注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 鹰翔MindV思维导图软件1.3.0使用说明书

  2. MindV是一款在线思维导图(心智图)软件，基于云计算，可多人实时协作编辑同一张思维导图。无须安装，请在下载的帮助文件指导下一键试用该服务。 思维导图是一个简单有效的思维工具，是基于你的大脑是如何以及为什么去工作的最新研究而发明的，采用类似爱因斯坦，丘吉尔，达芬奇，巴克明斯特·富勒，马克吐温，迪斯尼和大多数的人认为有“伟大的大脑”人使用过的笔记系统。全球目前有2.5亿人每天使用思维导图。 MindV有哪些用途？ 新文档工具：MindV是Word，PPT，Excel之外另一种记录文档的工具。来记

  3. 所属分类：其它

    • 发布日期：2012-01-26
    • 文件大小：3mb
    • 提供者：chanxianzhong

  1. Graph Matching Networks for Learning the Similarity of Graph Structured Objects

  2. 近日，DeepMind 和谷歌联合进行了一项研究，该研究提出了一种执行相似性学习的新型强大模型——图匹配网络（GMN），性能优于 GNN 和 GCN 模型。该论文已被 ICML 2019 接收。 DeepMind 和谷歌的这项新研究聚焦检索和匹配图结构对象这一极具挑战性的问题，做出了两个重要贡献。 首先，研究者展示了如何训练图神经网络（GNN），使之生成可在向量空间中执行高效相似性推理的图嵌入。其次，研究者提出了新型图匹配网络模型（GMN），该模型以一对图作为输入，通过基于跨图注意力的新型匹配

  3. 所属分类：机器学习

    • 发布日期：2019-05-07
    • 文件大小：1mb
    • 提供者：pierian_d

  1. 鹰翔MindV思维导图软件 v1.3.3.0.zip

  2. MindV是一款在线思维导图(心智图)软件，基于云计算，可多人实时协作编辑同一张思维导图。思维导图是一个简单有效的思维工具，是基于你的大脑是如何以及为什么去工作的最新研究而发明的，采用类似爱因斯坦，丘吉尔，达芬奇，巴克明斯特·富勒，马克吐温，迪斯尼和大多数的人认为有“伟大的大脑”人使用过的笔记系统。全球目前有2.5亿人每天使用思维导图。   MindV用途： 新文档工具：MindV是Word，PPT，Excel之外另一种记录文档的工具。来记录会议要点，演讲提纲，各种组织结构图等，一次录入，同时

  3. 所属分类：其它

  1. 节点嵌入学习算法

  2. 传统社交网络多采用图建模或邻接矩阵表达，导致其计算复杂度较 高，且很难处理上亿节点的大规模社交网络。本项目旨在研究构建大规 模社交网络的节点嵌入学习算法，从而缓解大规模社交网络带来的维度 灾难问题，并拓展到社区发现、社区推荐、节点分类以及链接预测等诸 多应用上。有效识别微博中多个社区在社会网络分析中是一个很有意义的问题。然而已有的微博社区发现算法大多是基于用户的链接关系或是基于内容关系的，无法合理地发现微博中的多个社区；少数结合微博用户的链接和内容关系的微博社区发现算法采用的是多次聚类，导致社区

  3. 所属分类：DOS

    • 发布日期：2020-04-18
    • 文件大小：21kb
    • 提供者：zt000012

  1. GraphSAGE-master.zip

  2. GraphSAGE源代码，供参考学习。目前大多数图嵌入方法在训练过程中需要图中所有节点参与，属于直推学习（transductive），无法直接泛化到之前未见的节点。本文提出一种适用于大规模网络的归纳式（inductive）模型-GraphSAGE，能够为新增节点快速生成embedding，而无需额外训练过程。 GraphSage训练所有节点的每个embedding，还训练一个聚合函数，通过从节点的相邻节点采样和收集特征来产生embedding。本文训练一组aggregator函数来从一个节点的邻

