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. BA网络演化模型论文

  2. 关于复杂网络的无标度网络的一篇论文，该论文详尽介绍了BA网络的演化模型。 BA模型是一个随机生成算法无尺度网络使用优惠附着机制。无尺度网络中被广泛观察的自然和人为系统，包括因特网，世界引文网络，和一些社会网络。它包括两个重要的基本概念：经济增长和优惠附件。经济增长和优惠附件存在广泛的实际网络。 增长意味着，一些与网络内的节点增加随着时间的推移。 优惠附件意味着更多的连接节点是，就越有可能是获得新的联系。节点程度较高有较强的能力，抓住链接添加到网络中。直观，优惠的附件是可以理解的，如果我们想在社

  3. 所属分类：网络基础

    • 发布日期：2009-05-28
    • 文件大小：178kb
    • 提供者：liruoqing

  1. 网络分析软件pajek 中文手册

  2. 强大网络分析软件pajek的中文手册……可以进行社会网络分析、科研合作网络分析、引文网络分析等、互联网分析等

  3. 所属分类：网络基础

    • 发布日期：2009-09-09
    • 文件大小：1mb
    • 提供者：tiamostar

  1. pajek网络可视化软件

  2. pajek 是研究复杂网络的一种可视化软件，可以研究引文网络，作者合作网络，机构网络等。

  3. 所属分类：网络基础

    • 发布日期：2010-08-20
    • 文件大小：817kb
    • 提供者：meirongguo

  1. 复杂网络和引文网络研究综述

  2. 课件主要介绍了复杂网络和引文网络有关信息，并针对一些算法进行比较，对于初次接触的人还有有用的

  3. 所属分类：其它

    • 发布日期：2011-05-09
    • 文件大小：2mb
    • 提供者：ivanl_xia

  1. CiteSPACE 引文分析

  2. 美国Drexel大学陈超美(Chaomei Chen)教授开发的基于JAVA平台的信息可视化软件CiteSpaceⅡ用于文献引文网络分析的信息,作为文献计量学方面最先进的分析工具之一,

  3. 所属分类：教育

    • 发布日期：2013-12-18
    • 文件大小：26mb
    • 提供者：xinyan714

  1. CiteSpaceII.zip

  2. CiteSpaceⅡ基于JAVA平台的信息可视化软，是美国Drexel大学陈超美（Chaomei Chen）教授开发的，用于文献引文网络分析的工具

  3. 所属分类：教育

    • 发布日期：2015-07-07
    • 文件大小：26mb
    • 提供者：u011640816

  1. 生成式对抗网络GAN综述

  2. 本资源通过整理目前GAN的相关论文做出PPT，PPT配套演讲文档，和附上PPT所述的来源引文

  3. 所属分类：机器学习

    • 发布日期：2017-11-05
    • 文件大小：17mb
    • 提供者：sir_chai

  1. 复杂网络DBLP引文网络数据集

  2. 美国西部各州无向加权图电网数据。文件类型是用Gephi打开的，edges格式文件，用于复杂网络分析

  3. 所属分类：专业指导

    • 发布日期：2019-04-22
    • 文件大小：148kb
    • 提供者：daining424

  1. 网络发表科技论文的引文特征

  2. 网络发表科技论文的引文特征，陈翀，罗鹏程，本文以“中国科技论文在线”计算机、管理、经济三个学科在2005至2009年间首发论文为对象，探讨网络发表科技论文的引文特征，发现同�

  3. 所属分类：其它

    • 发布日期：2020-02-19
    • 文件大小：406kb
    • 提供者：weixin_38724919

  1. 2006-2010年我国图书情报学核心期刊载文被引及互引网络分析

  2. 2006-2010年我国图书情报学核心期刊载文被引及互引网络分析，王文颖，邓尚民，本文主要应用CNKI《中国期刊全文数据库》和《中国引文数据库》作为统计源，通过文献计量学的方法，对《中文核心期刊要目总览》2008�

  3. 所属分类：其它

    • 发布日期：2020-02-08
    • 文件大小：220kb
    • 提供者：weixin_38529397

  1. 网络表示学习综述.pdf

  2. 网络数据形式可以自然地表达物体与物体之间的联系，在我们的日常生活中无处不在。例如社交网络、引文网以及国家电网和交通网络中。这些网络数据对于我们处理具体的事务非常有帮助，在传统的机器学习算法中，我们可以利用输入的数据来进行模型的建模以及对数据的分析，但是对于网络结构而言，我们最直观的一个问题就是如何合适的表示网络信息，传统的网络表示一般使用的是高维的稀疏向量，但是高维的表示也成为了人们使用统计学习方法时的局限所在，因为高维的向量将会花费更多的运行时间和计算空间。

  3. 所属分类：其它

  1. MLSR:ECCV2020“通过元学习快速适应超分辨率网络”的源代码-tensorflow source code

  2. 通过元学习快速适应超分辨率网络 对于ECCV2020源代码“通过元学习快速适应超分辨率网络” 要求 检查以安装所有需求。 conda install --file requirements.txt 或者 pip install -i requirements.txt 用法 使用Urban100数据集进行训练 下载Urban100数据集 将Urban100数据集目录名称设置为Urban100并运行./split_urban100.sh 下载IDN预训练砝码checkpoint_x2 开始训练

