数论complete josuke graph

自定义Graph Component:1.1-JiebaTokenizer具体实现

JiebaTokenizer类继承自Tokenizer类,而Tokenizer类又继承自GraphComponent类,GraphComponent类继承自ABC类(抽象基类)。本文使用《使用ResponseSelector实现校园招聘FAQ机器人》中的例子,主要详解介绍JiebaTokenizer ......
JiebaTokenizer Component Graph 1.1

AT AGC043C - Giant Graph - 总结

AT AGC043C - Giant Graph 因为 \({(10^{18})}^{x+y+z}\) 的底数很大,所以我们贪心的选择 \(x+y+z\) 大的点是存在正确性的。那么我们从小点向大点连有向边,形成 DAG 后,对于一个点,如果它指向的点都没有被选取,那么选择它,否则不选。 我们发现这 ......
Giant Graph 043C AGC 043

rasa train nlu详解:1.2-_train_graph()函数

本文使用《使用ResponseSelector实现校园招聘FAQ机器人》中的例子,主要详解介绍_train_graph()函数中变量的具体值。 一.rasa/model_training.py/_train_graph()函数 _train_graph()函数实现,如下所示: def _train_ ......
train train_graph 函数 graph rasa

SuperGlue: Learning Feature Matching with Graph Neural Networks论文笔记

SuperGlue: Learning Feature Matching with Graph Neural Networks 源码: github.com/magicleap/SuperGluePretrainedNetwork 背景: 主要解决图像中点之间的对应关系。 主要方法: 上图为该方法的 ......
SuperGlue Learning Matching Networks Feature

【学习笔记】初等数论-组合计数

加法原理 若完成一件事的方法有 \(n\) 类,其中第 \(i(1 \le i \le n)\) 类方法包括 \(a_i\) 种不同的方法,且这些方法互不重合,则完成这件事共有 \(\sum\limits_{i=1}^{n}a_i\) 种不同的方法。 乘法原理 若完成一件事的步骤有 \(n\) 个, ......
数论 笔记

AT_agc034_e Complete Compress

原题链接 这里是用 set 实现的换根 DP,时间复杂度 \(O(n\log n)\)。 记 \(siz_x,g_x,f_x\) 分别为 \(x\) 及其子树中有多少个关键点,所有关键点到 \(x\) 的距离和,将关键点尽可能两两向上合并后到 \(x\) 的距离和(我愿意理解为是将 \(g_x\) ......
Complete Compress AT_agc 034 agc

[ARC105F] Lights Out on Connected Graph 题解

题意 给定一个 \(N\) 个点 \(M\) 条边的简单无向联通图 \(G\)。每个边有红和蓝两种颜色,初始时每条边均是红色。 现在通过移除 \(G\) 中的一些边来获得一个新的无向图 \(G^{\prime}\),求在所有的 \(2^M\) 种方案中有多少种方案可以使得 \(G^{\prime}\ ......
题解 Connected Lights Graph 105F

[ARC105E] Keep Graph Disconnected 题解

题意 给定一张由 \(N\) 个点和 \(M\) 条边组成的简单无向图 \(G\),定义一个无向图是好的当且仅当这张图满足以下条件: \(1\) 号节点和 \(N\) 号节点不联通 图中不存在重边和自环 现有两人轮流采取操作,每轮操作如下: 选择两个点 \(u, v\),将边 \((u, v)\) ......
题解 Disconnected Graph 105E Keep

题解 LOJ3483【[USACO21FEB] Counting Graphs P】

题解 P7418【[USACO21FEB] Counting Graphs P】 problem Bessie 有一个连通无向图 \(G\)。\(G\) 有 \(N\) 个编号为 \(1\ldots N\) 的结点,以及 \(M\) 条边(\(1\le N\le 10^2, N-1\le M\le ......
题解 Counting Graphs USACO 3483

【欧拉图】Euler Graph(Fluery算法,Hierholzer算法)

还在持续更新ing 前言 此乃小 Oler 的一篇算法随笔,从今日后,还会进行详细的修订。 注明:有参考自论文《欧拉图相关的生成与计数问题探究》 简单介绍 著名的哥尼斯堡七桥问题是18世纪著名的古典数学问题之一,该问题在相当长的时间里无人能解。欧拉经过研究,于1736年发表了论文《哥尼斯堡的七座桥》 ......
算法 Hierholzer Fluery Euler Graph

linux同步机制-completion

一、completion 1.1 什么是completion linux内核中,完成量completion是一种代码同步机制。如果有一个或多个线程必须等待某个内核活动操作达到某个点或某个特定状态,那么completion完成量可以提供一个无竞争的解决方案。 1.2 completion的使用 1.2 ......
completion 机制 linux

Nebula Graph开源分布式图数据库,万亿级数据,毫秒级延时

推荐一个分布式图数据库Nebula Graph,万亿级数据,毫秒级延时 什么是Nebula Graph Nebula Graph 是一款开源的、分布式的、易扩展的原生图数据库,能够承载包含数千亿个点和数万亿条边的超大规模数据集,并且提供毫秒级查询 什么是图数据库 图数据库是专门存储庞大的图形网络并从 ......
数据 分布式 数据库 Nebula Graph

Distilling Knowledge from Graph Convolutional Networks

目录概符号说明DistillGCNLocal Structure Preserving代码 Yang Y., Qiu J., Song M., Tao D. and Wang X. Distilling knowledge from graph convolutional networks. CVP ......

植物图形泛基因组Graph-based pan-genome

目录图形泛基因组的构建图泛构建方法获取和合并PAV变异图泛的存储格式线性参考基因组坐标的恢复图泛的可视化图泛的注释基因结构注释图泛的变异注释结构变异鉴定与基因分型图泛比对软件的优势图泛的应用功能元件的鉴定现有物种中的图泛规模基于图泛的GWAS未来应用结论与未来展望 图形泛基因组(图泛)以节点和路径的 ......

