墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
200+累计阅读
256平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
Machine Learning with Graphs:Part2
1. Node embeddings
-
2.Graph neural networks
-
Ref:
Machine Learning with Graphs
http://web.stanford.edu/class/cs224w/index.html#schedule
COMP 766 - Graph Representation Learning
https://cs.mcgill.ca/~wlh/comp766/schedule.html
06.Adv. Topic
免费下载2021冬斯坦福大学Stanford CS224W《图机器学习Machine Learning with Gra
2021年冬季斯坦福大学Stanford CS224W《图机器学习Machine Learning with Graphs》课程全部PPT，从官网下载的，有缘人自取，不需要积分就可以下载，欢迎大家下载。这位大佬的视频b站有相关的视频，感兴趣的可以去结合一起看，PPT里有部分经典文献，打开后右键即可直达，非常的方便，下次的课程要到2022年冬季才有，这次的课程目前是最新的，讲的内容很详细，祝大家学有所获。
图机器学习基础知识——CS224W（17-scalable）
图机器学习基础知识——CS224W（17-scalable）
工业互联网工控安全与工业质检AI大模型建设方案.pptx
工业互联网工控安全与工业质检AI大模型建设方案.pptx
图机器学习基础知识——CS224W（08-app）
图机器学习基础知识——CS224W（08-app）
2024 《计算机网络》实验教学指导书.doc
2024 《计算机网络》实验教学指导书.doc
散户逆袭神器：用通达信DIY指数发现下一个光伏储能（附龙头股筛选模板）
本文详细介绍了如何利用通达信软件的自定义指数功能，构建个人专属的行业监控工具，以发现类似光伏储能这样的潜力赛道。文章提供了从零开始的指数编制步骤、核心的龙头股筛选模板，以及五个关键的数据校验技巧，帮助散户投资者实现机构级的行业分析与机会挖掘，有效提升投资决策能力。
图机器学习基础知识——CS224W（16-advanced）
图机器学习基础知识——CS224W（16-advanced）
达梦--利用存储过程与定时任务实现数据自动迁移
本文详细介绍了在达梦数据库中如何结合存储过程与定时任务实现数据自动迁移。通过一个电商订单归档的实战案例，阐述了从设计表结构、编写具备异常处理和幂等性的存储过程，到配置DBMS_SCHEDULER定时任务的全流程。该方法能有效替代手动脚本，确保数据同步任务的稳定、准确与自动化执行，适用于报表准备、数据备份等多种场景。
CS224W: Machine Learning with Graphs - 08 GNN Augmentation and Training
CS224W: Machine Learning with Graphs - 08 GNN Augmentation and Training
Elasticsearch 8.17.1 JAVA工具类
整理了Elasticsearch8.17最新版的API工具类
Multisim仿真运放积分器踩坑实录：为什么你的方波变不成三角波？
本文针对Multisim仿真运放积分器时方波无法转换为三角波的常见问题，提供了详细的排查与调试指南。文章指出，经典RC积分电路因直流反馈开路导致运放饱和，核心解决方案是在反馈电容两端并联大阻值电阻以稳定直流工作点。通过参数优化（调整Rin、C、Rf）和高级仿真技巧，手把手教你调出线性度好、幅度适中的完美三角波，并分享异常波形（如饱和、不对称、振荡）的对应策略。
Machine Learning with Graphs:Part1
Translating Embeddings for Modeling Multi-relational Data,NIPS,2013https://blog.csdn.net/u012052268/article/details/79045477https://blog.csdn.net/strivequeen/article/details/108172417 Ref: Machine Learning with Graphshttp://web.stanford.edu/c...