  3. 所属分类：机器学习

    • 发布日期：2020-03-08
    • 文件大小：6mb
    • 提供者：z7z7w7

  1. RS485接口定义图.pdf

  2. RS485接口定义图pdf,的是两线制接线方式,这种接线方式为总线式拓朴结构在同一总线上最多可以挂接32个结 点。在RS485通信网络中一般采用的是主从通信方式,即一个主机带多个从机。很多情况下, 连接RS-485通信链路时只是简单地用一对双绞线将各个接口的“A”、“B”端连接起来。 而忽略了信号地的连接,这种连接方法在许多场合是能正常工作的,但却埋下了很大的隐患, 这有二个原因:(1)共模干扰问题:RS-485接口米用差分方式传输信号方式,并不需要相 对于某个参照点来检测信号,系统只需检测两线

  3. 所属分类：其它

  1. TMS320DM646X_DMSoc_Vedio_Port_Interface(VPIF)使用向导中文

  2. TMS320DM646X_DMSoc_Vedio_Port_Interface(VPIF)使用向导中文括亮度分量和色度分量)以及在 SDRAM的存放方法和存放位置。 表格图 以上所有的参数L1-12以及一帧视频数据的大小(特指垂直高度,也就是一帧总的行数, 也就是L1到L12之间的距离,比如,标准的8位bt656,那么其行数为625)都可以用软件设 置相关寄存器进行配置。如果垂直消隐期间,通过寄存器配置的 EAV/SAV码的数值,与 DM6467检测到的EAV/SAV码的数值不一致的时候,以寄存

  3. 所属分类：硬件开发

    • 发布日期：2019-03-01
    • 文件大小：623kb
    • 提供者：qmshc123

  1. 图节点嵌入概述（Node Embeddings）

  2. 这部分是关于学习节点嵌入的方法。这些方法的目标是将节点编码为低维向量，这些低维向量总结了它们的图位置和它们的局部图邻域的结构。

  3. 所属分类：机器学习

    • 发布日期：2020-08-23
    • 文件大小：787kb
    • 提供者：syp_net

  1. GraphEmbeddingRecommendationSystem:基于Python的图传播算法，DeepWalk，用于评估和比较来自用户项目关系船的异构信息网络中的偏好传播算法-源码

  2. 图形嵌入推荐系统 基于Python的图传播算法DeepPalk，用于评估和比较来自用户项关系的异构信息网络中的偏好传播算法。 客观的： 预测用户对某些项目的偏好，它们尚未使用基于图的协作过滤技术，用户电影评级数据集上的DeepWalk进行评级。 首先，使用电影评论数据集，创建了一个以节点为用户，电影及其关联实体（演员，导演）的异构图形网络。 DeepWalk用于在该图上生成随机游动。 这些随机游走使用Word2Vec嵌入在低维空间中。 通过找到与用户节点具有最高相似性的电影评分节点来完

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：24mb
    • 提供者：weixin_42126749

  1. 基于改进子图同构搜索的虚拟网络嵌入算法

  2. 提出了一种新的虚拟网络嵌入（VNE）算法，该算法改进了原始子图同构搜索过程，克服了现有VNE算法的缺陷。 首先，提出了一种节点资源评估方法，该方法同时考虑了节点资源需求（能力）和拓扑属性，以改善虚拟节点的映射顺序。 其次，该算法改善了虚拟节点映射时候选衬底节点的选择过程，提高了虚拟链路映射的质量。 第三，该算法通过考虑子区域中的总资源能力，改进了衬底网络中资源分配子区域的选择。 实验结果表明，与现有算法相比，该算法在映射质量，收益，接收率和运行时间方面具有更好的表现。

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：472kb
    • 提供者：weixin_38622777

