时光轴
共计： 6个分类
674 篇文章 616980人阅读
429条留言
更新时间：2021年02月20日
| 2014年4月11日 发表第一篇博文，采用EMLOG | 2014年4月28日 博客被360搜索引擎收录 |
|---|---|
| 2014年5月08日 博客被谷歌搜索引擎收录 | 2014年6月10日 博客被bing搜索引擎收录 |
| 2015年4月23日 博客文章数超过160篇 | 2016年4月20日 科幻小说：超元 开始连载 |
| 2017年6月28日 域名备案成功 | 2017年10月1日 博客改版，采用WordPress |
| 2019年10月1日 添加域名:51bog.com |
2021 年
- 02月
- 20日: CogDL:基于图的深度学习的研究工具
- 06日: Python中全局变量的引用与修改
- 01月
- 26日: 拉普拉斯算子和拉普拉斯矩阵
- 23日: 拉普拉斯矩阵与拉普拉斯算子的关系
- 23日: 关于Fourier和Laplace的学习笔记
- 20日: 原神队伍配置攻略：强力输出功能齐全的队伍组合
- 14日: 深度学习之Skip-Gram和CBOW原理
- 14日: 词向量技术的学习
- 14日: MCMC(一)蒙特卡罗方法
- 13日: CSDN文章中的公式替换
- 13日: 深入浅出Word2Vec原理解析
- 12日: 漫谈Word2vec之skip-gram模型
- 10日: word2vec原理详细解析
- 02日: node2vec源码解读
- 01日: Alias Method离散分布随机取样
2020 年
- 11月
- 10月
- 12日: 梯度、散度与旋度
- 12日: 图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导
- 11日: “卷积”其实没那么难以理解
- 10日: 如何通俗地理解卷积？
- 08日: 图神经网络 GNN GAT & GCN（一）
- 09月
- 17日: 刘则渊：迈向引文分析 4.0 时代
- 01日: 人工智能探索——浅谈人类神经网络的复杂性
- 01日: 基于图神经网络的知识图谱研究进展
- 08月
- 17日: Vsftp锁定用户目录的有效方法
- 16日: Win10修改用户名和user文件夹下的计算机名称
- 12日: 20个Pandas函数详解
- 07月
- 06月
- 30日: DynamicGEM：动态图嵌入方法库
- 22日: 万字长文带你入门 GCN
- 22日: 浅谈「正定矩阵」和「半正定矩阵」
- 18日: Embedding Temporal Network via Neighborhood Formation
- 17日: 前沿论文综述：如何把一系列随时而变的网络放到一个特征空间下比较？
- 17日: Embedding Temporal Network via Neighborhood Formation
- 16日: Deep Dynamic Network Embedding for Link Prediction阅读笔记
- 16日: Dynamic Network Embedding by Modeling Triadic Closure Process 阅读笔记
- 07日: 傅里叶系列（二）傅里叶变换的推导
- 07日: 傅里叶系列（一）傅里叶级数的推导
- 05日: 【官方双语】微分方程概论
- 04日: 残差网络学习心得
- 04日: 深入理解Batch Normalization批标准化
- 02日: 《Attention is All You Need》浅读（简介+代码）
- 02日: 图深度学习入门教程（
- 05月
- 04月
- 26日: 图神经网络(GNN)基础
- 25日: GNN: Review of Method and Applications
- 25日: 图卷积神经网络理论基础
- 25日: 关于压缩映射和不动点
- 20日: Torch geometric GCNConv 源码分析
- 13日: 变分自编码器：原来是这么一回事
- 10日: 如何通俗地解释泰勒公式？
- 09日: 用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）
- 09日: 图卷积神经网络(GCN)详解:包括了数学基础(傅里叶，拉普拉斯)
- 09日: 傅里叶变换与图像的频域处理
- 09日: 回顾频谱图卷积的经典工作：从ChebNet到GCN
- 08日: 图神经网络库PyTorch Geometric（PYG）教程
