徐奕的专栏

简介细胞自动机（又称元胞自动机），名字虽然很深奥，但是它的行为却是非常美妙的。所有这些怎样实现的呢？我们可以把计算机中的宇宙想象成是一堆方格子构成的封闭空间，尺寸为N的空间就有NN个格子。而每一个格子都可以看成是一个生命体，每个生命都有生和死两种状态，如果该格子生就显示蓝色，死则显示白色。每一个格子旁边都有邻居格子存在，如果我们把33的9个格子构成的正方形看成一个基本单位的话，那么这个正方形中心的格子的邻居就是它旁边的8个格子。每个格子的生死遵循下面的原则：1． 如果一个细胞周围有3个细胞为生（一个

对比学习是一种通过对比正反两个例子来学习表征的自监督学习方法。对于自监督对比学习，下一个等式是对比损失：Li,j=−log⁡exp(zi⋅zj/τ)∑k=1,k≠i2Nexp(zi⋅zk/τ) \mathcal{L}_{i,j} = - \log \frac{exp(\textbf{z}_i \cdot \textbf{z}_j / \tau)}{\sum_{k=1,k
eq i}^{2N}exp(\textbf{z}_i \cdot \textbf{z}_k / \tau)}Li,j​=−log∑

什么是知识图谱全球最具权威的IT研究与顾问咨询公司高德纳发布了2020年AI领域技术成熟度曲线，其中知识图谱的期待值处在AI领域的顶峰，还有5到10年的发展机会达到平稳期，也就是大规模商用。知识图谱这个概念是在2012年谷歌知识图谱的提出而火起来的，追根溯源，知识图谱的前身是语义网络。通俗地说，知识图谱将无序分散的信息，以图的方式整合成知识。那么知识图谱和图、异质图这些概念有什么区别呢。这里给出了三个概念的形式化定义。其中图就是节点和边的集合，社交网络，引文网络，脉络树都是很典型的图。第二个是异

知识图谱可视化DemoGithub: https://github.com/xyjigsaw/Knowledge-Graph-And-Visualization-Demo本项目支持2D，3D知识图谱可视化与查询，主要为JavaScript代码。详细描述：https://www.omegaxyz.com/2020/03/03/knowledge-graph-demo/Aminer学术社交网络数据知识图谱构建Github: https://github.com/xyjigsaw/Aminer2KG

Paper: Wang, Xingbin, et al. “Dnnguard: An elastic heterogeneous dnn accelerator architecture against adversarial attacks.” Proceedings of the Twenty-Fifth International Conference on Architectural Support for Programming Languages and Operating Systems. .

Paper: Abts, Dennis, et al. “Think fast: a tensor streaming processor (TSP) for accelerating deep learning workloads.” 2020 ACM/IEEE 47th Annual International Symposium on Computer Architecture (ISCA). IEEE, 2020.简介本文介绍了一种名为张量流处理器(TSP)的新型处理器体系结构，它利用了机器.

简介冯·诺依曼图熵（VNGE）有助于测量图序列中图之间的信息差异和距离。给定第一个无向图 G=(V,E,A)G=(V, E, A)G=(V,E,A), 其中 AAA 是对称的邻接矩阵。 度矩阵定义为 D=diag(d1,...,dn)D=diag(d_1,...,d_n)D=diag(d1​,...,dn​)，则它的拉普拉斯矩阵为 L=D−AL=D-AL=D−A。其中后者的特征值 λi\lambda_iλi​ 被称为拉普拉斯谱。 这里，Hvn(G)H_{vn}(G)Hvn​(G) 为冯诺依曼图熵（von

Liu, Hongyuan, Sreepathi Pai, and Adwait Jog. “Why GPUs areslow at executing NFAs and how to make them faster.” Proceedings ofthe Twenty-Fifth International Conference on Architectural Support forProgramming Languages and Operating Systems. 2020.本文介绍.

论文Belghazi, Mohamed Ishmael, et al. “Mutual information neural estimation.” International Conference on Machine Learning. 2018.利用神经网络的梯度下降法可以实现快速高维连续随机变量之间互信息的估计，上述论文提出了Mutual Information Neural Estimator (MINE)。NN在维度和样本量上都是线性可伸缩的，MI的计算可以通过反向传播进行训练。核心

给你一个 m * n 的网格，其中每个单元格不是 0（空）就是 1（障碍物）。每一步，您都可以在空白单元格中上、下、左、右移动。如果您 最多 可以消除 k 个障碍物，请找出从左上角 (0, 0) 到右下角 (m-1, n-1) 的最短路径，并返回通过该路径所需的步数。如果找不到这样的路径，则返回 -1。示例 1：输入：grid =[[0,0,0],[1,1,0],[0,0,0],[0,1,1],[0,0,0]],k = 1输出：6解释：不消除任何障碍的最短路径是 10。消除位置

