Graphs 第10页

视差滚动效果插件skrollr-scroll使用教程

(可以从这里看到贡献图https://github.com/Prinzhorn/skrollr/graphs/contributors)并且我也没有任何计划要对skrollr做重大修改，请在您要对新版本浏览器

sa酱·2020-07-09 20:45

tensorflow学习笔记2

参考资料：斯坦福CS20-2017pdf第一课Graphs、Sessions、tensor理清两个概念：Graphs、Sessions、tensorGraphs：计算的蓝图，并未真正开始计算，用图来表示计算是很直观的

抬头挺胸才算活着·2020-07-09 04:19

Use NetworkX to create graphs and use Matplotlib or Gephi to show it

AbstractInthisarticleIwillsimplyintroduce:NetworkX,useittocreateagraphMatplotlib&Gephi,showthegraphwecreatedTheenvironmentIuse:Windows10Python3.6networkx2.2(PythonPackage)matplotlib3.0.1(PythonPackage

Xovee·2020-07-09 02:56

有趣的矩阵与概率的图形化表示

原作者：Tai-DanaeBradley原文地址:https://www.math3ma.com/blog/matrices-probability-graphs请在电脑上阅读本文今天我想分享一个想法。

-派神-·2020-07-08 20:00

tensorboard简介（含代码）

tensorboard简介tensorboard是tensorflow自带的一个强大的可视化工具，也是一个web应用套件支持七种可视化包括SCALARS(标量)、IMAGES(图像)、AUDIO(音频)、GRAPHS

weixin_34194551·2020-07-08 17:15

CC chapter 4 Tree and Graphs ----Tree

1.TypeofTreesAtreeisadatastructurecomposedofnodes.Eachtreehasarootnode.Therootnodehaszeroormorechildnodes.Eachchildnodehaszeroormorechildnodes,andSoon.Definition:classNode{publicStringname;publicNode[

wbing520·2020-07-08 12:13

Keyword Search over Knowledge Graphs via Static and Dynamic Hub Labelings

通过静态和动态的Hub-Labeling在知识图谱上搜索关键词联系了nju的一个导师，二面读了篇论文，感觉学术界的算法更多是特殊情况下的搞近似解优化时空复杂度，读研做这种研究也挺好的，然后nju夏令营没进。。。只能等九推，难顶。链接：https://doi.org/10.1145/3366423.3380110摘要关键词搜索是一种在询问网络数据方面很重要的方法。对于图结构的数据，一个广泛流传的关键

二分抄代码·2020-07-07 14:30

对抗样本(论文解读四): Adversarial Attacks and Defenses in Images, Graphs and Text: A Review

Enjoy_endless·2020-07-06 21:42

Doing Math with Python读书笔记-第2章：Visualizing Data with Graphs

本章我们会使用绘图包matplotlib，因此先安装：$pip3install--usermatplotlibWARNING:pipisbeinginvokedbyanoldscriptwrapper.Thiswillfailinafutureversionofpip.Pleaseseehttps://github.com/pypa/pip/issues/5599foradviceonfixing

dingdingfish·2020-07-06 18:47

Linux下BitNami Redmine的插件安装与更新

2017年3月27日，Redmine-3.3.2-2安装以下的15款插件全部成功并通过测试（下面显示为插件正确文件夹名）：easy_wbsredmine_ckeditor提供所见即所得编辑器redmine_graphs

麟凤轩·2020-07-06 09:47

【Spark指南】- 图分析

graphs中，nodes或vertics是基本单元，edges定义他们之间的关系。图分析的过程就是分析这些关系的过程。一个图的例子就是你的朋友圈，在图分析的语境下，每个节点代表一个

有机会一起种地OT·2020-07-06 04:53

ECC notes：Dynamic Edge-Conditioned Filters in Convolutional Neural Networks on Graphs

论文主要介绍了一种在图结构上进行卷积操作的一种方法，简称为ECC。总结而言，ECC的卷积操作和常规的二维图像卷积操作都是一种加权平均操作，不同之处在于ECC可以作用在任何图结构上，并且其权重由节点间的边权所决定。Edge-ConditionedConvolution(ECC)ECC是一种对一个图的局部信息进行卷积的方法。Edge-Conditioned的意思是其卷积核由图上的边来决定。概念与符号定

Kangel_Zenn·2020-07-05 21:08

Zabbix Graphs汇总

Zabbix监控Windowsserver分组中当前登录的用户，将其统一在一个图片中展示。1、创建主机主机的名称随便写，IP地址就用默认的即可，不要链接任何模板，保存即可。2、添加监控项选择该主机，添加Items，监控类型Type选择Zabbixaggregate，Key：grpfunc[,,,]由于监控的是windows活动用户数量，是通过windows性能计数统计的，key值为：perf_co