告别Keil！用VSCode+PlatformIO玩转STC单片机（附自动下载配置）
本文详细介绍了如何从Keil迁移到VSCode+PlatformIO进行STC单片机开发，包括环境搭建、自动下载配置等实用技巧。通过对比传统IDE与现代工具链的差异，展示了VSCode+PlatformIO在代码编辑体验、跨平台支持和开发效率上的优势，帮助开发者实现更流畅的STC单片机开发流程。
图学习会议 2024 笔记（一）
😊，so now嗯。嗯，人要是q and你。
openclaw通俗入门系列4——智能体工作区
工作区 = 智能体的家，存放它的性格、记忆、技能。默认不是牢笼（可以用沙箱隔离）。建议放到私有 Git 备份，但绝对不要提交密钥！
【SpringBoot 3.x 第43节】你还敢说 Spring 启动慢是“宿命”？Spring AOT 把启动剧本都提前写死了，你服不服？
🏆本文收录于《滚雪球学SpringBoot 3》，专门攻坚指数提升，本年度国内最系统+最专业+最详细（永久更新）。
PointWorld: 动作条件的全场景3D点flow 预测（用同一种3D物理空间模态来表示状态和动作）
PointWorld: Scaling 3D World Models for In-The-Wild Robotic Manipulation
QGIS编译（跨平台编译）之五十六：QScintilla编译、QScintilla安装（Windows、Linux、MacOS环境下编译、安装）
QGIS编译；QScintilla编译、QScintilla安装（Windows、Linux、MacOS环境下编译、安装）
SLAM 领域国内外优秀实验室汇总
本文汇总了全球范围内在SLAM（同时定位与建图）领域具有影响力的研究团队及其代表性成果。涵盖美国、欧洲、亚洲等地的高校和实验室，包括卡耐基梅隆大学机器人研究所、麻省理工学院SPARK实验室、苏黎世联邦理工大学计算机视觉与几何实验室等。重点介绍了各团队的研究方向（如视觉/激光SLAM、语义导航、多机器人协作等）、开源项目（如VINS-Mono、ORB-SLAM2、Kimera等）以及经典论文（如iSAM、ElasticFusion等）。同时收录了国内优秀团队如
efm32 入门.pdf
本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。
Data-Structures-and-Algorithm-Analysis-in-Java.pdf
作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...
Google Cloud AI Platform深度学习训练实战指南
深度学习模型训练已从本地GPU环境演进为云原生工程实践。其核心原理在于将计算任务容器化、数据存储对象化（如GCS）、调度管理服务化，从而实现环境一致性、资源弹性伸缩与跨团队可复现性。技术价值体现在显著降低CUDA版本冲突、显存溢出排查、分布式脚本编写等非建模开销，让工程师聚焦于模型结构、数据质量与超参调优。典型应用场景包括工业缺陷检测、医疗影像分析、推荐系统迭代等需快速验证与稳定交付的AI项目。本文基于Google Cloud AI Platform（现整合至Vertex AI），围绕TFRecord数据优
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
全文 - Building AI Coding Agents for the Terminal: Scaffolding, Harness, Context Engineering, and Less
AI 编程辅助的格局正在经历一场根本性转变：从复杂的 IDE 插件转向通用的、终端原生的智能体（agent）。直接在开发者管理源代码版本控制、执行构建和部署环境的终端中运行，基于 CLI 的智能体为长程开发任务提供了前所未有的自主性。本文介绍OpenDev——一个专为这一新范式打造的开源命令行编程智能体。有效的自主辅助需要严格的安全控制和高效的上下文管理，以防止上下文膨胀和推理退化。
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白
图机器学习基础知识——CS224W（06&07-GNN）
图机器学习基础知识——CS224W（06&07-GNN）
CS224W: Machine Learning with Graphs - 07 Graph Neural Networks (GNN) 2: Design Space
CS224W: Machine Learning with Graphs - 07 Graph Neural Networks (GNN) 2: Design Space
Stanford cs224w : machine learning with graphs 筆記
目前上完lecture 1~4 :https://github.com/tom99763/cs224w/blob/main/Course_Notes.pdf 後補各個chapter的code、experiment跟自己做的project
CS244W: Machine Learning with Graphs (6) ——信息传递和节点分类
Main question：给定一个在某些节点上有标签的网络，我们如何将给网络中的所有其他节点分配标签？ 个体行为与网络环境是相互关联的，如以下三种关联： 相似的节点通常紧密相连或直接连接，利用这些相关性，即节点的特征，节点邻居的特征，节点邻居的标签，来分配标签的三种方法： 关系分类算法（Relational classification） 迭代分类算法（Iterative classification） 置信度传播算法（Belief propagation） 马尔科夫假设： ...
CS224W Analysis of Networks
课程地址：http://web.stanford.edu/class/cs224w/index.html#resources 课程背景：网络是建模复杂的社会、技术和生物系统的基本工具。随着生物科学中在线社交网络和大规可用模数据的出现，本课程重点分析提供许多计算、算法和建模挑战的大规模网络。 课程摘要：本课程将涵盖最近对这种大型网络的结构和分析以及抽象其基本属性的模型和算法的研究。我们将探讨如何...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1079
扫一扫
