跟着Nature Communication学作图：R语言ggplot2话点线图展示基因表达量的范围
论文
Microbiomes in the Challenger Deep slope and bottom-axis sediments
#code-availability
对应代码链接
人工智能
《小学数学教材中的大道理》（五）：负数的认识引向何处
小朋友上兴趣课的时候，我在一旁撰写读书笔记，和孩子一起学习收获成长。今天阅读课题5《用温度计引入复数并不理想》。还是问题导向下阅读。此外结合2022版新课标来看该部分的一些变化。
1.用温度计引入负数为什么不理想？
负数的引入在三大版本教材（人教版，苏教版，北师大版）都是从温度计引入。我从来都是这么教的，也没想到温度计引入有什么问题。没有从更长远的将负数带入封闭性运算的角度来思考
图神经网络：GAT图注意力网络原理和源码解读（tensorflow）
标签：图神经网络，图注意力网络，注意力机制，GAT，tensorflow
本文内容分为三块：
GAT原理扫盲
GAT源码阅读（tensorflow）
GAT源码链路分析
GAT的GraphSAGE策略实现分析
原理初步理解
（1）从GNN，GCN到GAT
先看个哔哩哔哩视频理解一下，链接地址GAT原理视频链接
GNN学习的是邻居节点聚合到中心的方式，传统的GNN对于邻居节点采用求和/求平均的
Apache Flink Framework
Apache Flink is a framework and distributed processing engine for stateful computations over unbounded and bounded data streams. Flink has been designed to run in all common cluster environments, perf
机器学习之生成对抗网络（GAN）
每日一句交朋友不是让我们用眼睛去挑选那十全十美的，而是让我们用心去吸引那些志同道合的。目录每日一句一.为什么需要GAN？——传统生成模型的痛点与GAN的突破1.1 传统生成模型的核心痛点痛点1：生成数据质量低（源于“重构误差最小化”的局限）痛点2：生成过程不可控（源于“无条件生成”的局限）
从零开始：使用DeepSeek+Spring AI搭建RAG知识库，从青铜到王者之路
一、RAG 知识库：解锁精准问答的新姿势在人工智能飞速发展的当下，大语言模型（LLMs）已广泛应用于各种自然语言处理任务。但它们也存在一些局限性，如 “幻觉” 问题，即生成的内容可能与事实不符或缺乏足够的准确性。为了解决这些问题，检索增强生成（Retrieval-Augmented Ge
hdWGCNA：单细胞WGCNA分析方法
WGCNA原理和分析流程
单细胞WGCNA分析方法+随机森林
0. 数据准备
输入数据集的要求：已经进行了如下分析的Seurat对象
导入演示数据
#官方演示数据集
wget
seurat_obj <- readRDS('Zhou_2020.rds')
AI Agent 三大核心：Harness Engineering、Hermes Agent、OpenClaw 全解析（2026最新）
前言2026年，AI Agent 开发已从“概念探索”迈入“工程化落地”阶段，Harness Engineering、Hermes Agent、OpenClaw 三大核心元素强势崛起，成为开发者必备的技术栈。无论是企业级AI系统的合规管控，还是个人开发者的快速落地，亦或是多场景协同的生态搭建，都离不开这三者的支撑
深度学习&PyTorch 之 DNN-回归
前面文章讲了PyTorch的基本原理，本篇正式用PyTorch来进行深度学习的实现。
一、基本流程
PyTorch建模的基本流程如下：
graph LR
A[数据导入] --> B[数据拆分]
B[数据拆分] --> C[Tensor转换]
C[Tensor转换] --> D[数据重构]
D[数据重构] --> E[模型定义]
E[模型定义] --> F[模型训练]
