- 综合排序
- 最热优先
- 最新优先
- 来自专栏科研菌
4+分结合特定通路综合讨论预后价值
HOXA成员在LSCC与对照组织的表达情况对比发现（图2B）： TCGA-LSCC中HOXA2和HOXA4的表达显著下调； 而HOXA7，HOXA9，HOXA10，HOXA11和HOXA13的表达显著上调 Pearson相关性分析的分析结果表明，7个差异表达的HOXA成员中的6个（HOXA4，HOXA7，HOXA9，HOXA10，HOXA11和HOXA13）与甲基化水平呈负相关。 图4森林图结果表明，HOXA10，HOXA11和HOXA13的表达以及临床特征（M期和性别）是LSCC预后的独立预后生物标志物。 ? 表1.LSCC中HOXA成员的单变量Cox分析和临床特征 ? 图4.重要预后因素的多元Cox回归分析结果的森林图 4.TIIC与HOXA成员之间的关联 考虑到越来越多的证据表明免疫学特征与癌症预后之间的关联，作者借助TIMER数据库进一步探讨TIICs（肿瘤免疫浸润细胞
68030发布于 2020-11-09 - 来自专栏机器学习算法与Python学习
群体智能-果蝇算法
这两种算法皆是藉由动物群体觅食行为而发展出来的，因此有学者称为群体智能或是群智能算法。而它们也都必须透过迭代的搜寻才能搜寻到最佳解，因此亦属于演化式计算的领域。 图2 果蝇群体迭代搜寻食物的示意图 其步骤为: (1) 随机初始果蝇群体位置。 Init X_axis Init Y_axis (2) 附与果蝇个体利用嗅觉搜寻食物de随机方向与距离。 Disti=sqrt(X_i^2+Y_i^2 )； Si=1/Disti (4) 味道浓度判定值(S)代入味道浓度判定函数(或称为Fitness function)以求出该果蝇个体位置的味道浓度(Smelli x、y 坐标，此时果蝇群体利用视觉往该位置飞去。 D(i)=(X(i)^2+Y(i)^2)^0.5; S(i)=1/D(i); (4) 味道浓度判定值(S)代入味道浓度判定函数(或称为Fitness function)以求出该果蝇个体位置的味道浓度(
3.6K110发布于 2018-04-08 AGORA：通过群体蒸馏激发大语言模型的群体涌现能力
这种增益源于群体涌现能力——孤立模型无法实现的集体能力合成，验证了交互作为智能可扩展驱动力的有效性。研究结果将协作生态系统的工程化定位为能力涌现的关键前沿。 主题分类机器学习（cs.LG） 人工智能（cs.AI） 核心创新交互式扩展轴：突破传统参数缩放模式，建立模型间结构化交互机制 群体蒸馏技术：通过协作集成产生超越单体模型的群体涌现能力 性能验证： 在数学推理任务中实现4.45%的绝对性能提升 技术价值该研究为大语言模型能力突破提供了新范式，证明通过设计交互生态激发的群体智能可成为继数据/参数扩展后的第三代能力提升路径。
16610编辑于 2025-08-05- 来自专栏哲学驱动设计
CQRS讨论
今天和同事一起讨论了CQRS（Command Query Responsibility Segregation），过程中，我产生了一些疑问，先记录在这里，以后有解决方案了再说。 ：） http://blog.jteam.nl/2009/12/21/rethinking-architecture-with-cqrs/ 以下是讨论正文： 发件人: 1B-2-12 胡庆访;
82670发布于 2018-01-29 - 来自专栏运维之路
群体协同方式
晚上在阅读大卫.西贝特的可视化思维丛书中提到的群体协作手段，恰好与最近的一些思考相呼应，摘录出书中的一些可视化协同工具。 排名用的支持软件 平板电脑（或手机），并实时投影出来 2、同一时间+不同地点 典型代表：线上会议，适用于办公协同不在同一处地点，但在同一时刻需要进行沟通，比如每天多地的站立会，周例会等 电话会议，配备讨论文件 以浏览器为基础的决策支持软件 远程桌面共享 直播 3、不同时间+不同地点 典型代表：互联网连接，不同时间通常针对非实时的协同 电子邮件 云端共享数据库 电子化公告板 社交媒体，社群类 传真 项目管理工具 转播 4、
61320发布于 2020-03-06 - 来自专栏机器学习AI算法工程
用户群体画像那些事儿
伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。 用户群体画像是产品用户增长的利器之一——它能够帮您探究产品指标数字背后的原因。 群体画像的用途 用户群体画像可以帮助我们： 分析某个指标数字背后的用户，具备哪些特征——他们的人群属性、他们的行为特点？ 找到一些有趣的、有价值的事实，并从中发现产品有效改进提升的机会或方向。 用户群体画像应如何使用？ 群体画像除了帮助我们查看产品用户的特点，更重要的作用是发现产品问题的背后的原因。 用户群体画像提供了一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！ 如何构建用户画像 伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。
