人工智能
工具 | 比较基因组 | WGDI
看我不如看【参考】
参考：
WGDI |
WGDI |
bilibili | WGDI的简单使用（一）
bilibili | WGDI的简单使用（二）
简书 | xuzhougeng | 如何用WGDI进行共线
转录组丨limma差异表达分析，绘制火山图和热图
limma差异表达分析
本篇笔记的内容是在R语言中利用limma包进行差异表达分析，主要针对转录组测序得到的基因表达数据进行下游分析，并将分析结果可视化，绘制火山图和热图
[TOC]
基因表达差异分析是我们做转录组最关键根本的一步，不管哪种差异分析，其本质都是广义线性模型，limma也是广义线性模型的一种，其对每个gene的表达量拟合一个线性方程。
limma包是2015年发表在Nuclei
50 - 基因组预测的基础(4) - ssGBLUP和H矩阵
ssGBLUP经过10多年的发展，已经普遍开始应用在动物育种中。
以前的多步法
image.png
基因组评估
image.png
问题：
image.png
表型的测量
image.png
image.png
BLUP会低估基因组选择趋势
image.png
一步法（ssGBLUP）
image.png
展
土味儿说明数据治理-主数据&参考数据（参考数据）
一，前言
主数据和参考数据在我们数据开发或者JavaWeb开发的同学都有经常接触，并且是大量的使用和分析场景，在数据治理中提到的一些专业名词在数据仓库中或者业务的RDBMS库中都有对应的关系映射。
映射关系：
图片.png
业务系统中交易的订单状态，支付中的支付状态 在数据治理中都可以理解为参考数据。这类数据的特性在于他要比主数据小，具体体现是参考数据的 “列和行” 都要比主数据小，
论文阅读_神经网络知识蒸馏_DK
英文题目：Distilling the Knowledge in a Neural Network
中文题目：神经网络知识蒸馏
论文地址：
领域：深度学习
发表时间：2015
作者：Geoffrey Hinton，谷歌
出处：NIPS
被引量：6972
阅读时间：2022.09.21
读后感
这是最早提出蒸馏模型的文章，它训练
Apache Pulsar——分层存储
前言
在一些流数据用例场景中，用户希望将数据长时间存储在流中。虽然 Apache Pulsar 对topic backlog的大小没有限制，但将所有数据存储在 Pulsar 中较长时间，存储成本比较大。分层存储支持在不影响终端用户的条件下，将较旧的数据移动到长期存储中。
在推荐服务中，开发者不希望限制 backlog 的大小。以音乐服务为例，终端用户每听一首歌，就向 topic 中添加一条消息。使
BookKeeper 基本原理
[TOC]
本篇文章主要聚焦于 BookKeeper 内核的实现机制上，会从 BookKeeper 的基本概念、架构、读写一致性实现、读写分离实现、容错机制等方面来讲述，因为我并没有看过 BookKeeper 的源码，所以这里的讲述主要还是从原理、方案实现上来介绍，具体如何从解决方案落地到具体的代码实现，有兴趣的可以去看下 BookKeeper 的源码实现。
BookKeeper 基础
正如 Ap
【AI视频】从单模型，到AI Agent工作流
不用手搓AI视频工作流了，试试CrePal的Agent模式
写在最前面
技术人的“AI创作”痛点：我们到底在烦什么？
Agent工作流实战：一次“小猫做饭”的自动化项目管理
从执行到交付：Agent的全程托管
亮点：Agent如何实现精细化控制与高效迭代？
模板，但不止于模板
样式迁移（neural style）
(一)样式迁移(neural style)
就是有两张图片，例如一张人像，一张油画，你想把优化的风格迁移到人像上。生成一张油画版的新的人像。
（1）基于CNN的样式迁移
从图中看出似乎有三个神经网络，实际上是只有一个神经网络。这图的意思是，我们希望输出值是左右两张图片的结合，但是具体怎么结合呢？就是让有些层能够和左边网络的某些层匹配。还有些曾能够和右边的样式的某些层匹配
