摘要：
简明扼要的说，protobuf是一种对结构化数据的序列化格式（形如JSON、XML），用于在数据通信、数据存储之中。protobuf是由Google设计开发，与开发平台及开发语言均无关。其特点在于灵活高效，序列化后的数据简单、轻便，序列化/反序列化过程耗时更短。 在使用Protobuf时，需要将待序 阅读全文
摘要：
索引是存储引擎用于快速查找记录的一种数据结构。索引对于良好的性能非常关键。尤其是当表中的数据量越来越大的时候，索引对性能的影响愈发重要，在数据量较小并且负载较低的时候，不恰当的索引对性能的影响不是很明显，但是随着数据量的增加，性能会急剧下降。 索引优化是对查询性能优化最有效的手段，索引能够轻易将查询 阅读全文
摘要：
提升性能最好的方式是在同一张表中保存衍生的冗余数据。有时候，也需要创建一张完全独立的汇总表或缓存表。建立汇总表的原因就在于：无论是通过粗略的统计计算还是严格的计数，都比计算原始表的所有行有效的多。建立缓存表的原因则是优化检索和查询语句，这些查询语句经常需要特殊的表和索引，跟普通的OLTP操作表有一些 阅读全文
摘要：
良好的逻辑设计和物理设计是高性能的基石，应该根据系统将要执行的查询数据来设计schema，这往往需要权衡各种因素。 MySQL支持的数据类型非常多，选择正确的数据类型对于获得高性能至关重要。 更小的通常更好 一般情况下，应该尽量使用可以正确存储数据的最小数据类型。更小的数据类型通常更快，因为它们占用 阅读全文
摘要：
概率论基础 假定x和y是分别定义在有限集合X和Y上的随机变量。联合概率 $P(x_i,y_i)$ 是 $x=x_i, y=y_i$ 的概率。条件概率 $P(x_i \vert y_i )$ 是 $y=y_i$ 时， $x=x_i$ 的概率。如果对于任意$x \in X , y \in Y$ 都有 $ 阅读全文
摘要：
密码（cryptography）是一种信息处理体系，涉及信息的 机密性 、 完整性 、 认证性 和 不可否认性 等许多方面。 密码学发展历程 自从人类社会有了战争，就有了保密通信，就需要信息处理体系。在1949年以前，密码的研究与应用仅仅是文字变换技术，简称为密码术。自1949年之后，Shannon 阅读全文
摘要：
自组织神经网络又称为自组织竞争神经网络，特别适合于解决模式分类和识别方面的应用问题。该网络模型属于前向神经网络模型，采用无监督学习算法，其工作的基本思想是让竞争层的各个神经元通过竞争与输入模式进行匹配，最后仅有一个神经元成为竞争的胜利者，这一获胜神经元的输出就代表对输入模式的分类。 常用的自组织竞争 阅读全文
摘要：
1985年，Powell提出了多变量插值的径向基函数（RBF）方法。1988年Moody和Darken提出了一种神经网络结构，即RBF神经网络，属于前向神经网络类型，它能够以任意精度逼近任意连续函数，特别适合于解决分类问题。 RBF网络的结构与多层前向网络类似，它是一种三层前向网络。输入层由信号源结 阅读全文
摘要：
在感知器神经网络模型与线性神经网络模型学习算法中，理想输出与实际输出之差被用来估计神经元连接权值误差。当解决线性不可分问题而引入多级网络后，如何估计网络隐含层神经元的误差就成了一大难题。因为在实际中，无法知道隐含层的任何神经元的理想输出值。1985年Rumelhart、McClelland提出了BP 阅读全文
摘要：
线性神经网络类似于感知器，但是线性神经网络的激活函数是线性的，而不是硬转移函数，因此，线性神经网络的输出可以是任意值，而感知器的输出不是0就是1。线性神经网络和感知器一样只能求解线性可分的问题。因此，线性神经网络的限制和感知器相同。 线性神经元网络模型 线性神经元与感知器神经元具有相似的结构，唯一的 阅读全文