3.2K110发布于 2018-03-13 - 来自专栏技术猫屋
log4j 1.x 与 logback 的鸡肋RCE讨论
0x01 写在前面 对 log4j2 漏洞的后续研究中，发现一些有趣的东西，记录分享一下 0x02 log4j 真的在任何情况不存在 JNDI注入吗？ 翻阅 Log4j2 的 pull request 发现一个有意思的对话： 有人提出实际上 log4j 和 log4j2 一样易受攻击的，只不过与 log4j2 相比，Log4j 的攻击向量“更安全” 因为 Log4j 的攻击入口点是其配置文件，而 log4j2 的攻击入口点是用户的输入 那么实际上如何呢？ log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout 同样的，在 resources 目录下创建log4j.properties文件，内容如下： log4j.rootLogger=DEBUG,database log4j.appender.database
52220编辑于 2023-01-03 - 来自专栏月小水长
当人们在讨论 ChatGPT 时，都在讨论什么
笔者分别使用微博和推特爬虫爬取了国内外网民对 ChatGPT 的讨论，并使用 Bert 预训练模型进行主题建模和可视化，从多个角度对比了各类人群对 ChatGPT 的不同看法。 笔者抓取了微博上 2022.12.01 至 2023.02.06 关于 ChatGPT 的讨论共计 2.6 w 条，对所有数据预处理后使用 BertTopic 建模，时间序列可视化如下。 主题分布 时间序列主题演化 然后抓取了同时期的推特推文，做同样的处理，结果如下， 主题分布 时间序列主题演化 对比主题分布可知，微博和推特网友对 ChatGPT 讨论的话题有显著差异： 微博网友主要表达了对职业取代的担忧和对 再看细看微博网友的讨论，先用笔者之前做过的在线分析网站 https://weibo-crawl-visual.buyixiao.xyz/topic-weibo-visual 分析之： 看图，一切尽在不言中 男性关于 chatgpt 的主题分布 女性关于 chatgpt 的主题分布 除了 Topic 4 之外，感觉没有明显区别~ 最后使用笔者开发的关键词共现可视化页面： https://weibo-crawl-visual.buyixiao.xyz
68630编辑于 2023-03-02 - 来自专栏技术面面观
golang 指针讨论
好几天没有更新了，因为小熊给老板打了包票，要把 10 天的工作，压缩在 5 天，怎么压缩，靠加班咯。今天回家以后连不上那几台服务器，加班不成，写写文章。
55510发布于 2020-05-14 - 来自专栏AI机器学习与深度学习算法
机器学习入门 13-4 OOB和关于Bagging的更多讨论
上一小节介绍了 Bagging 这种集成学习方式，我们不再使用不同的机器学习算法进行集成，而是使用同一种机器学习算法，让这个算法在不同的样本上进行训练，而这些不同的样本是通过对全部样本数据有放回取样得到的，这些在不同样本上训练的子模型有一定的差异性。
78830发布于 2021-05-11 - 来自专栏顾宇的研习笔记
讨论微服务之前，你知道微服务的 4 个定义吗？
本文从“Microservice“这个概念的源头出发，总结了 4 个常用的微服务定义。 因此接下来他继续讨论了领域驱动设计领域驱动设计和康威定律的重要性。他认为界限上下文要足够的清晰，但可以有所重合。 通过服务组件化 围绕业务能力组织 是产品不是项目 智能端点和哑管道 去中心化治理 去中心化数据管理 基础设施自动化 为失效设计 演进式设计 这 9 大特征的中文版具体内容请参考这里，限于篇幅原因，本文不展开讨论 比”什么是微服务“更重要的事 本文总结了微服务常见的 4 个定义。但比这些定义更重要的是你为什么要用微服务？你想从微服务中获得什么益处？你是否了解为了追求这些益处所带来的代价？ 不过，在讨论这些问题之前，坐下来统一一下对微服务的理解，会提升我们讨论和实践微服务的效率。
90130发布于 2018-09-16 - 来自专栏PHP开发者那些事
当我们讨论swoole的时候，我们在讨论什么？
swoole的学习成本： swoole 4以上版本下业务代码都是同步写法，不用改变开发习惯，从php转向swoole过程相对平滑，可直接上手。
6.5K40发布于 2020-12-03 - 来自专栏机器学习、深度学习
群体运动度量--Measuring Crowd Collectiveness
