Graph算法

[MatLab] - 厚度 - 图 + 图源码.zip

知识图谱里的关系学习，真的是个挺有意思的方向。《A Review of Relational Machine Learning for Knowledge Graph》这篇文章就把图模型怎么用在知识抽取和表示上讲得挺清楚，尤其是潜在特征模型和统计关系学习这块，得还蛮细的。你要是做推荐系统、问答系统，甚至是图谱构建，看看准没错。 文章里的图模型，不是那种可视化图表，而是基于实体关系构建的知识图谱结构。比如两个概念之间的“属于”、“包含”关系，就能抽象成边和节点。再配合嵌入技术，能自动学出隐藏的语义关系，效率高还挺稳。 对了，里面提到的Latent Feature Models，你可以理解成让模型

问题描述：一摆渡人欲将一只狼、一头羊、一篮菜从河西渡过河到河东。由于船小，一次只能带一物过河，并且，狼与羊、羊与菜不能独处。 渡河方法：1. 首先，将羊带到河东。2. 返回河西。3. 带狼过河。4. 将狼放在河东后，带羊回到河西。5. 将菜带到河东。6. 返回河西。7. 最后，将羊带到河东。 这样，所有物品都安全渡过了河。

此应用程序绘制二阶振荡器（例如质量和弹簧或钟摆）的交互图。当转储系数Beta改变时，它会开始新的图x(t)、dx/dt(t)和相位图dx/dt=f(x)。二阶方程为：d²x/dt² + beta*dx/dt + x=0。您可以安装APP oscilatorApp.mlappinstall文件，也可以按照文件中的说明准备自己的APP：howToMakeAPPs.txt。

Matlab SLAM工具包提供了SLAMTB-Graph.zip的GitHub下载链接。

RDF 三元组的图存储功能，DB2 的支持做得还挺到位。你要结构混杂、模式不统一的数据，用它就比较顺手了。是它的 SPARQL 查询，写法简单，查询跨数据源也没太大压力。 DB2 NoSQL Graph Store的RDF 支持，适合那种多来源数据整合的场景。以前要么拼接 SQL，要么靠定制代码，现在有标准化的语义查询方式，查询关系也方便多了。 三元组模型蛮有意思，它把数据拆成Subject-Predicate-Object三部分，类似“谁-干了什么-对象是谁”。比如张三 teaches 数据库课，转换成 RDF 后就能统一，还能关联更多信息。 查询用的是 SPARQL 语法，写起来像结构化版

OS Watcher Graph（OSWg）是Oracle开发的一种数据解析和图形显示实用程序，与OSW v2.0.0及更高版本捆绑提供。OSWg能解析支持的所有Unix平台上的vmstat文件，以及仅支持Solaris、AIX和Linux平台上的iostat文件。通过图形化显示这些信息，用户无需手动检查每个文件。

The Matlab code sqrt generates initial phase values for networks, stored in the file 'initial_phases.txt'. These values are evenly distributed between -pi and pi, and can be adjusted to fall between -val and val. The file 'network_generation.py' contains Python 3 code to generate two types of networ

ALLSPATH - 解决图中所有节点之间的最短路径问题，快速返回沿图边缘的最短节点到节点的距离。用法：B = allspath(A) A 是节点之间的距离矩阵，B 是所有节点之间的最短路径距离矩阵。注意：(1) 对于具有 n 个节点的图，A 是一个 n×n 的距离矩阵，给出相邻节点之间的距离。由于点 i 到点 j 的距离与点 j 到点 i 的距离相同，所以 A 一定是对称矩阵。(2) 从节点到自身的距离可以输入为零或无穷大，两者都会产生正确的结果。(3) 彼此不相邻的节点之间的距离必须输入为零或无穷大，两者都会产生正确的结果。(4) 如果输入图不是“连通的”，即无论经过多少条边都无法从其他节

ESP-DNN: Graph Convolutional Deep Neural Network for Predicting Electrostatic Potential Surfaces from DFT Calculations This repository contains trained models and code designed for generating ligands and proteins, creating electrostatic potential (ESP) surfaces that closely resemble DFT-quality mole