- 08日: Weisfeiler-Lehman(WL)算法和WL Test
- 08日: Graph Convolutional Networks
- 08日: GAE图自编码器的起源和应用
- 08日: VGAE（Variational graph auto-encoders）论文详解
- 08日: Deep Learning on Graphs with Graph Convolutional Networks
- 07日: Structured deep models: Deep learning on graphs and beyond
- 07日: 拉普拉斯矩阵与拉普拉斯算子的关系
- 02日: 【线性代数的本质】合集-转载于3Blue1Brown官方双语】
- 01日: 神奇矩阵:傅里叶变换与矩阵分解
- 01日: 欧拉公式
- 01日: GCN中的等式证明
- 01日: GCN的形象讲解
- 01日: 微分和导数的关系与几何意义
- 03月
- 31日: GCN学习笔记：手把手用Numpy实现GCN
- 31日: GCN在Tensorflow2.0的实现代码
- 31日: RGCN – Modeling Relational Data with Graph Convolutional Networks 使用图卷积网络对关系数据进行建模 ESWC 2018
- 30日: TensorFlow2.1 中图神经网络GNN的实现
- 19日: pdfplumber表格抽取概述
- 18日: python 对office的基本操作
- 16日: AutoEncoder与VAE解释
- 16日: Keras代码超详细讲解LSTM实现细节
- 10日: TensorFlow2.0教程：模型建立、自定义模型与可视化
- 10日: python中的类与继承
- 02月
- 01月
- 15日: 从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型
- 14日: ICML论文 | 利用CNN来学习任意图结构修改版
- 12日: 学习geometric deep learning笔记系列
- 12日: 优雅的使用免费的Google Colab
- 09日: 图卷积网络GCN代码分析（Tensorflow版）
- 08日: 神经网络概述
- 07日: 图卷积神经网络GCN
- 06日: 基于深度学习的命名实体识别与关系抽取
- 06日: 知识图谱的下一步：知识指导的预训练模型和图神经网络
- 06日: TensorFlow入门:多层 LSTM 案例
- 06日: 如何建立多层和双向LSTM
- 04日: 图解GPT-2（可视化GPT-2语言模型）
- 04日: Seq2Seq那些事：详解深度学习中的“注意力机制”
- 04日: Word2vec图解与可视化
- 04日: 神经机器翻译模型（基于注意力机制的Seq2Seq模型）的可视化
- 04日: Attention注意力机制
- 04日: 从Seq2seq到Attention模型到Self Attention（二）
- 04日: 从Seq2seq到Attention模型到Self Attention（一）
- 03日: 基于tensorflow 使用seq2seq+attention+beansearch搭建一个聊天机器人教程
- 03日: 使用机器学习进行语言翻译：神经网络和seq2seq为何效果非凡
- 02日: 真正的完全图解Seq2Seq Attention模型
- 02日: tf.reshape()与tf.transpose的举例说明
- 02日: Tensorflow的基本概念与常用函数
- 01日: LSTM-tf.nn.static_rnn与tf.nn.dynamic_rnn.用法差异
2019 年
- 12月
- 31日: 关于序列建模，是时候抛弃RNN和LSTM了
- 31日: TensorFlow中tf.slice,tf.split,tf.concat,tf.stack等张量操作函数详解
- 30日: 基于LSTM实现mnist手写数字识别更新版
- 30日: LSTM和GRU神经网络
- 30日: TensorFlow构建循环神经网络
- 30日: 深度学习的seq2seq模型
- 30日: Seq2Seq 模型及 Attention 机制
- 30日: tf.variable_scope和tf.name_scope的用法
- 30日: TensorFlow—共享变量的使用方法
- 26日: TensorFlow的LSTM的应用
- 24日: LSTM/GRU应用实例（Tensorflow版）
