人工智能

1. 首页
2. IT互联网
3. 人工智能

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

人工智能 2025年06月17日 146 点赞 0 评论 16439 浏览

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.

人工智能 2025年04月07日 185 点赞 0 评论 16421 浏览

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')

人工智能 2025年06月15日 86 点赞 0 评论 16384 浏览

建模论文组成部分

一、题目 避免指代不清、表达不明。加入论文的模型或计算方式。 二、摘要 1、要解决什么问题？问题的目标是什么？2、通过怎样的思路，建立什么模型解决问题？3、结果是什么？ 注意在论文完成后再写摘要！！！ 三、正文 1、提出问题，2、分析问题，3、选择模型，4、建立模型，5、得出结论。 提出问题和分析问题要简短。选择和建立模型要目标明确，数据详实，公式合理，计算精确。 内容尽量使用科学符号表达，结合图

人工智能 2025年06月15日 84 点赞 0 评论 16281 浏览

【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 2025年05月12日 130 点赞 0 评论 16243 浏览

Sending build context to Docker daemon 数据很大

正在部署一个docker软件 进行docker build的时候发现文件非常大 Sending build context to Docker daemon xxGB 心中出现疑虑为何会这么大，是不是把自己有个文件夹几个T的数据也传过去了。查了一下果然 Docker client会发送Dockerfile同级目录下的所有文件到Dockerdaemon。 解决的方式： 在一个新的文件夹中进行

人工智能 2025年03月28日 155 点赞 0 评论 16237 浏览

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]

人工智能 2025年06月17日 57 点赞 0 评论 16205 浏览

最新7+非肿瘤生信，机器学习筛选关键基因+样本验证。目前机器学习已经替代WGCNA成为筛选关键基因方法。非肿瘤生信分析欢迎咨询！

影响因子：7.31 关于非肿瘤生信，我们也解读过很多 目前非肿瘤中结合热点基因集，免疫浸润，机器学习，分型的分析是比较先进的。有需要的分析的朋友欢迎交流！！ 研究概述： 心房颤动（AF）是缺血性卒中的主要危险因素，而仅凭临床特征和神经影像学表现都不能可靠地分类心源性栓塞性卒中（CE）。本研究旨在确定在心房颤动相关心源性栓塞性卒中（AF-CE）患者中具有诊断价值的新型潜在生物标志物，区

人工智能 2025年06月02日 91 点赞 0 评论 16179 浏览

检验正态分布方法的汇总

在数据分析过程中，往往需要数据服从正态分布，正态分布，也称“常态分布”，又名高斯分布，在求二项分布的渐近公式中得到。很多方法都需要数据满足正态分布，比如方差分析、独立t检验、线性回归分析（因变量）等。如果说没有这个前提可能会导致分析不严谨等等。所以进行数据正态性检验很重要。那么如何进行正态性检验？接下来进行说明。 一、检验方法 SPSSAU共提供三种正态性检验的方法，分别是描述法

人工智能 2025年05月22日 131 点赞 0 评论 16139 浏览

第五十九章 使用 ^PERFSAMPLE 监控进程 - 收集样本

第五十九章 使用 ^PERFSAMPLE 监控进程 - 收集样本 本主题介绍 ^PERFSAMPLE 实用程序，这是一种用于分析 IRIS® 数据平台流程的工具。该实用程序处理实时系统上的活动，并呈现采样活动的易于导航的细分，这可以提供对系统的洞察力。例如，可以通过检查 ECP 请求来发现应用程序瓶颈，或者通过查看等待事件的类型来识别整个系统的瓶颈。 要开始，请从感兴趣的 IRIS 实例上的 %S

人工智能 2025年04月23日 188 点赞 0 评论 16130 浏览