水手爱菠菜·2020-07-02 08:15

unity NullReferenceException: Object reference UnityEditor.Graphs.Edge.WakeUp () (at D:/unity/

具体错误：NullReferenceException:ObjectreferencenotsettoaninstanceofanobjectUnityEditor.Graphs.Edge.WakeUp

kz2313456·2020-07-02 07:42

用对象图学习JavaScript

原文地址:http://howtonode.org/object-graphs成为一个高效的JavaScript开发人员的秘诀之一是真正理解语言的语义。

iteye_17686·2020-07-02 04:03

2019-04-29/2019-05-01 Graphs-cont'd

微信图片_20190501112123.jpg微信图片_20190501112316.jpg微信图片_201905011121231.jpg微信图片_201905011121232.jpg微信图片_201905011121233.jpg微信图片_201905011121234.jpg微信图片_201905011123161.jpg微信图片_201905011123162.jpgdefDijkstr

ANPULI·2020-07-02 03:58

Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering论文解读( and code)

《ConvolutionalNeuralNetworksonGraphswithFastLocalizedSpectralFiltering》提供了已实现的GCN，并且针对《SpectralNetworksandDeepLocallyConnectedNetworksonGraphs》存在的问题：1计算复杂度高2filter并不局部做出了相应的改进。学习GCN避免不了查看该篇文章。目录1论文贡献:

一碗风·2020-07-02 02:42

cs224n学习笔记L4: Backpropagation and computation graphs

文章目录课堂安排一、反向传播·续1.1∂s∂W\frac{\partials}{\partialW}∂W∂s的计算推导1.2梯度推导温馨提示1.3输入x的偏导1.4下游任务更新词向量存在的风险二、计算图及其反向传播2.1计算图的概念2.2一个简单地计算实例2.3分支网络的处理2.5高效计算：每个局部误差信号仅计算一遍2.6更复杂的计算图三、神经网络代码实现及相关框架3.1自动求导3.2计算图的代码

geek_hch·2020-07-02 00:10

【论文解读 ICLR 2020】Differentiable Learning of Numerical Rules in Knowledge Graphs

论文题目：Differentiablelearningofnumericalrulesinknowledgegraphs论文来源：ICLR2020CMU,BoschCenterforAI论文链接：https://openreview.net/forum?id=rJleKgrKwS关键词：知识图谱，数值规则，规则的学习（抽取），知识推理文章目录1摘要2引言3相关工作4一些定义与准备工作5使用数值特征

byn12345·2020-07-01 19:59

Networkx使用指南

nx.spring_layout美化作用最基本画图程序importimportnetworkxasnx#导入networkx包importmatplotlib.pyplotaspltG=nx.random_graphs.barabasi_albert_graph

EvanForEver·2020-07-01 15:14

unity 报错

NullReferenceException:ObjectreferencenotsettoaninstanceofanobjectUnityEditor.Graphs.Edge.WakeUp()(atC

Mediary·2020-07-01 11:05

A Simple and Effective IR Approach to Simple Question Answering over Knowledge Graphs 论文解读

RetrieveandRe-rank:ASimpleandEffectiveIRApproachtoSimpleQuestionAnsweringoverKnowledgeGraphs论文解读本篇论文是18年的EMNLP的一篇paper主要用在kbqa领域，本文章首先介绍他的详细步骤，最后再介绍该文章的创新点一、详细步骤1.Solr+BM25第一步基于query和KB（knowledgebase）

GrinAndBearIt·2020-07-01 09:19

【数据结构与算法】task6 图

参考：https://github.com/TheAlgorithms/Python/tree/master/graphs实现有向图、无向图、有权图、无权图的邻接矩阵和邻接表表示方法参考：https:/

y430·2020-07-01 07:12

[论文笔记] [2016] [NIPS] Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

这篇论文是2016NIPS上的一篇论文。从标题就可以看出这篇论文的特点所在：FastLocalizedSpectralFiltering。这篇论文的主要贡献在于：改进了SpectralNetworks，设计了localizedfilterongraph，并且计算复杂度较低；提出了一种较为有效的pooling策略。LearningFastLocalizedSpectralFilters作者总结了将卷

Alexzhuan·2020-07-01 04:39

[论文笔记] [2014] Spectral Networks and Deep Locally Connected Networks on Graphs

这篇论文首次提出了基于空域（Spectral-domain）和基于频域（Spatial-domain）的图上卷积神经网络。从题目可以看出，这篇论文分为两部分，一部分是DeepLocallyConnectedNetworks，一部分是SpectralNetworks。前者是基于空域角度去设计图卷积的，而后者是基于频域角度设计图卷积。SpatialConstruction空域上的工作，作者的意图是设计

Alexzhuan·2020-07-01 04:39

Week 6-Analysis of networks-From Topology to Function: Directed Sign Specified Graphs I

