Http协议

请求

一个http请求代表客户端浏览器向服务器发送的数据。一个完整的http请求消息，包含一个请求行，若干个消息头（请求头），换行，实体内容

请求头（消息头）包含（客户机请求的服务器主机名，客户机的环境信息等）：

• User-Agent：客户机通过这个头告诉服务器，客户机的软件环境（操作系统，浏览器版本等）
• Connection：告诉服务器，请求完成后，是否保持连接
• If-Modified-Since：客户机通过这个头告诉服务器，资源的缓存时间
• Accept: 告诉服务器可以接收的文件类型
• Accept-Charset：用于告诉服务器，客户机采用的编码格式
• Accept-Encoding：用于告诉服务器，客户机支持的数据压缩格式
• Accept-Language：客户机语言环境
• Host: 客户机通过这个服务器，想访问的主机名
• Referer：客户机通过这个头告诉服务器，它（客户端）是从哪个资源来访问服务器的（防盗链）

实体内容：
就是指浏览器端通过http协议发送给服务器的实体数据。例如：name=dylan&id=110

cookies间用:

回应

一个http响应代表服务器端向客户端回送的数据，它包括：
一个状态行，若干个消息头，以及实体内容

响应头(消息头)包含:
Allow:允许哪些请求方法，post get等

• Location：这个头配合302状态吗，用于告诉客户端找谁
• Server：服务器通过这个头，告诉浏览器服务器的类型
• Content-Encoding：告诉浏览器，服务器的数据压缩格式 gzip,deflate, sdch….
• Content-Length：告诉浏览器，回送数据的长度
• Content-Type：告诉浏览器，回送数据的类型
• Last-Modified：告诉浏览器当前资源缓存时间，只有改动时间迟于该时间的才会返回。否则304 一般与与If-Modified-Since一起用
• Refresh：告诉浏览器，隔多长时间刷新
• Content-Disposition：告诉浏览器以下载的方式打开数据。例如： context.Response.AddHeader(“Content-+ Disposition”,”attachment:filename=aa.jpg”); context.Response.WriteFile(“aa.jpg”);
  Transfer-Encoding：告诉浏览器，传送数据的编码格式
• ETag：缓存相关的头,类似一个资源hash函数的存在。可以发现资源是否有变化
• Expries： 过期时间，绝对= max-age+请求时间

• Cache-Control：控制浏览器缓存 如

        Cache-Control: public, max-age:350000
  

• max-age:是HTTP/1.1中的 过期时间。是个相对的值(相对于请求时间)

• Connection：响应完成后，是否断开连接。 close/Keep-Alive
• Content-Disposition
  Date：告诉浏览器，服务器响应时间

JavaEE复习笔记

根据上课的笔记整理与补充。
contact: 405544641@qq.com

Spring的思想 控制翻转:让容器管理对象的创建与销毁，依赖注入:利用反射实现，动态地向一个对象提供其所需的其他对象

JavaEE三大组件: Servlet, Filter, Listener
组件必须有 init(conf) destroy()

web容器(servlet容器)

请求怎么来到servlet呢？答案是servlet容器，比如我们最常用的tomcat，同样，你可以随便谷歌一个servlet的hello world教程，里面肯定会让你把servlet部署到一个容器中，不然你的servlet压根不会起作用。
tomcat才是与客户端直接打交道的家伙，他监听了端口，请求过来后，根据url等信息，确定要将请求交给哪个servlet去处理，然后调用那个servlet的service方法，service方法返回一个response对象，tomcat再把这个response返回给客户端。

import javax.servlet servlet是个接口
HttpServlert实现Servlet
使用Servlet ServletRequest ServletRespond
1.首先要在web.xml中进行配置

<servlet>
    <servlet-name>A</servlet-name>   //servlet名
    <servlet-class>com.xxx.xx.xx.servlet类名</servlet-class>  //对应的类
    <init-param>   //初始化参数
        <param-name>p1</param-name><param-value>123</param-value>
    </init-param>
</servlet>
//! 到这为止已经定义好servlet,不会有任何错误。 当服务器启动后，也会创建好servlet. 但是无法访问因为没mapping
<servlet-mapping>
    <servlet-name>A</servlet-name> //要和上面对应
    <url-pattern>/login</url-pattern>     //注意 /代表的是web Content的位置
</servlet-mapping>