《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记

论文标题 《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》 干什么活:交通流预测(traffic flow forecasting ) 方法:动态图卷积网络(Dynamic Graph Convolu ......

初级数论

#include <bits/stdc++.h> using namespace std; const int P=1e9+7; int mod(int a){//求模 return ((a%P)+P)%P; } int add(int a,int b){//加法 a=mod(a); b=mod(b ......
数论

Graph Neural Networks with Adaptive Residual

目录概符号说明AirGNN代码 Liu X., Ding J., Jin W., Xu H., Ma Y., Liu Z. and Tang J. Graph neural networks with adaptive residual. NIPS, 2021. 概 基于 UGNN 框架的一个更加鲁 ......
Adaptive Networks Residual Neural Graph

Is Homophily a Necessity for Graph Neural Networks?

目录概 Ma Y., Liu X., Shah N. and Tang J. Is homophily a necessity for graph neural networks? ICLR, 2022. 概 探究 Homophily 假设 (即相互连接的结点相似) 对于 GCN 发挥效果是否是必须 ......
Homophily Necessity Networks Neural Graph

神经网络基础篇:史上最详细_详解计算图(Computation Graph)

计算图 可以说,一个神经网络的计算,都是按照前向或反向传播过程组织的。首先计算出一个新的网络的输出(前向过程),紧接着进行一个反向传输操作。后者用来计算出对应的梯度或导数。计算图解释了为什么用这种方式组织这些计算过程。在这个博客中,将举一个例子说明计算图是什么。让举一个比逻辑回归更加简单的,或者说不 ......
网络基础 Computation 神经 基础 Graph

数论筛法学习笔记

算法部分 杜教筛 \[S(n) = \sum_{i = 1}^{n}f(i) \]要求 \(f\)积性,且能被表示为 \(f* h = g\),而 \(g\) 的前缀和与 \(h\) 的点值是好求的。 考虑展开狄利克雷卷积。 \[\begin{aligned} \sum_{i = 1}^{n} f* ......
数论 笔记

初级数论

#include <bits/stdc++.h> using namespace std; const int P=1e9+7; int mod(int a){//求模 return ((a%P)+P)%P; } int add(int a,int b){//加法 a=mod(a); b=mod(b ......
数论

数论学习笔记

整除 若 \(a / b (b \ne 0)\) 为整数,则称 \(b\) 整除 \(a\) ,记作 \(b \mid a\) 。若 \(a / b\) 和 \(c / b\) 的余数相等,则称 \(a, c\) 模 \(b\) 同余。 同余 关于同余,有以下命题等价: \(a\) 和 \(b\) ......
数论 笔记

「CF715E」Complete the Permutations

\(\text{「CF715E」Complete the Permutations}\) \(\text{Link}\) \(\text{Describe}\) 给定长为 \(n\) 的且部分确定的置换 \(p,q\)。定义 \(p,q\) 距离为通过交换 \(p\) 任意两项变为 \(q\) 的最 ......
Permutations Complete 715E 715 the

数论分块

一、应用情景 求 \(\sum\limits_{i = 1}^{n} g(i)\lfloor\frac n i\rfloor,n\leq 10 ^{12}\) 二、常见结合 莫比乌斯反演 …… 三、算法原理&代码实现 实际上,\(~\lfloor \frac n i\rfloor~\)的取值其实最多 ......
数论

GraphPrompt: Unifying Pre-Training and Downstream Tasks for Graph Neural Networks

目录概符号说明GraphPrompt代码 Liu Z., Yu X., Fang Y. and Zhang X. GraphPrompt: Unifying pre-training and downstream tasks for graph neural networks. WWW, 2023. ......

GPT-GNN: Generative Pre-Training of Graph Neural Networks

目录概符号说明GPT-GNN代码 Hu Z., Dong Y., Wang K., Chang K. and Sun Y. GPT-GNN: Generative pre-training of graph neural networks. KDD, 2020. 概 比较早的一篇图预训练模型. 符号 ......

数论学习笔记

目录 前言 数论基础 1.1 整除 1.2 带余除法,同余 质数 2.1 唯一分解定理 2.2 质数筛(线性筛) 2.3 欧拉函数 最大公因数/最小公倍数 3.1 辗转相除法 3.2 裴蜀定理 3.2 扩展欧几里得算法 线性同余方程 4.1 费马小定理 4.2 欧拉定理 4.3 逆元 4.4 求解线 ......
数论 笔记

【学习笔记】数论——同余相关

0 前言 闲的没事的时候可能会摸鱼写一写,都是些非常基础的东西。 最高大概会写到 exCRT 和 exBSGS 吧,阶和原根往后的我也不会了,但是前面的内容会时不时来补充。 为了方便偷懒,许多定理不会给出证明。 1 基本概念 \(\gcd(a,b)\) 或者 \((a,b)\):\(a,b\) 的最 ......
数论 笔记

UniKGQA Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph

目录概主要内容代码 Jiang J., Zhou K., Zhao W. and Wen J. UniKGQA: Unified retrieval and reasoning for solving multi-hop question answering over knowledge graph ......

论文阅读:Unifying Large Language Model and Knowledge Graph:A RoadMap

1 Introduction 大模型和知识图谱结合的综述。 简单介绍一下大模型和知识图谱的优缺点: 如上所示。 本文主要划分为三个模块,分别为: KG-enhanced LLMs LLM-augmented KGs Synergized LLM + KG 2 Background 主要介绍了LLM和 ......
Knowledge Unifying Language RoadMap 论文