9.AAnalysisofnetworks对无方向图的分析。node和edgeScalefreenetworksNetworktopologyoflinksandnodesSmallworldnetworksNetworkProperties:Global:Cyclic–AcyclicPresenceorabsenceofloops…..importantforregulatorymotifsBi

英天·2020-06-30 17:36

algorithms-ch4-paths in graphs

4.1DistaneThedistancebetweentwonodesisthelengthoftheshortestpathbetweenthem.4.2Breadth-firstsearchAllthebreadth-firstsearchtree'spathsfromSaretheshortestpossible.Itisthereforeashortest-pathtree.proced

暗黑破坏球嘿哈·2020-06-30 17:48

JMeterPlugin性能监控

GUI界面中的pluginsmanager中的jpgc-Standardset，其中共包含以下的文件：jpgc-dummyjpgc-fifojpgc-graphs-basicjpgc-perfmonjpgc-tstjpgc-sensejpgc-functionsjpgc-casutgjpgc-ffw

我为峰2014·2020-06-30 16:42

DGL数据集MiniGCDataset解读

类:dgl.data.MiniGCDataset（num_graphs，min_num_v，max_num_v)参

清风思月·2020-06-30 15:19

PGE - A Representation Learning Framework for Property Graphs 属性图表示学习框架 KDD 2019

yyl424525·2020-06-30 11:45

[论文笔记]：GraphSAGE：Inductive Representation Learning on Large Graphs 论文详解 NIPS 2017

文章目录概括1回顾GCN及其问题transductivelearningvsinductivelearning2RelatedworkFactorization-basedembeddingapproaches（节点embedding）SupervisedlearningovergraphsGraphconvolutionalnetworks3Proposedmethod:GraphSAGE3.1

yyl424525·2020-06-30 11:43

go之树型结构深度理解

但当涉及到树（trees）和图（graphs）时，事情就会变得混乱，因为数据不是以线性方式存储的。树被称为非线性数据结构。事实上，你也可

FlyWine·2020-06-29 17:57

《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》论文理解

在《SpectralNetworksandDeepLocallyConnectedNetworksonGraphs》的基础上，《ConvolutionalNeuralNetworksonGraphswithFastLocalizedSpectralFiltering》作出了改进：作者提出，泛化卷积网络到图上需要以下3个基本的步骤：（1）在图上设计出局部的卷积核（2）将的相似节点聚类的图粗化过程（3

monster.YC·2020-06-29 08:47

【论文解读】Inductive Representation Learning on Large Graphs（GraphSAGE）

InductiveRepresentationLearningonLargeGraphsWilliam在2017年发表于NIPS，是一篇关于动态网络表征学习（DynamicNRL）的论文，属于property-preserving方法论文链接：https://papers.nips.cc/paper/6703-inductive-representation-learning-on-large-g

上下C-137·2020-06-29 02:46

matlab练习程序（马尔可夫聚类MCL）

因为上面文章是针对Graphs的，矩阵中有边为0的数据，而我的数据是Vector的，边是根据距离

weixin_33860722·2020-06-28 06:10

Tensorflow学习：（一）tensorflow框架基本概念

一、Tensorflow基本概念1、使用图（graphs）来表示计算任务，用于搭建神经网络的计算过程，但其只搭建网络，不计算2、在被称之为会话（Session）的上下文（context）中执行图3、使用张量

weixin_30344131·2020-06-27 18:43

火焰图（Flame Graphs）的安装和基本用法

火焰图（FlameGraphs）一、概述：火焰图（flamegraph）是性能分析的利器，通过它可以快速定位性能瓶颈点。perf命令（performance的缩写）是Linux系统原生提供的性能分析工具，会返回CPU正在执行的函数名以及调用栈（stack）。本文介绍它的安装和基本用法。二、安装perf和可视化生成器#yuminstallperf-y//yum方式安装perf#gitclonehtt

san.hang·2020-06-27 15:06

GCN--Learning Convolutional Neural Networks for Graphs

这篇论文是在属于空间域上的图卷积一篇入门的博客介绍文章：https://www.leiphone.com/news/201706/ppA1Hr0M0fLqm7OP.htmlLearningConvolutionalNeuralNetworksforGraphsabstractintroductionRelatedWorkBackgroundLearningCNNsforArbitraryGraph

玛卡巴卡米卡巴卡·2020-06-26 20:36

Explainable Reasoning over Knowledge Graphs for Recommendation基于知识图谱路径推理的可解释推荐

sun-T·2020-06-26 20:21

tensorflow学习-1

TensorFlow的基本概念1、使用图（graphs）来表示计算任务2、在被称之为会话（Session）的上下文（context）中执行图3、使用tensor表示数据4、通过变量（Variable）维护状态