- 21日: 关系，几何和人工智能
- 19日: 【官方双语】微积分的本质
- 19日: 微分方程与偏微分：全讲解视频
- 19日: 跳出公式，看清全局，图卷积网络（GCN）原理详解
- 19日: 从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）
- 19日: GCN白话文解析修改版
- 19日: 浅析图卷积神经网络
- 19日: 港中文AAAI录用论文详解：ST-GCN 时空图卷积网络模型 | AAAI 2018
- 11日: 复杂网络研究新方向：全齐性子网络
- 03日: 用于图像分类的经典的卷积神经网络CNN
- 02日: 深度学习中的注意力机制
- 11月
- 29日: 倪星教授在2019届毕业生“最后一堂课”上的讲话
- 28日: CNN卷积神经网络原理讲解+图片识别应用（附修正后的源码）
- 28日: Bootstrap方法介绍及其应用
- 25日: 超强二笔输入法__高校数据家园版
- 23日: Dynamic Network Embedding by Moding Tridaic Closure Process : 论文笔记
- 23日: metapath2vec:Scalable Representation Learning for Heterogeneous Networks : 论文笔记
- 23日: HIN2Vec Explore Meta-paths in Heterogeneous Information Networks for Representation Learning : 笔记
- 23日: 异质信息网络：一种新的网络建模与分析方法
- 23日: HIN异构信息网络
- 21日: HIN-基于元路径的相似度计算
- 18日: LINE:Large-scale Information Network Embedding–论文笔记
- 16日: CANE:Context-Aware Network Embedding for Relation Modeling翻译
- 16日: 信息熵及其相关概念
- 13日: Efficient Estimation of Word Representations in Vector Space(Word2vec)阅读心得分享
- 12日: Distributed Representations of Sentences and Documents（Doc2vec）精读分享
- 12日: word2vec前世今生
- 10日: 吴恩达:斯坦福CS229机器学习课程
- 10日: 金庸告诉我们的：形式主义基本上治不好
- 05日: 一份详细的LSTM和GRU图解（含代码）
- 05日: 循环神经网络RNN的基本概念
- 10月
- 31日: 利用tensorflow训练简单的生成对抗网络GAN
- 31日: 清华、李飞飞团队等提出强记忆力 E3D-LSTM 网络
- 31日: 理解生成对抗网络，一步一步推理得到GANs
- 31日: 神经网络中的各种损失函数介绍
- 31日: 循环神经网络（RNN）和LSTM初学者指南
- 31日: 机器学习&深度学习基础（tensorflow版本实现的算法概述）
- 31日: RNN原理解析与实现(Keras)
- 31日: 深度神经网络架构搜索：限制和扩展
- 31日: 如何深度理解RNN
- 30日: 卷积神经网络数学原理解析
- 30日: 机器学习的模型评估与调参
- 29日: 【深度学习系列】卷积神经网络CNN原理详解
- 29日: 一文看懂深度学习工作原理:卷积神经网络
- 29日: AI从业人员需要掌握的10大算法
- 29日: 深度学习必懂的 13 种概率分布
- 25日: GAN的一个简例-基于Keras
- 24日: GAN论文阅读路线图,更快地通过大量阅读入门GAN
- 24日: DeNeRD：一种基于人工智能的脑图像处理方法
- 24日: 解析深度神经网络背后的数学原理
- 24日: 知识图谱与深度学习结合
- 23日: Generative Adversarial Nets
- 23日: 一文看懂生成式对抗网络GANs：介绍指南及前景展望
- 23日: 生成对抗网络综述：从架构到训练技巧
- 23日: 开发者自述：我是这样学习 GAN 的
- 23日: GAN原理与应用入门介绍
- 23日: 熵、信息量、信息熵、交叉熵-个人小结
- 22日: 我们能比卷积神经网络做得更好吗？
- 22日: 全面回顾Graph深度学习，一文看尽GNN、GCN、GAE、GRNN、GRL
- 16日: 常用HTML转义代码
- 16日: 元胞自动机与知识生命周期
