- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
ucinet网络分析实例(网络分析app)
UCINET包含大量包括探测凝聚子群（cliques, clans, plexes）和区域（components, cores）、中心性分析（centrality）、个人网络分析和结构洞分析在内的网络分析程序 其余两个中心性的解释根据公式和网络分析图结合起来说明更加有真实性与连贯性，在建模中，这就是基本的网络分析了。 六个主要的社会网络分析软件的比较 [2]. 网络的介数中心性(betweenness)及计算方法 [3]. SNA(社会网络分析)——三种中心度总结 [4]. 《社会网络分析法》(刘军 译) [5]. 薛萍. 基于社会网络的研究型高校优势学科方向发展预测研究 [D]. 导师: 朱凌. 浙江大学,2014 [6]. 社会网络分析方法简介 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/127388.html原文链接：https://javaforall.cn
4.8K20编辑于 2022-08-01 - 来自专栏全栈程序员必看
MaskRCNN RPN网络分析
在每个锚生成5种大小和3种形状的候选框（每层特征对应一种大小，每个锚点对应3种形状）。并进行两层卷积后，做前景与背景的分类，与候选框的偏移量回归。与目标重叠> = 0.7则为前景，与目标重叠<= 0.3则为背景，其余框去掉。
1K20编辑于 2022-09-10 - 来自专栏敲得码黛
Docker桥接网络分析
shell # 关闭firewalld [root@VM-8-10-centos ~]# systemctl stop firewalld # 检查iptables [root@VM-8-10-centos [root@VM-8-10-centos ~]# ip addr del 172.17.0.1/16 dev docker0 [root@VM-8-10-centos ~]# ip addr show -s xx1 -o eth0 -j SNAT --to-source xxx.xxx.xxx.x10 # 监听eth0网卡的icmp数据包 [root@VM-8-10-centos ~]# tcpdump -i eth0 -p icmp -nv | grep x10 # xx2主机 # 监听eth0网卡的icmp数据包 [root@VM-8-10-centos ~]# tcpdump -i eth0 -p icmp -nv 根据tcpdump抓包分析xx1确实发送了源地址为x10的数据包，但是从xx2主机的监听结果看并没有收到来自xx1或来自x10发送的数据包。
49810编辑于 2024-06-12 - 来自专栏宜信技术实践
Kubernetes网络分析之Flannel
因为这个网关是通过onlink设置的，flannel会下发这个mac地址，查看一下arp表 # ip neig show dev flannel.1 10.254.50.0 lladdr ba:10:0e 方式直接下发了这个转发表FDB # bridge fdb show dev flannel.1 92:f3:c8:b2:6e:f0 dst 10.100.139.246 self permanent ba:10
2.5K40发布于 2019-06-28 - 来自专栏空间转录组数据分析
针对高维数据（10X单细胞空间）的共表达网络分析（hdWGCNA）
hdWGCNA，一个单细胞和空间转录组学数据的共表达网络分析框架。共表达网络基于输入特征的转换成对相关性，从而对基因之间的相关性进行定量测量（原理和WGCNA类似）。 单细胞数据中固有的稀疏性和噪声可能导致虚假的基因相关性，从而使共表达网络分析复杂化。此外，单细胞或空间转录组数据的相关结构在不同的亚群(细胞类型、细胞状态、解剖区域)中差异很大。 发现10个ODC模块中有8个基于其MEs在ODC细胞中特异性表达。最后，进行了模块保存分析，以测试这些模块在独立数据集中的可重复性，并发现所有odc特定的模块都被显著保存。 总之，这些人类PFC数据集中的网络分析显示了hdWGCNA工作流程的核心功能。 the dimensionality reduction to perform KNN on k = 25, # nearest-neighbors parameter max_shared = 10
2.6K30编辑于 2023-06-20 - 来自专栏用户8870853的专栏
社会网络分析相关概念概述