**url-pattern:  /是缺省匹配，若当前访问资源地址的所有 Servlet 都不匹配时，就由缺省的 Servlet 进行处理
               优先级:全路径匹配>部分路径匹配>拓展名匹配
               如果我们web应该中同时配置"/"和"/*"，那么默认的Servelt永远都不会被匹配到，所有的路径最终都会匹配到"/*"上
               /不能匹配jsp,原因是jsp容器已经默认映射了一个*.jsp,优先级要高于/  /*可以
               精确路径匹配>最长路径匹配>扩展匹配     /a/*.xxx 这样方式会报错。不能混搭。
注：Filter不会像servlet只匹配一个。 顺序与定义顺序相同
/*和/** 后者会匹配更多的目录 (Ant path匹配。spring支持。还支持正则表达式,进行更复杂的匹配)

关于url-pattern的/, 同样在struts中，默认映射了.action .do , /无法覆盖他们
strut2的配置文件加载顺序为：

   Struts-default.xml---> struts-plugin.xml--> struts.xml-->   struts.properties--> web.xml

【深層学習】LSTM:Long-Short Term Memory

Structure

其实就是RNN的进化版,从图中可以看出朴素RNN是当前的输出结果不仅和当前时刻的输入有关，还和上层的隐藏层计算结果有关，而LSTM中还加入了$c$，因此LSTM有2个传递状态$h\text{(hidden state)}$与$c\text{(cell state)}$

LSTM利用某时刻输入$x_t$和上一时刻隐藏状态$h_{t-1}$经过运算得到4个状态

Details

遗忘门$z_f$

遗忘门决定了应丢弃或保留哪些信息。来自先前隐藏状态的信息和来自当前输入的信息通过sigmoid函数传递。值介于0和1之间，越接近0意味着忘记，越接近1意味着要保持。


由输出和上一层的隐藏状态来决定遗忘哪些

输入门$z_i$与$z$

输入门要更新单元状态，首先，我们将先前的隐藏状态和当前输入传递给sigmoid函数。这决定了通过将值转换为0到1来更新哪些值：0表示不重要，1表示重要。接着你还要将隐藏状态和当前输入传递给tanh函数，以便在-1和1之间取值以帮助调节网络。然后将tanh输出与sigmoid输出相乘。sigmoid输出将决定哪些信息对于输出很重要。
输出门决定下一个隐藏状态应该是什么。请记住，隐藏状态包含有关先前输入的信息，隐藏状态也可用于预测。首先，我们将先前的隐藏状态和当前输入传递给sigmoid函数。然后我们将新修改的单元状态传递给tanh函数。我们将tanh输出与sigmoid输出相乘，以确定隐藏状态应携带的信息，输出的是隐藏状态。然后将新的细胞状态和新的隐藏状态转移到下一个时间步。

cell state

现在我们应该有足够的信息来计算细胞状态。首先，细胞状态逐点乘以遗忘向量。如果它乘以接近0的值，则有可能在单元状态中丢弃。然后我们从输入门获取输出并进行逐点相加，将神经网络发现的新值更新为细胞状态中，这就给了我们新的细胞状态。

【深層学習】CNN:Convolutional Neural Network(畳み込みニューラルネットワーク)

Convolution(卷积)

Pooling(池化)

解释

卷积可以用$s(t)=(x*w)(t)$,x是输入,w是核函数

卷积神经网络的原理

一个神经元只负责一部分

一般感知机

【Notification】BLOG内容恢复について (2019-12-26)

由于本地Markdown文件丢失，Blog进行了重新部署，BLOG仍在修复.

Japanese-style Live Actions is a relatively perfect Live Actions system based on the basic structure of J-POP,which can make everyone become a partcipant in Live and create better visual and auditory effects for Live. This handbook is written with the purpose of “Feeling Live’s Charm and Promoting the Spirit of Assistance”.