- 14日: What We have Built Is a Computational Language
- 14日: python内置函数 map和reduce
- 13日: 让AI通过视觉观察实现因果归纳
- 11日: python 中class与变量的使用方法详解
- 11日: 斯坦福cs231n 2017春季 深度视觉识别中文课程（视频3）
- 11日: 斯坦福cs231n 2017春季 深度视觉识别中文课程（视频2）
- 11日: 斯坦福cs231n 2017春季 深度视觉识别中文课程（视频1）
- 10日: G 140W ME改机过程
- 09日: CS231n 课程资料与PPT
- 07日: CS231n: Convolutional Neural Networks for Visual Recognition
- 07日: CS231n课程笔记：图像分类
- 07日: CS231n课程笔记：卷积神经网络
- 07日: CS231n课程笔记：神经网络（下）
- 07日: CS231n课程笔记：神经网络（上）
- 07日: CS231n课程笔记：线性分类
- 07日: CS231n课程笔记：损失函数最优化
- 07日: 知乎文章中包含公式的替换方法
- 07日: CS231n课程笔记：反向传播
- 07日: 神经协同过滤推荐系统：Neural Collaborative Filtering
- 05日: 机器学习中正则化项L1和L2的直观理解
- 05日: CANE：用于关系建模的上下文相关网络表示学习模型
- 05日: 中文自然语言处理：最全中文词向量数据下载
- 05日: 自然语言处理：2017年语义理解总结
- 05日: 大数据与推荐系统
- 09月
- 30日: 是什么使神经网络变成图神经网络？
- 30日: 一文搞懂HMM（隐马尔可夫模型）
- 29日: Python print函数用法
- 27日: 网络表示学习框架OpenNE介绍
- 26日: python 各类距离公式实现
- 25日: IJCAI 2019 论文解读 | 基于超图网络模型的图网络进化算法
- 25日: SIGIR 2019 开源论文 | 基于图神经网络的协同过滤算法
- 25日: NE(Network Embedding)论文小览
- 25日: 拉普拉斯特征映射（Laplacian Eigenmaps）
- 25日: 浅谈「正定矩阵」和「半正定矩阵」
- 25日: 网络表示学习领域（NRL/NE）必读论文汇总
- 24日: 机器学习Logistic回归总结
- 23日: 图卷积网络论文：基于图卷积网络的半监督分类
- 21日: SPSS二元Logistic回归（资料合集）
- 20日: 虚拟解释变量的回归
- 19日: 多元线性回归推导及求解过程
- 19日: Python-copy()与deepcopy()区别
- 18日: 优化Pandas代码执行速度入门及循环加快
- 18日: 伯努利分布、二项分布、多项分布、Beta分布、Dirichlet分布
- 17日: 逻辑回归(logistics regression 分类算法）
- 12日: 最大似然估计 （MLE） 最大后验概率（MAP）
- 11日: 独家 | GAN之父NIPS 2016演讲现场直击：全方位解读生成对抗网络的原理及未来（附PPT）
- 11日: 一文看懂四种基本的神经网络架构
- 11日: 文本主题模型之LDA(一) LDA基础
- 11日: 主成分分析（PCA）原理详解
- 10日: word2vec的几篇经典文章
- 08日: 哈夫曼树原理及构造方法
- 03日: pandas常用函数
- 08月
- 27日: 网络链路预测：概念与前沿
- 27日: 完全图解GPT-2：看完这篇就够了
- 27日: ACL 2019关于知识图谱领域的文章
- 26日: An overview of gradient descent optimization algorithms
- 26日: node2vec: Scalable Feature Learning for Networks
- 25日: node2vec python 实现和理解
- 24日: WIN10环境下编译安装Tensorflow-gpu
- 18日: tf.train.Example的用法
- 18日: Tensorflow(一) TFRecord生成与读取
- 18日: 深度学习中为什么要使用多于一个epoch
- 18日: 深度学习中Dropout原理解析
- 11日: softmax与交叉熵cross_entropy解释