三、 凝聚子群（Co⁃hesive Subgroup）分析是社会网络分析中的重要方法，其目的是为了揭示社会行动者之间实际存在的或者潜在的关系。 当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，社会网络分析称这样的团体为凝聚子群。 社会网络分析方法中的核心—边缘结构分析可以对网络“位置”结构进行量化分析，区分出网络的核心与边缘 偏心率（Eccentricity）： 从一个给定起始点到距离它最远节点的距离。
1.9K20发布于 2021-07-27 - 来自专栏人工智能LeadAI
CNN卷积神经网络分析
但是使用局部感知，假设每个隐藏中的神经元与图像中的10x10的局部图像相连，那么此时的权值参数数量变为1000x(10x10）个。 ? 在上面的局部连接中，每个神经元都对应10x10=100个参数，一共1000个神经元，如果这1000个神经元的100个参数都是相等的，那么参数数目就变为100了。 怎么理解权值共享呢？ 乘以一个训练参数w，再加一个偏置b，通过sigmoid函数计算； 参数：因为局部参数共享，(1+1)x6=12个 连接数：(2x2+1)x14x14x6 卷积层C3： 16个卷积核，每个特征图大小是10x10
93510发布于 2018-07-26 - 来自专栏Linux内核深入分析
linux网络分析之回环网卡
/* 所谓回环网卡， 就是一个虚拟网卡。 既然是虚拟网卡那么就和硬件没关系。 * 在linux主机上输入"ifconfig" 看见eth 和 lo。 其中lo就是所谓的虚拟网卡，即回环网卡 * 本节主要分析这个虚拟网卡的驱动程序 */ struct pcpu_lstats { u64 packets; u64 bytes; struct u64_stats_sync syncp; }; /* 因为是虚拟网卡， 所以就不需要暂停数据传输， 当然也不需要唤醒。 因为不需要写入寄存器
2.7K20编辑于 2022-05-08 - 来自专栏魂祭心
btcd p2p 网络分析
btcd p2p 网络分析 比特币依赖于对等网络来实现信息的共享与传输，网络中的每个节点即可以是客户端也可以是服务端，本篇文章基于比特币go版本btcd探索比特币对等网络的实现原理，整个实现从底层到上层可以分为地址
1.9K20发布于 2019-03-12 - 来自专栏全栈程序员必看
贝叶斯网络分析软件Netica
贝叶斯网络分析软件Netica使用方法 软件介绍 Netica软件是由NORSYS software corp.出品，是目前世界上应用最广泛的贝叶斯网络分析软件，以简单、可靠、高效的目的开发软件。 首先进行贝叶斯网络分析，需要构建网络network，方法有3种： File–New–Network Ctrl+N File正下方的按钮图标 构建网络之后会发现软件中的功能键变成彩色，可以使用，
6.3K10编辑于 2022-08-31 - 来自专栏yeedomliu
Wireshark网络分析从入门到实践
这种模式对于使用Wireshark这样的网络分析工具来捕获和分析网络数据是非常重要的。 图1-10中就是按照流量进行排序后的对话列表。 图1-10 Wireshark中的对话列表 从图1-10中可以看出来，104.25.219.21与192.168.1.102之间对话产生的流量最多为21k。 在文本框中输入10，单位选择为“秒”（见图3-3）。 图7-19 上网过程中产生的数据包 这5个数据包的含义如图7-20所示，其中①②③④⑤分别对应着图7-19中的第9、10、11、12、13这几个数据包。
1.8K30编辑于 2023-11-20 - 来自专栏用户6291251的专栏
人物社交网络分析—平凡的世界
上一期的推送，小F做了一些社交网络分析的前期工作。 传送门：Python数据可视化：平凡的世界 比如获取文本信息，人物信息。 最后生成一个人物出现频数词云图。 本次来完成剩下的工作。 实现《平凡的世界》的人物社交网络分析。 / 01 / 人物联系 人物社交网络分析是用来查看节点、连接边之间社会关系的一种分析方法。 节点是社交网络里的每个参与者，连接边则表示参与者之间的关系。 plt # 显示中文,及字体设置 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['font.size'] = 10 width=1, alpha=0.3, edge_color='b', style='dashed') # 标签 nx.draw_networkx_labels(G, pos, font_size=10
1.5K20发布于 2020-10-09 - 来自专栏生信小驿站
社交网络分析(Social Network Analysis in Python)①
首先让我们从社交网络的含义开始。 下面你会看到一个宝莱坞演员网络作为节点。 如果他们在至少一部电影中合作，他们就会用实线连接。所以，我们可以看到Amitabh Bachchan和Abhishek Bachchan都与网络中的所有演员合作，而Akshay Kumar只与两个Bachchans合作。 这也是一个社交网络。 任何具有个人之间联系的网络，其中连接捕获它们之间的关系是社交网络。 分析这些网络可以让我们深入了解网络中的人，比如谁是真正的影响者，谁是最相关的，等等。