日式应援是以J-POP基本结构为基础的一套较完善的应援体系。能让每一个人参与进Live,为Live创造更好的视觉与听觉效果。本手册以”感受Live魅力，弘扬应援精神”的宗旨编写。

日式応援とはJ-POPの基本構造に基づいて、比較的完璧な応援システムである。このシステムを通じて一人一人がライブの中で盛り上がられるのはもちろん、ライブにより良い視覚と聴覚の効果を与えることもできます。本 マニュアルは「ライブの魅力を感じて、 応援の精神を発揚する」っていう趣旨で作ります

本手册可以分成3大部分：

• 应援历史、概念等相关概述
• 具体应援方式教学
• 案例分析

---

一:应援&日式应援概述

1.1 何为应援 (応援って何に？)

应援的含义很广泛，不论是体育竞技比赛中的加油呐喊，还是Live的挥动荧光棒等行为均可以算是广义上的应援。本文只探讨Live上的应援。
Live上的应援是通过一系列行为为台上加油鼓劲，同时为Live创造更好的视觉与听觉效果，也使自身融入Live的一种方式。
応援の意味はすごい広くて，スポーツ大会中で選手たちへの叫び声も、

1.2 为何应援 (応援はなんのため？)

矩阵求导法则

[TOC]

一.矩阵求导

1.求导

2 几种例子

3.常用求导公式

---

1.概率论的基本概念

1.1 样本空间与随机事件

随机试验：对随机现象的观察、记录、实验
样本空间：随机试验所有可能结果构成的集合 记为  $S$

1.2 事件的相互关系及运算

同集合的概念差不多
包含关系   $A\subset B$ : A事件的发生一定导致B发生
相等关系   $A=B$ : 当$A\subset B \bigwedge B\subset A $
和事件   $A\cup B$ : A B至少一个发生
积事件   $A\cap B$ 或 $AB$ 或 $AB$ ：AB同时发生
差事件   $A-B$ : A发生且B不发生
*逆事件   $\bar{A}$

$AB=\Phi$：A B互斥或不相容

1.3 频率

频率是0~1之间的一个实数

频率定义:$f_n(A)=n_A/n$ $n_A$:次数 $n$:试验次数

1 复变函数论

1.1 复数及复数计算

$$代数式:z=x+iy$$ 实部:**Re z** 虚部:**Im z** $$指数式:z=\rho (cos \alpha+isin \alpha) \\ z=\rho e^{i\alpha}$$ $\alpha$为**辐角**，记作**Arg z**.$\rho$为**模**,$0\le Arg z \le 2\pi$的解为**主值\主辐角**,记为**arg z** **共轭复数:**$z^*=x-iy$ ####1.1.1 复球面  ####1.1.2 复数的运算 1) 加减法略 2)乘法,按四则运算相乘即可 3)除法: $$\frac{z_1}{z_2}=\frac{x_1x_2+y_1y_2}{x_2^2+y_2^2}+i\frac{x_2y_1-x_1y_2}{x_2^2+y_2^2}$$ >虚实部分母均为z2的模平方，实部为数量积，虚部为向量积的相反数 4)三角式下: 乘:两模相乘,辐角相加 除:两模相除,辐角相减 幂运算:略 ###1.2 复变函数 $$\omega=f(z) \quad z\in E$$ $$sin z=\frac{1}{2i}(e^{iz}-e^{-iz})$$ $$cos z=\frac{1}{2}(e^{iz}+e^{-iz})$$ $$sh z=\frac{1}{2}(e^{z}-e^{-z})$$ $$ch z=\frac{1}{2}(e^{z}+e^{-z})$$ **(sh与ch具有纯虚周期2pi*i)** 复数->二元实变函数 $z=x+iy----->z=u(x,y)+iv(x,y)$ ###1.3 导数 实变函数只能沿x轴逼近。复变函数可以沿各个方向逼近。 **1.沿实轴逼近时: lim=**$\frac{\partial u}{\partial x}+i\frac{\partial v}{\partial x}$ **1.沿虚轴逼近时: lim=**$\frac{\partial v}{\partial y}-i\frac{\partial u}{\partial y}$ **柯西-黎曼方程\柯西黎曼条件（C-R条件）：** $\frac{\partial u}{\partial x}=\frac{\partial v}{\partial y}$ $\frac{\partial u}{\partial y}=-\frac{\partial v}{\partial x}$ **这是复变函数可导的必要条件（非充分）** **复变函数可导的充要条件为:** **1)对两个函数的四个偏导全部存在** **2)4个偏导都连续** **3)满足C-R条件** **极坐标下的柯西-黎曼方程:** $\frac{\partial u}{\partial \rho}=\frac{1}{\rho}\frac{\partial v}{\partial \varphi}$ $\frac{1}{\rho}\frac{\partial u}{\partial \varphi}=-\frac{\partial v}{\partial \rho}$ $\rho$变成$\varphi$后乘个1/p就行