  3. 所属分类：其它

  1. mp_gan:“使用多投影生成对抗网络从轮廓图像集合中合成3D形状”的源代码-Source code collection

  2. 使用多投影生成对抗网络从轮廓图像集合中合成3D形状 该知识库的主要贡献者包括，，和。 介绍 该存储库为CVPR 2019论文“使用多投影生成对抗网络从轮廓图像集合中合成3D形状”提供了参考实施。 更多信息（包括论文的副本）可以在找到。 引文 如果您使用我们的代码或模型，请考虑引用： conference{Li:2019:S3S, author = {Li, Xiao and Dong, Yue and Peers, Pieter and Tong, Xin}, title = {Synthe

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：58kb
    • 提供者：weixin_42173205

  1. web-novice:网络和在线API简介-源码

  2. FIXME课程标题 该存储库从课程目录中生成相应的课程网站。 贡献 我们欢迎您为改进本课程而做出的所有贡献！ 如果您在此过程中有任何疑问，疑虑或遇到任何困难，维护人员将尽力为您提供帮助。 我们想请您熟悉我们的《 ，并查看有关正确格式，在本地呈现课程的方式，甚至如何编写新剧集的。 请参阅[问题] [FIXME]的当前列表以获取有关对此存储库做出贡献的想法。 为了做出您的贡献，我们使用GitHub流程，该流程在Scott Chacon为Pro Git中章中很好的解释。 寻找标签 。 这表示维护

  3. 所属分类：其它

  1. MGU-Net:GCN辅助的多尺度两阶段网络在OCP图像中对视网膜层和椎间盘进行联合分割-源码

  2. MGU网 GCN辅助的多尺度两阶段网络在OCP图像中对视网膜层和椎间盘进行联合分割 代号 该代码即将推出。 结果 结果即将到来。 引文 如果您使用此代码进行研究，请考虑引用以下文章： 接触 如有任何疑问，请联系

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：19kb
    • 提供者：weixin_42137032

  1. 在动态发展的引文网络中对科学文章进行排名

  2. 在动态发展的引文网络中对科学文章进行排名

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：559kb
    • 提供者：weixin_38656676

  1. 具有更多边缘的网络是否更容易同步？

  2. 本文研究了网络可同步性与其关联图的边加法之间的关系。 首先，表明在一个周期上增加一个边肯定会降低网络的同步性。 然后，由于有时可以通过改变网络结构来增强可同步性，因此解决了具有更多边缘的网络是否更易于同步的问题。 通过子图和互补图方法，通过示例显示即使网络结构被任意优化，答案也是肯定的。 这表明，网络中通常存在冗余边缘，不仅对同步没有贡献，而且实际上可能会降低同步性。 此外，一个简单的示例表明，节点之间的中心性并不总是指示网络可同步性的好指标。 最后，还提供了更多示例来说明网络同步性在添加边后如

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：271kb
    • 提供者：weixin_38702110

  1. gcn：在TensorFlow中实现图卷积网络-源码

  2. 图卷积网络 这是图卷积网络的TensorFlow实现，用于图中节点的（半监督）分类任务，如我们的论文所述： Thomas N.Kipf，Max Welling，（ICLR 2017） 有关高级解释，请查看我们的博客文章： 托马斯·基普夫（Thomas Kipf），（2016） 安装 python setup.py install 要求 张量流（> 0.12） 网络 运行演示 cd gcn python train.py 数据 为了使用您自己的数据，您必须提供 N×N邻接矩阵（N是节

  3. 所属分类：其它

  1. 带*评价的引文网络构建与主题发现

  2. 科学引文网络反映了科学知识的动态演化,作为一个复杂的网络系统已得到广泛研究。针对引文网络中主题不明确和热点问题不易跟踪的问题,提出了引文网络中的*评价计算方法和网络社区主题提取与表示方法。首先采用正则表达式和模板匹配方法提取元数据;并计算文献作者对参考文献的*评价,建立带有*评价权值的文献引用网络,并对网络中的突现语义进行描述;然后以此网络结构为基础,结合信息熵和网络中文献重要性权重改进TDIDF算法,计算得到每个社区主题的关键词概率描述,从而得到社区主题。本文的方法和实验对解释引文网络的

  3. 所属分类：其它

  1. SGC：“简化图卷积网络”论文的正式实施-源码

  2. 简化图卷积网络 更新 正如＃23所指出的，在reddit数据集的预处理代码中存在一个细微的错误。 修复此错误后，SGC的F1得分为95.0（以前是94.9）。 实用建议：标准化特征为零均值且标准差为1的值通常会非常有帮助，以加快SGC（和许多其他线性模型）的收敛。 例如，我们应用此规范化。 将SGC应用于其他数据集时，请考虑这样做。 有关一些相关的讨论，请参见以及。 作者： * * * *：平等贡献 总览 此存储库包含简单图卷积（SGC）模型的示例实现，在ICML2019论文《。 S

  3. 所属分类：其它

« 12 3 4 5 6 »