- 10日: Tensorflow学习笔记: 变量、共享变量及参数初始化
- 09日: TensorFlow学习之LSTM —语言模型（PTB数据集的处理）
- 08日: 理解LSTM
- 06日: Word2Vec教程-Negative Sampling 负采样
- 06日: Skip-Gram模型理解
- 06日: 浅谈推荐系统
- 05日: 八分钟就看懂 | 推荐系统 (协同过滤) 原来这么简单
- 05日: 机器学习-python利用SVD编写推荐引擎
- 07月
- 27日: 推荐系统综述：初识推荐系统
- 27日: 奇异值分解（SVD）及其扩展详解
- 27日: 矩阵分解在推荐系统中的应用
- 21日: 特征值分解和奇异值分解以及使用numpy和tensorflow实现
- 20日: numpy的linalg及ndarray模块
- 19日: Python gensim基础实战
- 19日: pyLDA系列︱考量时间因素的动态主题模型（Dynamic Topic Models）
- 19日: pyLDA系列︱gensim中的作者-主题模型（Author-Topic Model）
- 19日: pyLDA系列︱gensim中的主题模型（Latent Dirichlet Allocation）
- 17日: 百度网盘下载工具
- 10日: 用Python实现一个词频统计(词云)图
- 09日: DiskGenius数据恢复软件
- 08日: ACL 2019｜AI2等提出自动知识图谱构建模型COMET，接近人类表现
- 06日: 神经张量网络：探索文本实体之间的关系
- 01日: 中文分词新方法：Transformer歧义分词处理
- 06月
- 29日: LaTeX格式
- 26日: 迁移学习 Transfer Learning
- 24日: 相关回归分析指标解读
- 20日: numpy.where() 用法详解
- 18日: 假设检验原理之F 检验
- 17日: 假设检验之T检验
- 09日: Scikit-Learn中文翻译项目
- 09日: 机器学习scikit-learn
- 09日: 泰勒公式的展开细节解析
- 08日: Mars 算法实践——人脸识别
- 08日: 阿里开源项目pymars
- 05日: python 实现HOSVD（高阶奇异值分解）推荐系统
- 05日: 向量内积（点乘）和外积（叉乘）概念及几何意义
- 05日: CP分解和HOSVD分解
- 04日: 张量CP分解
- 03日: 奇异值分解（SVD）原理
- 05月
- 22日: 浅谈张量分解
- 21日: 张量介绍
- 16日: Gensim官方教程翻译
- 14日: Python 中 NaN 和 None 的详细比较
- 13日: 走出费孝通悖论:谈社会学的方法之争
- 06日: Python 正则表达式（含分组替换）
- 04月
- 23日: 路径分析、结构方程讲义
- 22日: 评价线性模型，R平方是个好裁判吗
- 22日: 统计学中的R-square含义
- 03月
- 19日: #python sqlite
- 01日: PANDAS 数据合并与重塑（concat篇）
- 01日: Python3爬虫之三： Requests库的基本使用
- 01日: Python3爬虫之二： Urllib库的基本使用
- 02月
- 28日: Python3爬虫之一：urllib包、http包及第三方包
- 28日: 爬虫基础知识
- 01日: Doc2vec tutorial
- 01日: 基于CNN和词向量的文本相似度分析
- 01月
- 31日: 实现卷积神经网络的卷积特征可视化
- 28日: Python中gensim库词向量使用举例:3
- 27日: Python中gensim库词向量使用举例:1
- 27日: Python中gensim库词向量使用举例:2
- 27日: 通俗理解word2vec
- 03日: keikna库实现GPU加速FFT
2018 年
- 12月
- 31日: PyCUDA+reikna实现python加速矩阵运算
- 28日: ROC和AUC解释
- 27日: MinPy一个基于MXNet支持GPU的Numpy
- 22日: 在NumPy中创建空的数组
- 21日: 简单理解SimRank
- 19日: Python多进程计算
- 16日: Python的pandas库基本操作（三）
- 16日: Python pickle模块详细介绍
- 15日: Python分词库：jieba演示
- 14日: NeworkX基本分析步骤
- 14日: Python的pandas库基本操作（二）
