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. InfoBase 资料管理库

  2. 这是2003年得一个作品，陆续做了基本得功能，当初做这个只是一时性起，帮朋友讲解树型得数据结构，并写了个简单得例子，但后来还是作成一个软件。该程序功能已经实现，并且可以正常使用，但是‘最爱’收藏夹还有一些问题，一直没有修改过；另外，ADO方式写二进制数据到表里，速度确实太慢了。当时得能力有限，很多代码未很好得设计，可以重构得地方很多，程序可以给初学者作为参考。//////////InfoBase 0.2 Beta Build 20031119开发日志这是我续 ASPDecoder(ASP反编码

  3. 所属分类：Delphi

    • 发布日期：2006-01-13
    • 文件大小：1mb
    • 提供者：chenxh

  1. Java学习笔记

  2. \contentsline {chapter}{Contents}{2}{section*.1} {1}Java基础}{17}{chapter.1} {1.1}基本语法}{17}{section.1.1} {1.2}数字表达方式}{17}{section.1.2} {1.3}补码}{19}{section.1.3} {1.3.1}总结}{23}{subsection.1.3.1} {1.4}数据类型}{23}{section.1.4} {1.4.1}整数与浮点数}{23}{subsection

  3. 所属分类：Java

    • 发布日期：2012-12-19
    • 文件大小：5mb
    • 提供者：chencassc

  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. 微软分布式机器学习工具包DMTK.zip

  2. DMTK 是微软分布式机器学习工具包。DMTK 包括以下几个项目：DMTK framework(Multiverso): 参数服务器架构的机器学习LightLDA: 用于大规模主题模型的可扩展、快速、轻量级系统.Distributed word embedding:文字嵌入分布式算法.Distributed skipgram mixture: 多义文字嵌入分布式算法DMTK (Dstributed Machine Learning Toolkit) 当前包括以下组件：DMTK分布式机器学习框架

  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. ML_with_GDS：Marvel Universe演示-源码

  2. Neo4j的图数据科学图书馆进行机器学习 该库包含Neo4j的新节点分类和链接预测算法的演示-适用于Marvel Universe。 它建立在Tomasnojo的Marvel Graph Gist之上，可。 此演示演示如何： 准备使用ML模型的数据 训练图嵌入作为模型的输入 预测缺少的节点标签（在这种情况下，是X战警） 预测失落的人际关系（他们将一起出现在未来的漫画书中） 我将添加一个演示模型的演示，然后稍后在Bloom中查看结果

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：15kb
    • 提供者：weixin_42168745

  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. 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. 一种基于互信息变量选择的极端学习机算法

  2. 针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：163kb
    • 提供者：weixin_38559569

  1. HypHC:双曲层次聚类-源码

  2. 双曲层次聚类（HypHC） 该代码是NeurIPS 2020论文的官方PyTorch实现： 从树到连续嵌入再到背面：双曲层次聚类Ines Chami，Albert Gu，Vaggos Chatziafratis和ChristopherRé 斯坦福大学论文： : 抽象的。 基于相似性的层次聚类（HC）是一种经典的无监督机器学习算法，传统上已使用诸如平均链接之类的启发式算法进行了求解。 最近，Dasgupta通过引入衡量给定树质量的全局成本函数，将HC重新构架为离散的优化问题。 在这项工作中

  3. 所属分类：其它