Collectiveness 用于描述群体运动的一致性的一个定义 Collectiveness, which indicates the degree of individuals acting as a union in collective motion Collectiveness 的定义是 表示 个体的运动和 群体运动的相似度，个体在群体运动中的参与度， 人群，鱼群，细菌群，羊群 等等都有有序的运动 在一定的环境下，群体中的个体按照不同的水平的群体运动组成一个整体，所以群体运动的描述由个体的参与度决定，这反应了个体的运动和 群体运动的相似度。 一个群体系统 C 的 crowd collectiveness 可以被定义为 所有个体的 individual collectiveness 的均值，可以用如下公式来计算 ? 3 Properties of the Collectiveness 介绍了 我们定义的这个 Collectiveness 三个属性 4 Collective Motion Detection
80290发布于 2018-01-03 - 来自专栏格物致知
讨论 Setsockopt选项
SOL_SOCKET: 基本套接口 IPPROTO_IP: IPv4套接口 IPPROTO_IPV6: IPv6套接口 IPPROTO_TCP: TCP套接口 optname(选项名)： 这个选项常用于黑客技术中，隐藏自己的IP地址 IP_OPTINOS IP首部选项 int IP_TOS 服务类型 IP_TTL 生存时间 int 以下IPV4选项用于组播 IPv4 选项 数据类型 描 述 IP_ADD_MEMBERSHIP struct ip_mreq 加入到组播组中 IP_ROP_MEMBERSHIP struct ip_mreq 该选项类型是ip_mreq结构，它的第一个字段imr_multiaddr指定了组播组的地址，第二个字段imr_interface指定了接口的IPv4地址。 但是，在以上的情况下，至少有4个包将用来进行双向传输，这样就增加了可观的延迟时间。此外，你还得注意到，在“有用的”数据被发送之前，接收方已经开始在等待信息了。
1.7K20编辑于 2022-08-19 - 来自专栏Kubernetes手记
Kubernetes集群体检之Polaris
/deploy/ 可以将扫描结果保存到yaml文件中 polaris --audit --output-format yaml > report.yaml 4 使用Polaris 上面简单的介绍了，
1.6K20发布于 2021-07-01 - 来自专栏ops技术分享
文件权限讨论
---- 讨论： 大神A： 你给qin用户这个目录读写执行 那它就可以操纵里面的东西。 大神A：因为qin用户可以管理qin这个目录 那如果不可以操作它里面东西 它如果删除qin这个目录？ localhost qin]# echo "1" >> a.txt [root@localhost qin]# su qin [qin@localhost ~]$ ls -l /home/qin/ total 4
86820发布于 2021-05-27 - 来自专栏智能制造社区
当我们在讨论APS时，我们在讨论什么?
前天，智能制造社区的小伙伴们在讨论APS,还是有一些比较好的意见可以分享给大家。 1. 讨论截图 ? ? ? ? ? ? ? ?
95820发布于 2020-02-11 - 来自专栏钱塘大数据
当我们讨论数据挖掘时，我们在讨论什么？
? ? ? ? ? ? ? ? ? ? ?
915120发布于 2018-03-06 - 来自专栏ThoughtWorks
讨论微服务之前，你知道微服务的 4 个定义吗？| 洞见
本文从“Microservice“这个概念的源头出发，总结了 4 个常用的微服务定义。 ? 因此接下来他继续讨论了领域驱动设计领域驱动设计和康威定律的重要性。他认为界限上下文要足够的清晰，但可以有所重合。如果没有办法做到领域之间很清晰，就通过“物理上的手段”——分离不同的团队来做到这一点。 4. Provisioned automatically ——“自动初始化” 自动初始化的要点不在于如何自动化，因为不同的应用不同的平台有不同的初始化方式。这里的重点在于管理分布式应用的复杂性。 ---- 比“什么是微服务”更重要的事 本文总结了微服务常见的 4 个定义。但比这些定义更重要的是你为什么要用微服务？你想从微服务中获得什么益处？你是否了解为了追求这些益处所带来的代价？ 不过，在讨论这些问题之前，坐下来统一一下对微服务的理解，会提升我们讨论和实践微服务的效率。 ----
71220发布于 2018-11-23 - 来自专栏.Net Core技术分享
当我们在讨论CQRS时，我们在讨论些神马？
Console.WriteLine($"{Name} Say: {word}"); } } 在Person类中： Name、Age：属性（状态） Say(string): 方法（行为） 再回到本小节讨论的内容 欢迎讨论！
69630发布于 2019-09-23
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