论文：Ham, Tae Jun, et al. “A^ 3: Accelerating Attention Mechanisms in Neural Networks with Approximation.” 2020 IEEE International Symposium on High Performance Computer Architecture (HPCA). IEEE, 2020.SJTU-CS7331-高级计算机系统架构 阅读材料HPCA，CCF-A体系结构顶会。随着神经网络计算需

PaperGCC: Graph Contrastive Coding for Graph Neural Network Pre-Training关键词: 对比学习，实例辨析，可转移性，预训练图神经网络预训练的图对比编码最近工作然而，到目前为止，大多数关于图的表示学习工作都集中在学习单个图或一组固定图的表示，非常有限的工作可以转移到域外的数据和任务。挑战如何设计预训练任务，使网络内和网络间的通用结构模式被捕获并进一步转移?主要思想预训练的想法是使用预训练的模型作为一个良好的初始化，对未见数据

PaperGCC: Graph Contrastive Coding for Graph Neural Network Pre-TrainingConference: KDDKeywords: Contrastive Learning, Instance Discrimination, Transferability, Pre-trainingRecent WorkHowever, most representation learning work on graphs has thus far f

FastAPI 是一个高性能 Web 框架，也是一个Python包，用于构建 API，适合利用极少的代码搭建服务器后端，实现前后端分离。RESTful API 就是REST风格的API。现在终端平台多样，移动、平板、PC等许多媒介向服务端发送请求后，如果不适用RESTful API，需要为每个平台的数据请求定义相应的返回格式，以适应前端显示。但是RESTful API 要求前端以一种预定义的语法格式发送请求，那么服务端就只需要定义一个统一的响应接口，不必像之前那样解析各色各式的请求。常见的API方法

Linux-Knowledge-Graph基于Triples和Neo4j的Linux知识图谱，目前包括401个实体和377个关系，未来会添加更多数据。项目地址：Linux-Knowledge-GraphLinux KG此文件夹包含了存储在csv中的Linux的实体和关系。原始数据在LinuxKG.xlsxfile namedescriptionlengthe_LinuxDir.csvLinux directory34e_system.csvcommand fo

学科领域种类Applied SciencesArts & HumanitiesEconomic & Social SciencesGeneralHealth SciencesNatural Sciences6个领域，180个子领域可视化EchartsjQuery项目地址https://github.com/xyjigsaw/academia预览网址https://xyjigsaw.github.io/academia/数据来源science-metr

本文共2865个字，预计阅读时间需要10分钟。Aminer科技情报大数据挖掘与服务系统平台AMiner是由清华大学计算机科学与技术系教授唐杰率领团队建立的，具有完全自主知识产权的新一代科技情报分析与挖掘平台 。AMiner平台以科研人员、科技文献、学术活动三大类数据为基础，构建三者之间的关联关系，深入分析挖掘，面向全球科研机构及相关工作人员，提供学者、论文文献等学术信息资源检索以及面向科技文献、专利和科技新闻的语义搜索、语义分析、成果评价等知识服务。典型的知识服务包括：学者档案管理及分析挖掘、专家学者

本文共404个字，预计阅读时间需要2分钟。步骤从Oracle官网下载jdk的Linux安装包至用户文件夹。可以使用命令下载也可ftp传输。将jdk压缩包解压到指定文件夹，并记住文件夹的路径。tar -zxvf jdk-linux-x64.tar.gz打开.bash_profile或者.profile文件vi .bash_profile在文件末尾添加环境变量JAVA_HOME="${PATH}:${HOME}/jdk1.8.0"CLASSPATH=$JAVA_HOME

本文共435个字，预计阅读时间需要2分钟。FastAPI 是一个高性能 Web 框架，也是一个Python包，用于构建 API，适合利用极少的代码搭建服务器后端，实现前后端分离。下面给出了一个任务：利用FastAPI搭建文件上传服务器，给出上传接口，并保存到服务器指定位置。需要使用的Python包：fastapi和uvicorn。服务器代码其中with open(file.filename, “wb”)是将客户上传的文件保存起来，上传的url地址为host:port/file_upload，可以

本文共731个字，预计阅读时间需要3分钟。简介从研究人员的主页(HTML)中提取信息，并将信息自动分为三类(您可以添加更多的类)。支持中英文页面。可以分成的类别：publicationeducationhonor详细从互联网文本数据中提取并分类学术行为的流程如下图所示，整个过程是线性的。在正式提取学术行为之前，首先人工标注互联网中少量的学术行为，生成训练集后，采用fastText进行训练生成模型并保存。接下来通过Python爬虫获取HTML元数据，将HTML数据传入网页正文提取算法W