- 11日: Python的pandas库基本操作（一）
- 07日: openwrt路由器上安装和远程使用python
- 05日: 网络中心性计算和标准化
- 03日: 机器学习算法公式中的字母和符号
- 11月
- 29日: python有趣的第三方模块
- 29日: 知识图谱入门 (四) 知识挖掘
- 29日: 自然语言处理神经网络应用史
- 10月
- 30日: 知识图谱入门 (三) 知识抽取
- 30日: 知识图谱入门 (二) 知识表示与知识建模
- 30日: 知识图谱入门 (一) 知识图谱与语义技术概览
- 09月
- 08月
- 06月
- 05日: R大数据处理包bigmemory
- 05日: mxnet：结合R与GPU加速深度学习
- 05月
- 25日: 一种基于节点相似性的无向网络连边权值预测方法
- 17日: 傅立叶变换介绍
- 16日: 机器学习中的范数规则化：范数、核范数与规则项参数选择
- 12日: 最小二乘法与梯度下降算法
- 11日: CNN、RNN与DNN模型基础知识
- 10日: 斯坦福大学公开课 ：机器学习课程
- 09日: 机器学习之贝叶斯与MCMC
- 07日: 卷积神经网络的结构与相关算法
- 07日: 周涛:网络信息挖掘的关键算法研究
- 04月
- 01日: 机器学习神器TensorFlow
- 03月
- 26日: Python3网络分析包NetworkX
- 02月
- 11日: 社会网络分析中心度指标的对比
- 01日: 情感分析中的深度学习
- 01月
- 27日: 今日头条算法原理
- 05日: 计算的极限13：数字空间的幽灵
- 05日: 计算的极限12：不会出错的程序
- 05日: 汪国真：热爱生命
2017 年
- 12月
- 27日: 科幻：超元（二）
- 27日: Deep Learning in NLP：词向量和语言模型
- 24日: R语言data.table包使用说明
- 22日: R语言text2vec包文本分析应用实例
- 18日: 常用软件下载
- 11月
- 01日: 李清照诗词
- 10月
- 25日: 卷积神经网络(CNN）在句子级建模的应用
- 21日: R实现twitter数据的抓取
- 18日: 利用 R 语言进行交互数据可视化
- 11日: 基于词典的中文情感倾向分析算法设计
- 08日: WordPress如何添加友情链接
- 04月
- 24日: R社会网络分析igraph包
- 22日: 聚类系数的含义和计算
- 22日: R包igraph探究
- 22日: 机器学习总结之各算法常用包和函数
- 22日: 社会网络分析igraph包（社群划分、画图）
- 07日: use R for fun系列之玩转图像篇
- 06日: 用R语言如何进行图像处理
- 04日: R语言:计算各种距离
- 04日: R语言正则表达式
2016 年
- 12月
- 14日: 复杂网络中聚类算法总结
- 14日: 三方谱：“三方关系”研究
- 08日: lattice绘图介绍
- 08日: lattice中barplot参数详解
- 07日: R语言传统统计分析实现
- 06日: Excel VBA工程密码破解程序
- 11月
- 11日: R语言的情感分析与机器学习过程
- 11日: 词向量word2vec的R语言实现
- 09日: R语言词云制作方法汇总
- 08日: 一级路由访问二级路由中的打印机的配置
- 05日: R语言数据框常用操作
- 10月
- 27日: 复杂网络机遇和挑战（十大问题）
- 26日: TF-IDF的计算
- 26日: 基于朴素贝叶斯的英文情感分析
- 26日: 朴素的贝叶斯分类器（Naive Bayesian Classifier）
- 25日: R语言LDA模型提取主题词及可视化
- 25日: 主题模型LDA说明
- 24日: 文本挖掘tm包使用例子
- 09日: VBA实现EXCEL数据透视、画图并保存为文件事例
- 08月
- 27日: 科幻：超元（一）
- 11日: RCurl参数集
- 08日: 数据的相似性和相异性
- 05日: EXCEL文件转CSV
- 07月
- 03日: R中数据类型转换汇总
- 06月
- 29日: R语言中的遗传算法
- 27日: R语言apply函数集使用说明
- 27日: R语言对豆瓣电影评论文本挖掘的案例二
- 27日: R语言豆瓣电影影评的文本挖掘案例一
- 27日: R语言安装tar.gz包指南
- 25日: R中jsoup抓取网页数据详解
- 25日: RCurl处理cookies和实现网站登录
- 25日: R语言对XML和HTML的语法解释
- 24日: R 语言环境下的文本挖掘
