ~]# ansible ha -m shell -a 'service NetworkManager stop'
93500发布于 2020-01-15 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-3 NumPy数据基础
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍NumPy模块的一些基础知识。
89800发布于 2019-11-13 - 来自专栏coding for love
3-3 使用loader打包静态资源（样式篇上）
在制作网页时，我们必不可少地会使用css。那么webpack是如何打包css文件的呢？
1.1K20发布于 2019-06-17 - 来自专栏cwl_Java
C++编程之美-结构之法(代码清单3-3)
代码清单3-3 for(answer[0] = 0; answer[0] < total[number[0]]; answer[0]++) for(answer[1] = 0; answer
20220编辑于 2022-11-30 - 来自专栏python3
3-3 File类的常用操作的静态方法练
文本文件是我们接触频繁的一类文件，记事本程序经常操作的文件就是文本文件，很多应用程序会保存一些记录到日志文件里，这种日志文件也可以是文本文件。通过本小节的学习，可以掌握对文本文件的简单读写方法。
81520发布于 2020-01-14 基于状态感知与因果推理的自主渗透测试智能体业务实践概要
P-E-R智能体协同与双图谱驱动的认知架构构建 为解决上述“灾难性遗忘”与“推理幻觉”，广州大学方班 BinX 战队 摒弃了传统ReAct架构的线性执行与错误传播风险，设计了基于 P-E-R（Planner-Executor-Reflector ） 协同框架与双图谱驱动的非线性规划引擎： 宏观任务图（Task Graph - DAG结构）： 规划器（Planner）采用有向无环图（DAG）显式建模子任务的“分解”与“依赖”关系。
16610编辑于 2026-04-05- 来自专栏WebJ2EE
React：Table 那些事（3-3）—— 列宽自适应、列宽拖动
《React：Table 那些事》系列文章，会逐渐给大家呈现一个基于 React 的 Table 组件的定义、设计、开发过程。每篇文章都会针对 Table 的某个具体功能展开分析：
9.9K41发布于 2019-07-19 双图谱架构驱动渗透测试任务完成率提升至85%
构建因果推理与动态规划双引擎 针对核心痛点，项目采用P-E-R（规划-执行-反思）协同框架，创新性地引入双图谱驱动架构： 任务图谱：基于DAG有向无环图实现非线性任务编排，通过子任务状态管理（pending
18210编辑于 2026-04-04- 来自专栏愿天堂没有BUG（公众号同名）
字节跳动3-3大牛力荐！RabbitMQ实战指南：消息队列面试必刷手册
RabbitMQ是目前非常热门的一款消息中间件，不管是互联网大厂还是中小企业都在大量使用。作为一名合格的开发者，有必要对RabbitMQ有所了解。
66320编辑于 2022-10-28 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 习题3-3 出租车计价
习题3-3 出租车计价 本题要求根据某城市普通出租车收费标准编写程序进行车费计算。
3.1K30发布于 2020-09-15 雨量水位一体站：水文监测的 “数据交响” 与智慧决策引擎
一体站采集的并非孤立数据，而是通过边缘计算模块实现多要素融合：将降雨量（P）、水位（H）与蒸发量（E）、土壤墒情（θ）数据联动，计算流域水量平衡方程（ΔS=P-E-R）。
31810编辑于 2025-08-01- 来自专栏加米谷大数据
spark2.1.0的配置与源码分析
Spark作为一款优秀的计算框架，也配备了各种各样的系统配置参数(例如：spark.master，spark.app.name，spark.driver.memory，spark.executor.memory setExecutorEnv、setSparkHome、setAll等方法最终都是通过代码清单3-2中的set方法完成Spark配置的，本书以其中最为常用的setMaster和setAppName为例，用代码清单3- 代码清单3-3 设置Spark的部署模式的配置方法setMaster ? 代码清单3-4 设置Spark的应用名称的配置方法setAppName ?
62320发布于 2019-01-09 - 来自专栏全栈程序员必看
Dubbo框架(Javassm框架)
Dubbo是一个分布式服务框架，致力于提供高性能和透明化的RPC远程服务调用方案，以及SOA服务治理方案。 简单的说，dubbo就是个服务框架，如果没有分布式的需求，其实是不需要用的，只有在分布式的时候，才有dubbo这样的分布式服务框架的需求，并且本质上是个服务调用的东东，说白了就是个远程服务调用的分布式框架 远程通讯: 提供对多种基于长连接的NIO框架抽象封装，包括多种线程模型，序列化，以及“请求-响应”模式的信息交换方式。 2.
1.4K20编辑于 2022-07-26 - 来自专栏深度学习之tensorflow实战篇
数据的标准化与中心化以及R语言中的scale详解
例如有数据集1, 2, 3, 6, 3，其均值为3,那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0 2.数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差 例如有数据集1, 2, 3, 6, 3，其均值为3,其标准差为1.87，那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87
2.2K110发布于 2018-03-16 - 来自专栏深度学习之tensorflow实战篇
数据的标准化与中心化以及R语言中的scale详解
例如有数据集1, 2, 3, 6, 3，其均值为3,那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3,即：-2,-1,0,3,0 2.数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差 例如有数据集1, 2, 3, 6, 3，其均值为3,其标准差为1.87，那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87
1.7K30发布于 2019-02-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号