  1. Higashi:单细胞Hi-C，scHi-C，Hi-C，3D基因组，核组织，超图-源码

  2. Higashi：多尺度和综合scHi-C分析 作为scHi-C分析的计算框架，Higashi具有以下功能： Higashi将scHi-C数据集表示为超图（图a） 每个单元和每个基因组单元被表示为单元节点和基因组单元节点。 单单元格联系图中的每个非零条目都被建模为超边缘。 每个染色质相互作用的读取计数用作超边缘的属性。 Higashi使用超图神经网络在此构造的超图中揭示高阶交互模式。 （图b） Higashi可以为scHi-C生成嵌入物，以用于下游分析。 Higashi可以估算单细

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：15mb
    • 提供者：weixin_42131352

  1. 使用图嵌入从多个蛋白质相互作用网络中检测蛋白质复合物

  2. 细胞过程通常由蛋白质复合物而不是单个蛋白质进行。 鉴定蛋白质复合物是理解细胞组织和功能原理的关键之一。 同样，蛋白质复合物是一组在相似疾病中潜在的相互作用基因，这指出了蛋白质复合物的治疗重要性。 随着生命科学和计算科学的发展，越来越多的蛋白质-蛋白质相互作用（PPI）数据变得可用，这使得从PPI网络预测蛋白质复合物成为可能。 但是，由高通量实验产生的大多数PPI数据通常具有许多错误的正相互作用和错误的负边缘损失，这使得难以准确预测复合物。 在本文中，我们提出了一种称为MEMO（用于coMplex

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1017kb
    • 提供者：weixin_38543749

  1. PC-SENE：基于节点嵌入的蛋白质复合物检测方法

  2. 随着蛋白质-蛋白质相互作用（PPI）数据集的积累，已开发出各种计算方法来从PPI网络识别蛋白质复合物。 但是，许多现有的计算方法都有其自身的局限性：有监督的学习方法需要乏味的工作来进行特征工程，用于指导无监督方法的挖掘过程的质量度量在反映PPI网络中蛋白质复合物的特性方面存在一些缺陷。 在这项工作中，我们提出了一种新颖的蛋白质复合物检测方法，称为PC-SENE。 对于给定的种子，它使用基于蛋白质节点嵌入相似性的别名采样策略来选择潜在的可加节点，并利用一种新的电导度量来决定是否扩展当前的候选子图以

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：144kb
    • 提供者：weixin_38500630

  1. ElM2D:高性能映射类，可从大型无机成分数据集中构建ElM2D图-源码

  2. ElM2D 高性能映射类，用于从大型离子组成数据集中构造，适用于HPC系统上的单节点使用。 这包括将这些数据集直接嵌入化学空间图的辅助方法，以及对成分列表进行排序和导出内核矩阵的方法。 建议使用python 3.7通过pip安装。 pip install python==3.7 pip install ElM2D 对于背景理论，请阅读我们的论文 例子 来自嵌入PCA的无机晶体结构数据库的125,000种成分，并使用绘制： 有关更多交互示例，请访问 用法 计算距离矩阵 可以通过dm属性访

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：38kb
    • 提供者：weixin_42164534

  1. iSpine：感应式自我监督节点嵌入-源码

  2. iSpine框架 基于GNN的图嵌入的框架 参数 输入：输入图数据集。 选项：['cora'，'citeseer'，'pubmed'，'wiki']。 必需的 实施算法 GCN VGAE 丹妮 GAT DGI AGC 年龄 图卷积网络（GCN） GCN 引入了图卷积作为网络层。 通过堆叠许多层，可以发现更深的节点依赖性。 用法 参数 type：邻接矩阵的类型。 “ gcn”或“ cheby”。 默认值：“ gcn” 纪元：纪元数。 默认值：200 维：每个节点要学习的潜在维数

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：13mb
    • 提供者：weixin_42101384

