在tomcat服务器上安装未知的Web应用程序(Installing unknown web application on tomcat server)
我刚刚从存储库下载了一个Web应用程序，我想尝试一下。 我只安装了tomcat（没有eclipse，想法等）。 我真的不知道如何开始。 我所知道的是我刚检查过的代码的目录布局。 将它放到tomcat目录结构中是否就这么简单？
. ├── pom.xml ├── README.html ├── README.md └── src ├── main │ ├── java │ │ ├── META-INF │ │ ├── ncbi │ │ │ └── blast │ │ └── uk │ │ └── ac │ ├── resources │ │ ├── bioactivitiesSql.sql │ │ ├── chemblwsclient.properties │ │ ├── chemblws.properties │ │ ├── log4j.properties │ │ ├── schemaFolder │ │ │ ├── NCBI_BlastOutput.dtd │ │ │ ├── NCBI_BlastOutput.mod.dtd │ │ │ └── NCBI_Entity.mod.dtd │ │ └── uk │ │ └── ac │ └── webapp │ └── WEB-INF │ ├── blast-context.xml │ ├── chemblws-client-context.xml │ ├── chemblws-servlet.xml │ ├── jetty-env.xml │ ├── oldOR.xml │ ├── override-web.xml │ ├── production-override-web.xml │ └── web.xml └── test ├── java │ └── uk │ └── ac └── resources └── log4j.propertiesI've just downloaded a web application from repository and I want to try it. I only have tomcat installed (no eclipse, idea etc). I don't really know how to start. What I know is directory layout of the code I've just checked out. Is it as simple as dropping it somewhere into tomcat directory structure?
. ├── pom.xml ├── README.html ├── README.md └── src ├── main │ ├── java │ │ ├── META-INF │ │ ├── ncbi │ │ │ └── blast │ │ └── uk │ │ └── ac │ ├── resources │ │ ├── bioactivitiesSql.sql │ │ ├── chemblwsclient.properties │ │ ├── chemblws.properties │ │ ├── log4j.properties │ │ ├── schemaFolder │ │ │ ├── NCBI_BlastOutput.dtd │ │ │ ├── NCBI_BlastOutput.mod.dtd │ │ │ └── NCBI_Entity.mod.dtd │ │ └── uk │ │ └── ac │ └── webapp │ └── WEB-INF │ ├── blast-context.xml │ ├── chemblws-client-context.xml │ ├── chemblws-servlet.xml │ ├── jetty-env.xml │ ├── oldOR.xml │ ├── override-web.xml │ ├── production-override-web.xml │ └── web.xml └── test ├── java │ └── uk │ └── ac └── resources └── log4j.properties
原文：https://stackoverflow.com/questions/16466975
更新时间：2024-04-12 08:04
最满意答案
不确定我是否理解正确但通常假设我们想要执行二进制或两类分类。
我们有什么？
我们有两个数组arraycls1 = 50X60和arraycls2 = 50X60，每个数组由50个精确特征组成，用于第一类和第二类的60个样本。
下一步是什么？
您应该将两个数组连接成一个：
datatotal=horzcat(arraycls1,arraycls2);您的输出应该是一个大小为50乘120的数组，表示您有120个样本的50个要素。
如何创建目标数组？ 我们要使用数组：
target=zeros(NumOfCls,NumOfSmpls)在我们的例子中NumOfCls = 2和NumOfSmpls = 120。 现在，您应该按适当的顺序填充目标：target(1,1:60)=1; //class 1 target(2,61:120)=1; //class 2因此，输入和目标数组的长度将保持不变，您应该执行分类。
希望这可以帮助！
Not sure if I did understand correctly but in general lets assume we want to perform binary or two-class classification.
What we have?
We have two arrays arraycls1=50X60 and arraycls2=50X60 each consist of 50 exact features for 60 samples for class one and two.
What is next?
You should concatenate both arrays into one:
datatotal=horzcat(arraycls1,arraycls2);Your output should be an array of size 50 by 120 saying that you have 50 features for 120 samples.
How to create target array? To do we use an array:
target=zeros(NumOfCls,NumOfSmpls)in our case NumOfCls=2 and NumOfSmpls=120. Now you should populate target in appropriate order:target(1,1:60)=1; //class 1 target(2,61:120)=1; //class 2Thus length of your input and target arrays will be kept the same and you should perform your classification.
Hope this helps!
相关问答
更多-
我可能错了，因为您没有指定数据集中输出神经元的数量和每个类的模式数。 但是，您似乎只为网络创建了一个输出神经元。 在这种情况下，网络将所有模式分配给同一个类，并且您获得的分类准确度等于先验概率。 例如，如果数据集的前50个模式属于同一个类，而其余模式属于不同的类，则具有一个输出的分类器将所有模式分配给第一个类，因此您将获得前50个权限。 如果是这种情况，则应创建具有N个输出的分类器，其中N是数据集中的类数。 在这种情况下，分类器将为每个类投票，并且模式将被分配给具有最大输出的类。 例如，如果您有3个类，并且 ...