Ｇlücklichste·2020-06-26 15:02

论文阅读笔记—Reasoning on Knowledge Graphs with Debate Dynamics（AAAI，2020）

这是一篇非常有趣的工作，看完会觉得眼前一亮。论文标题：ReasoningonKnowledgeGraphswithDebateDynamics发表于AAAI，2020动机很多机器学习的任务都是通过将节点与关系嵌入，并计算三元组置信度得分，然后最大化正例的得分得到嵌入向量，但究竟哪一部分对最终的得分起作用是难以解释的，本文模型有个三个模块，分别是两个agent和judge，对于待查询三元组：q=(

spring_sky_·2020-06-26 14:47

tensorflow笔记DAY01【连载】

feed——喂入数据的接口四、应用：线性模型1、生成样本数据2、构造一个线性模型3、构造lossfunction4、构造Optimizer5、定义代价函数，训练目的6、初始化变量7、开始训练一、基本概念使用graphs

MC.zeeyoung·2020-06-26 12:52

【泛读】NIPS-A Flexible Generative Framework for Graph-based Semi-supervised Learning

传统方法和最近的图神经网络没有充分利用特征features、图graphs和标签labels之间的内在关系。

Show Me The Money·2020-06-25 13:15

图神经网络论文阅读(二) Learning Convolutional Neural Networks for Graphs：ICML2016

#LearningConvolutionalNeuralNetworksforGraphs本文的三位作者都来自德国Heidelberg的NECLabsEurope，文章提出了一种从图数据中提取局部连接区域的通用方法（PATCHY-SAN），用来解决图神经网络中的经典问题：如何在大规模的图上应用卷积？如何将卷积操作泛化到任意结构的图？通过实验证明了算法的有效性，并且模型的计算是高效的。同样，该模型也

五月的echo·2020-06-25 11:07

GraphSAGE_Inductive Representation Learning on Large Graphs详细笔记

tf代码实现pytorch代码实现，该实现中缺少了无监督部分。1摘要GraphSAGE使用归纳式的方法解决了之前GCN和其他图学习网络中的直推式方法的问题。（因为在实际使用中经常会出现未知的节点，这样归纳式是比较方便和有效的）归纳式和直推式的区别：归纳式：测试样本不会出现在训练集中，例如训练某些单词的embedding时，单词a只在测试集中出现而训练集中没有单词a直推式：测试样本出现在了训练集中，

menfer·2020-06-25 10:00

Explainable Reasoning over Knowledge Graphs for Recommendation

ExplainableReasoningoverKnowledgeGraphsforRecommendation1.摘要近年来，将知识图结合到推荐系统中已引起越来越多的关注。通过探索知识图中的互连链接，可以将用户和项之间的连接发现为路径，从而为用户项交互提供丰富且互补的信息。这种连接不仅揭示了实体和关系的语义，而且有助于理解用户的兴趣。然而，现有的努力尚未充分探索用于推断用户偏好的这种连接性，尤其

湖南大学研究生-杜敏·2020-06-25 00:18

李嘉璇 TensorFlow技术解析与实战第三章笔记

TensorBoard目前支持7种可视化，即SCALARS、IMAGES、AUDIO、GRAPHS、DISTRIBUTIONS、HISTOGRAMS和EMBEDDINGS。这7种可视化的主要功能如下。

猫人尼塔33·2020-06-24 23:27

导读ICML2016 - Learning Convolutional Neural Networks for Graphs

http://mp.weixin.qq.com/s?__biz=MzIxNzE2MTM4OA==&mid=2665642794&idx=1&sn=b11ec8699218d43bb7b404a4980bf82e&scene=25感觉方法挺好：论文引介|LearningConvolutionalNeuralNetworksforGraphs原创2016-06-10涂存超智能立方文章原名：Learni

mmc2015·2020-06-24 15:35

GNN综述笔记1《Deep Learning on Graphs: A Survey》

目录1.INTRODUCTION2.NOTATIONSANDPRELIMINARIES3.GRAPHRECURRENTNEURALNETWORKS3.1Node-levelRNNs3.2Graph-levelRNNs1.INTRODUCTION一方面，深度学习方法在语音、图像和自然语言处理方面都表现出众，深度学习方法在提取数据复杂表征方面很强大。另一方面，图数据在现实生活中无处不在，比如社交网络、

mintminty·2020-06-24 15:59

Videos as Space-Time Region Graphs文章解读

VideosasSpace-TimeRegionGraphs（Wang的工作）[1]主要的创新是为视频构建了一个graphstructure，并利用图卷积网络来处理视频问题。采用的图卷积层公式都是基于Z=AXW，该公式是由kipf在Semi-SupervisedClassificationwithGraphConvolutionalNetworks[2上提出的，也是首次提出GCN的概念。笔者本科毕

ShiYaya_CASIA·2020-06-24 12:11

推荐频道

Graphs