  1. AttentionWalk：“观察您的步骤：通过图注意力学习节点嵌入”的PyTorch实施（NeurIPS 2018）-源码

  2. 注意步行 ⠀ PyTorch实现的“观察您的步骤：通过图注意学习节点嵌入”（NIPS 2018） 。 抽象 图嵌入方法表示连续向量空间中的节点，从而保留了图中不同类型的关系信息。 这些方法有许多超参数（例如，随机游走的长度），必须为每个图形手动调整。 在本文中，我们将先前固定的超参数替换为可训练的超参数，这些参数会通过反向传播自动学习。 特别是，我们针对转移矩阵的幂级数提出了一种新颖的注意力模型，该模型可指导随机游走优化上游目标。 与以前的注意力模型方法不同，我们提出的方法仅在数据本身（例如

  3. 所属分类：其它

  1. CapsGNN：“胶囊图神经网络”的PyTorch实施（ICLR 2019）-源码

  2. CapsGNN ⠀ 胶囊图神经网络的PyTorch实施（ICLR 2019）。 抽象 从图神经网络（GNN）学习到的高质量节点嵌入技术已被广泛应用于基于节点的应用程序，其中一些已经达到了最先进的（SOTA）性能。 但是，当应用从GNN学习到的节点嵌入来生成图嵌入时，标量节点表示可能不足以有效地保留节点/图属性，从而导致次优的图嵌入。 受胶囊神经网络（CapsNet）的启发，我们提出了胶囊图形神经网络（CapsGNN），它采用胶囊的概念来解决现有基于GNN的图形嵌入算法中的弱点。 通过提取胶囊

  3. 所属分类：其它

  1. graphvite：GraphVite：通用的高性能图形嵌入系统-源码

  2. GraphVite-高速，大规模嵌入图形 | | | GraphVite是通用的图形嵌入引擎，致力于各种应用中的高速和大规模嵌入学习。 GraphVite为3种应用程序提供了完整的培训和评估渠道：节点嵌入，知识图嵌入以及图和高维数据可视化。 此外，它还包括9种流行模型，以及它们在一堆标准数据集中的基准。 节点嵌入 知识图嵌入 图形和高维数据可视化 这是GraphVite培训时间的总结，以及在3个应用程序上的最佳开源实现。 报告的时间始终基于具有24个CPU线程和4个V100 GPU的服

  3. 所属分类：其它

  1. dgl-ke：高性能，易于使用且可扩展的软件包，用于学习大规模知识图嵌入-源码

  2. 知识图（KG）是存储有关不同实体（节点）及其关系（边缘）的信息的数据结构。 在各种机器学习任务中使用KG的常见方法是计算知识图嵌入。 DGL-KE是一种高性能，易于使用且可扩展的软件包，用于学习大规模知识图嵌入。 该软件包在的顶部实现，开发人员可以在CPU机，GPU机以及具有一系列流行模型的集群上运行DGL-KE，这些模型包括 ， ， ， ， ，和 。 图片：DGL-KE总体架构 当前，DGL-KE支持三个任务： 训练，使用dglke_train （单台机器）或dglke_dist

  3. 所属分类：其它

  1. graph2vec：“ graph2vec：学习图的分布式表示形式”的并行实现（MLGWorkshop 2017）-源码

  2. Graph2Vec ⠀ 抽象 关于图结构化数据的表示学习的最新工作主要集中在学习图子结构（例如节点和子图）的分布式表示。 但是，许多图形分析任务（例如图形分类和聚类）要求将整个图形表示为固定长度的特征向量。 虽然上述方法自然不具备学习此类表示的能力，但图形内核仍然是获得它们的最有效方法。 但是，这些图内核使用手工制作的功能（例如，最短路径，图小图等），因此受到诸如通用性差等问题的阻碍。 为了解决这个限制，在这项工作中，我们提出了一个名为graph2vec的神经嵌入框架，以学习数据驱动的任意大小

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：160kb
    • 提供者：weixin_42130786
« 12 3 4 »