- 23日: Rwordseg中文分词使用说明
- 21日: 知识的演进与生物的演化
- 19日: R语言对异常的简单处理
- 19日: OpenAI关于机器学习的成果
- 02日: 计算的极限11：黄金时代
- 05月
- 24日: R绘制双坐标轴图形的方法
- 22日: 基于情感分析的社会化选股模型
- 22日: 丰子恺:不宠无惊过一生
- 17日: 可惜不是你
- 12日: 计算的极限10:无限绵延的层级
- 05日: 关于人工智能的理解
- 04月
- 27日: 人工智能在阿尔法狗中的应用
- 27日: 皮亚诺公理体系
- 27日: 计算的极限9:叹息与奋斗
- 25日: 关于本体的理解
- 25日: R语言RCurl包使用说明
- 24日: Emlog移动端模板
- 24日: OpenWrt宽带拨号掉线的解决方法
- 23日: Emlog首页和侧边栏修改
- 22日: Emlog实现全文搜索方法
- 21日: 语义网与资源描述框架
- 21日: MDS 多维尺度分析
- 20日: 全面关系流管理
- 20日: 科幻：超元（连载）
- 18日: 知识图谱的应用
- 14日: 中国分享经济发展报告2016
- 05日: 人生，就是一场相逢
- 01日: 计算的极限8:符号的框架
- 03月
- 30日: 计算的极限7:宛如神谕
- 25日: 用R进行文本挖掘与分析:分词、画词云
- 19日: R语言的字符串处理
- 18日: R语言矩阵和数据框操作
- 08日: R语言中的矩阵计算
- 08日: 计算的极限6:无穷的彼岸
- 07日: R语言中的向量操作
- 02月
- 21日: 计算的极限5:有限的障壁
- 15日: 摸鱼儿-雁丘词 / 迈陂塘
- 03日: 转：正态分布的前世今生
- 01月
- 23日: 切比雪夫定理
- 20日: 用WORD直接编辑网页
- 17日: 量子纠缠：近乎荒谬的超距感应
- 15日: 为了忘切的纪念-国军抗战名将录
- 15日: WIN10关闭自动更新的方法
- 15日: win10去除快捷方式小箭头的方法
- 15日: 计算的极限4：机械计算的圭臬
- 12日: How Should We Talk to AIs?
- 12日: Wolfram 语言与系统
- 12日: RRO-支持多线程的R
- 12日: 斯蒂芬?沃尔夫勒姆：宇宙的本质是计算
- 11日: 计算的极限3：函数构成的世界
- 11日: 计算的极限2：自我指涉与不可判定
- 11日: 计算的极限1：所有机器的机器，与无法计算的问题
- 11日: 计算的极限0：逻辑与图灵机
- 03日: R社会网络分析教程八
- 03日: R社会网络分析教程七
- 03日: R社会网络分析教程六
- 02日: R中ifelse、which、%in%的用法
- 02日: 用R进行文本挖掘与分析
- 02日: 用Notepad++进行R编程
- 01日: R社会网络分析教程五
2015 年
- 12月
- 30日: 用R分析社会网络的几个常用包
- 30日: 基于社会网络理论的知识链中的知识活动分析
- 29日: 个体网、结构洞知识及计算方法
- 29日: VBA获取目录/文件名以及读取文件的案例
- 29日: R社会网络分析教程四
- 29日: R社会网络分析教程三
- 28日: 隶属网络转一模网络的算法
- 27日: R去除重复的数据
- 26日: R社会网络分析教程二
- 26日: R社会网络分析教程一
- 26日: R for Social Network Analysis
- 25日: 结构洞及结构洞理论
- 16日: 等一场雪，落在梦里
- 16日: 定风波.莫听穿林打叶声
- 11月
- 10月
- 08月
- 23日: VBA处理换行等特殊符号
- 18日: 相关系数种类
- 12日: R语言数据处理
- 06月
- 14日: NLPIR简介
- 14日: 中文自动分词和语义识别:中文分词算法（转）
- 13日: VBA提高效率的一些技巧
- 12日: VBA的常用函数、属性和方法
- 11日: 作品4:CNKI论文拆分作者及标红教师
- 11日: 作品3 :科研项目开卡系统
- 09日: VBA正则表达式使用教程
- 07日: Mapping the core-periphery model
- 07日: 如何快速高效的进入新的知识领域
- 07日: 如何变成一个特别“会说话的人”？
- 04日: VBA对各列单独排序
- 04日: ucinet常用分析路径
- 04日: Ucinet数据操作
- 05月
- 04月
- 23日: VBA操作多个Excel文件并汇总到当前表格
