【WGCNA学习笔记】两次相关性分析
纸上得来终觉浅，绝知此事要躬行
学习要明确输入输出，多举例子，多找到应用场景，多进行检索练习——费曼学习法
之前总感觉WGCNA已经学习的差不多了，已经能够实际使用了，结果时间一长，就会把这个技能给生疏了，所以，记录下学习的过程，有助于自己的认识深入。
学习金字塔
WGCNA的两次相关性分析
第一次相关性分析
WGCNA第一次实际上是把众多的基因进行了一个归类，将具有
人工智能
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')
Skywalking(v8.5.0)优化系列汇总
章节规划如下：
1. Agent的能力|设计|优化
我们需要观测什么
SkyWalking Agent 能观测什么
如何采集可观测性数据
揭开 Java Agent 的面纱
SkyWalking Agent 的设计及使用优化
参考文末附录：【当月亮守护地球 | SkyWalking Agent守护你的应用...有它相伴才安逸】
2. Agent插件篇
3. 负载均衡篇
4. 服务集群篇
5.
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
读《财富的起源》13
制造有趣的外生因素
传统经济学理论就像碗中球，无论我们让球滚到碗中的什么地方，它都会回到同一个均衡点上。
震动一开始就会让球离开均衡点，不断地在碗内滚动。当我们压弯碗的一边（请想象这是一只橡胶碗），改变约束的形状，最终球会根据碗的新形状而在一个新的均衡点停下。
模型限制之外的变量被称为外生变量，而模型限制内的变量则被称为内生变量。典型的外生变量包括客户喜好、技术创新、政府调控和天气变化。
在传统经
解析Apache BookKeeper
本系列关于 BookKeeper 的博客希望帮助大家理解和掌握 BookKeeper 原理和内部逻辑。理解系统内部运行逻辑是快速定位并解决生产问题以及开发和修改新功能的基石。在本系列后续文章中，我会将BookKeeper各项指标与运行机制相结合，为大家展现高效进行性能问题定位的方法。
BookKeeper 中包含很多不同的插件，我们主要关注 BookKeeper 作为 Apache Pulsar
原子内部99.99%都是空的，那么为什么多数物体都不透明
原子空是基于粒子模型的结论，以波或者能量的角度来看，原子并不空。透明也是一个相对概念，重点是物质能透过那种频率的电磁波。
如何理解原子的空？
第一个发现原子很空的人叫卢瑟福。
1911年，他做了一个“α粒子散射实验”，就是用α射线轰击一片薄金箔。他发现大多数α粒子都能直接穿透金箔，但少数α粒子会发生较大的散射，大约
ChatGPT 背后的数学
ChatGPT是由OpenAI开发的语言模型，它使用深度学习在自然语言中生成类似人类的响应。它基于转换器架构，并在大量文本数据语料库上进行训练，以生成连贯且有意义的答案。ChatGPT 背后的数学很复杂，涉及几种深度学习技术。
image.png
转换器架构
转换器架构是一种深度学习模型，由Vaswani等人在论文“注意力是你所需要的一切”中引入。它是一种神经网络架构，使用自注意机制来
嵌入式仿真实验教学平台接入Deepseek，开启AI实验教学新时代！
嵌入式仿真实验教学平台全新上线Deepseek+嵌入式知识库功能，深度融合大模型能力与垂直领域知识库，让嵌入式学习、开发更高效、更智能！四大核心功能，AIGC重新定义嵌入式实验教学！一、通用问题，Deepseek妙答从基础语法到操作系统原理，从通信协议到算法逻辑，所有嵌入式领域的