3.7K21发布于 2019-02-22 - 来自专栏FPGA开源工作室
【vivado约束学习三】 时钟网络分析
【vivado约束学习三】 时钟网络分析 时钟网络反映了时钟从时钟引脚进入FPGA后在FPGA内部的传播路径。
2.1K20发布于 2019-10-29 - 来自专栏拓端tecdat
R语言网络分析友谊悖论案例
p=17906 本文简要介绍一下网络分析，我想提供一些有关“友谊悖论”的R语言例证。
67410发布于 2020-11-30 - 来自专栏Y大宽
WGCNA:加权基因共表达网络分析
加权基因表达网络分析（Weighted gene co-expression network analysis, WGCNA），又叫权重基因共表达网络分析，其根本思想是根据基因表达模式的不同，挖掘出相似表达模式的基因
4.3K53发布于 2019-05-20 - 来自专栏用户7627119的专栏
代谢通路和信号传导网络分析工具
该数据库是关于基因、蛋白、酶代谢子、药物、生化反应以及通路的综合数据库。该数据库实际由多个子数据库构成，最著名的当属通路KEGG PATHWAY数据库，它是目前被广泛使用的通路数据库。其中包含上千个物种的代谢与信号传导通路信息，这些信息从生物学实验和文献中提取，并经过人工校正。实时更新的管理模式也是人们能够从该数据库获得最新的通路数据。
1.4K30发布于 2020-08-28 - 来自专栏小明的数据分析笔记本
加权基因共表达网络分析（WGCNA）实例
datExpr<-as.data.frame(t(expCPM)) group_list=factor(ifelse(as.numeric(substr(rownames(datExpr),14,15)) < 10 image.png 选择软阈值 powers1<-c(1:10,seq(12,30,by=2)) sft = pickSoftThreshold(datExpr,
2.8K21发布于 2020-03-23 - 来自专栏机器学习与统计学
二.theano实现回归神经网络分析
L2 = Layer(L1.outputs, 10, 1, None) 参数中L1的输出作为输入值，L1的输出10个节点作为输入节点，输出节点1个，激励函数为None。 同时定义了L1层和L2层： L1 = Layer(x, 1, 10, T.nnet.relu) 输入为x，1维的data，神经元10个，relu非线性激励函数 L2 = Layer(L1.outputs , 10, 1, None) 输入为L1输出值， L2的in_size为L1的神经元10，假设L2输出为最终output #coding:utf-8 import numpy as np import the inputs dytpe x = T.dmatrix('x') #d代表64位float类型 y = T.dmatrix('y') #add layers L1 = Layer(x, 1, 10 , T.nnet.relu) L2 = Layer(L1.outputs, 10, 1, None) 3.计算误差与梯度下降更新 定义cost变量计算误差，即预测值与真实值的差别；再定义梯度下降变量
58330发布于 2019-04-10 - 来自专栏C/C++进阶专栏
基于Python的社交网络分析与实践
一，社交网络基础 1.社交网络分析的基本概念 社交网络分析(Social Network Analysis，简写为SNA)，又称为社会网络分析，是指基于信息学、数学、社会学、管理学、心理学等多学科的融合理论和方法 社交网络分析涉及的理论很广泛，有网络科学、复杂网络分析、图神经网络等。 社交网络中的连接强度划分： a.强连接：通常指那些紧密而频繁的关系，这种连接是双向的、交互频繁的。 G = nx.Graph() # 添加节点 G.add_node(1) G.add_nodes_from([2, 3, 4, 5, 6]) G.add_nodes_from([7, 8, 9, 10 )]) G.add_edges_from([(6, 11), (6, 12)]) G.add_edges_from([(9, 10), (10, 11)]) G.add_edges_from([(11, True) plt.show() 运行结果： 节点6的度数：7 图的密度： 0.3333333333333333 社区的划分： [{1, 2, 3, 4, 5, 7, 8}, {6, 9, 10
1.7K10编辑于 2024-07-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号