-
不确定我是否理解正确但通常假设我们想要执行二进制或两类分类。 我们有什么？ 我们有两个数组arraycls1 = 50X60和arraycls2 = 50X60，每个数组由50个精确特征组成，用于第一类和第二类的60个样本。 下一步是什么？ 您应该将两个数组连接成一个： datatotal=horzcat(arraycls1,arraycls2); 您的输出应该是一个大小为50乘120的数组，表示您有120个样本的50个要素。 如何创建目标数组？ 我们要使用数组： target=zeros(NumOfCl ...
-
ANN和SVM分类(ANN and SVM classification)[2022-06-01]
有很多应用程序更好，许多应用程序可以比较，许多应用程序更糟糕。 这也取决于你问谁。 很难说这种类型的数据或该类型的数据/应用程序。 神经网络，尤其是卷积神经网络比支持向量机更好地工作的例子是MNIST上的数字分类 。 另一个这样的案例是Geoff Hinton团队使用Deep Belief Networks进行语音识别的工作 There are many applications where they're better, many applications where they're comparable ... -
SIFT输入到ANN(SIFT Input to ANN)[2022-03-25]
如果您在获取特征提取器之前对每个图像应用Normalization，那将会很好。 I'm not sure if this is an exact solution but this worked for me. The main idea is as follows: Divide your image into a MxN grid. Obtain a set number of feature points for each sub-image. Concatenate the results for ... -
ANN形状出售预测(ANN Shape for Sale Prediction)[2024-01-01]
这里有一个建议： https ： //ai.stackexchange.com/questions/3292/ann-shape-for-sale-prediction 但我最终实现了网络作为LMS（最小均方）神经网络： 4个输入 隐藏层中的9个神经元 1输出层神经元 而不是使用3个功能输入，我使用销售前4个月的产品作为输入。 预测曲线比预想的要平坦，但至少在工作。 There's one suggestion in here: https://ai.stackexchange.com/questions/ ... -
由于它是一个分类变量，因此最好使用1-hot编码： 0001: summer 0010: fall 0100: winter 1000: spring 因此，您的季节输入将变为4个二进制输入。 Since it is a categorical variable, it's better to use 1-hot coding: 0001: summer 0010: fall 0100: winter 1000: spring So, your season input will become 4 bi ...
-
使用MATLAB中的索引将多个函数输出分配给向量(Assign multiple function outputs to a vector using indexing in MATLAB)[2023-10-28]
你有2个选择： 将输出分开输出后连接矢量 [a,b] = MultipleOutputs(); x = ones(1,4); x(2:3) = [a,b]; 在输出之前连接向量 function a = MultipleOutputs() a(1) = 6; a(2) = 8; end x(2:3) = MultipleOutputs(); You have 2 choices: Concatenate the vectors after outputting them separat ... -
ANN的sigmoided输出的衍生物告诉我什么？(What does the derivative of the sigmoided output of an ANN tell me?)[2021-11-29]
关于某些事物如何运作的直觉通常是正确的，但具体而言，它们可能并不正确。 这是你对错误函数的直觉的情况，这是不正确的。 让我们记住错误是如何构建的，单个神经元的输出是： o(x, w) = delta(sum w_j x_j + b) delta是激活函数。 误差，假设均方误差，只是神经元输出和标签之间的平方差的总和： e(w) = sum (o(x, w) - l)^2 要使用梯度下降，您可以得到误差的导数，即： e'(w) = sum 2 * (o(x, w) - l) * o'(x, w) 这取决 ... -
Gradient Descent ANN - MATLAB做什么我不是？(Gradient Descent ANN - What is MATLAB doing that I'm not?)[2023-08-23]
我认为你已经混淆了术语和step 。 如果你已经接受过一个epoch训练，它通常指的是贯穿全部数据。 例如：如果您有10,000个样本，那么您已经通过模型放置了所有10.000个样本（忽略样本的随机抽样），并且每次都采取一个步骤（更新权重）。 解决方法：长时间运行您的网络： nn.fit(X_train, y_, lrate, epoch*len(X)) 奖励： MatLab的文档将时代转化为(iterations)这是误导性的，但在这里对它进行评论，这基本上是我上面写的。 I believe I've ... -
ANN的一个时代是什么？它如何转化为MATLAB中的代码？(What is an epoch in ANN's and how does it translate into code in MATLAB?)[2022-04-23]
在MATLAB中，一个时代可以被认为是人工神经网络训练过程的完整迭代 。 也就是说，一旦训练集中的所有向量都被训练算法使用，一个时代已经过去了。 因此，时期的“实时持续时间” 取决于所使用的训练方法 （例如，批量与顺序）。 引用可自由访问的MATLAB ANN工具箱词汇表 ： epoch - 将一组训练（输入和/或目标）向量呈现给网络并计算新的权重和偏差。 请注意，训练向量可以一次呈现一个，也可以一起呈现。 Matlab允许您设置最大的历元数，然后终止训练过程。 这用于在训练算法的解不收敛的情况下停止训练， ...