1.4 解析函数

解析:f(z)在z_0邻域上处处可导，即f(z)在z_0处解析
解析函数:f(z)在区域B上处处解析。
调和函数:f=u+iv在区域B上解析。则u和v是B上的调和函数
也就是满足

**拉普拉斯方程** $\triangledown^2H=0$在区域B连续且满足拉普拉斯方程的H(x,y)称为调和函数 u、v都满足二维的拉普拉斯方程，所以都是调和函数。因为是同一个负数的实部与虚部，所以为 **共轭调和函数**

由一个调和函数确定解析函数:
运用C-R条件确定
$dv=-\frac{\partial u}{\partial y}dx+\frac{\partial u}{\partial x}dy$也就是一个全微分
之后3种积分法积出v
①曲线积分:
②凑全微分
③不定积分法
P.S 见数学分析

解题步骤:
1.对给定函数验证是调和函数
2.利用C-R条件求出4个偏导，记住C-R得到的那两个偏导
3.dv=C-R条件得到的那两个偏导分别乘dx dy
4.积分得到v
路径无关条件:对于Qdx+Pdy Q对y求导=P对x求导

創造情報学入学試験について

[TOC]

1.試験涉及内容

基础科目	科目	考过的名词	考过的知识点	教材	是否已学
	線形代数(线性代数)			《演習大学院入試問題〈数学〉I》	Y
	复数分析				Y
	矢量分析
	解析（数学分析)			《複素関数問題集》《新版 複素解析 (基礎数学)》《演習と応用 ベクトル解析.》《微分方程式問題集》《演習微分積分..》	Y
	確率・統計 （概率与统计） [注意名词]	共分散分析(协方差分析)		《演習 大学院入試問題[数学]II》	I
专业科目	科目	考过的名词	考过的知识点	教材	是否已系统学习
	アルゴリズム（数据结构\算法）	旅行商问题,分治法		《データ構造とアルゴリズム 》	Y
	深度学习**	CPU加速、增强学习
	自然语言处理**	TD-IDF
	计算机视觉**
	机器学习**		线性回归
	論理回路(数字电路)	组合数字电路		《論理回路入門》	Y
	操作系统			《オペレーティングシステムの仕組み》《オペレーティングシステム (情報処理入門コース 2)》	I
	计算机组成原理	流水线风险,register renaming<计算机体系结构>		《コンピュータアーキテクチャ》《コンピュータの構成と設計~ハードウエアとソフトウエアのインタフェース 第3版 》	Y
	计算机网络	TCPウィンドウ制御			I
	计算机图形学**
	形式语言与自动机	RE和RG			I
	编译原理**	register renaming(寄存器重命名)
	软件工程	持续集成		《ソフトウェア工学の基礎知識 》	Y
	网络安全	ゼロデイ攻撃			N
	机器人论**
	密码学**	公钥和私钥
	离散数学				Y
	信息论			《情報理論》
	通信原理	Vector quantization,Kalman filter
	控制论

夏入试可选数学或者编程。
冬入试只能选编程。
算法书籍；
ACM/ICPCの問題集
AIZU ONLINE JUDGE: Programming Challenge
プログラミングコンテストチャレンジブック [第2版] ?問題解決のアルゴリズム活用力とコーディングテクニックを鍛える?

数学书籍：

2.真实面试问题

1.「当該分野について何か勉強などしていますか？その内容について説明してください」(在这个领域有学过什么吗?说明一下)

2.卒論などこれまで行って来た研究についておしえて(请说一下毕业论文还有来这之后的研究打算)

3.语义说明对策