- 19日: VBA使用IE对象读取网页及常用方法
- 19日: XMLHTTP使用详解
- 19日: Timer与DoEvents函数
- 17日: VBA文件操作的对象、方法与函数
- 10日: 信息系统开发和系统分析
- 10日: 信息系统规划
- 07日: 管理信息系统专业名词
2014 年
- 12月
- 22日: 系统工程方法论
- 02日: OCR识别图片中的文字
- 01日: 博客无法显示Gravatar头像的替代方法
- 11月
- 30日: 系统工程的若干专业
- 30日: 英语作文常用模板
- 30日: 组织管理的技术：系统工程
- 30日: 系统工程的基本概念
- 27日: 系统的基本概念
- 04日: 作品2:教育部科研统计系统数据转换与导入：科研项目篇
- 04日: 作品1:教育部科研统计系统数据转换与导入：科研成果篇
- 01日: VBA英文字母大小写转换
- 01日: VBA提取汉字首字母
- 01日: Ucinet进行核心-边缘分析
- 10月
- 30日: UCINET中文使用手册
- 09日: Multivariate Statistics 多元统计
- 08日: 分享R的学习资料
- 08日: 多维标度分析
- 08日: 欧式距离与马氏距离
- 08日: 主成分分析与因子分析（二）
- 07日: 数据整合
- 07日: 主成分分析与因子分析（一）
- 06日: VIM与norm包缺失数据插补与可视化
- 06日: 数据缺失值的4种处理思路
- 06日: R数据插补与噪音处理的实现方法
- 06日: R处理缺失数据的步骤之一
- 05日: 数学之美番外篇：平凡而又神奇的贝叶斯方法
- 05日: 条件概率、全概率公式与Bayes公式
- 04日: 排列组合基本公式
- 09月
- 29日: 最小二乘法与最大似然法
- 29日: 因子分析统计检验体系的探讨
- 29日: 院士郭重庆:互联网将重新定义管理
- 28日: 置换检验
- 28日: 高密度散点图
- 28日: scatterplotMatrix绘制散点图
- 28日: gclus绘制散点图钜阵
- 28日: 数据分析师
- 27日: R语言绘制中国分省市地图
- 27日: R语言常用运算函数
- 27日: R语言知识体系概览
- 26日: 局部加权回归散点平滑法
- 26日: 王星:非参数统计
- 26日: Meta分析简介
- 26日: 因子分析与其他分析的概念与区别
- 26日: R语言回归分析
- 25日: 大数据的想象力：从因果关系到相关性分析（转）
- 25日: 大数据时代和数据分析需求，统计还沾边吗？（转）
- 25日: 评估ANCOVA与ANOVA的假设条件
- 24日: 多重共线性
- 24日: 回归模型的异常观测值
- 24日: OLS回归模型的检验
- 24日: R语言实战代码
- 23日: 秩和检验
- 23日: T检验
- 22日: 偏相关分析
- 22日: 肯德尔等级相关系数
- 22日: spearman相关系数
- 22日: 皮尔森相关系数
- 22日: 品质相关的度量
- 22日: 常见回归分析方法汇总
- 22日: 参数估计与非参数估计
- 22日: R的有关统计分布的函数
- 21日: R 字符函数详解
- 21日: 通关游戏古剑奇谭二
- 20日: R绘图详解(全)
- 20日: R绘图参数设置函数par()详解
- 20日: R语言绘图图例legend()参数详解
- 20日: R绘图与文档操作函数
- 20日: R数据整合与重构
- 20日: R的控制流
- 20日: R中数学函数、概率函数、字符处理函数合集
- 20日: R数据集的合并、删除与抽样
- 18日: R处理数据对象的实用函数(图)
- 18日: R对数据库的支持
- 18日: R对EXCEL的支持（读取EXCEL文件）
- 07月
- 26日: 类别型变量的三种显著性检验方法及相关性度量
- 25日: Ｒ绘图Plot函数及参数
- 25日: R matrix相关操作
- 24日: 分享学习Ｒ的网站
- 24日: R 读取和导出数据
- 24日: R 数据框(data frame)
- 24日: Factors in R
- 24日: R处理数据对象的实用函数
- 06月
- 23日: R语言实战
- 23日: 统计建模与R软件
- 23日: 资产专用性
- 16日: ucinet复杂网络分析软件
- 16日: 有序因子与无序因子
- 15日: R语言常用函数
- 15日: R语言向量、对象及操作
- 14日: 《复杂网络基础理论》学习心得
- 14日: 邻接矩阵和拉普拉斯矩阵
- 14日: 节点介数及其计算的代码
- 13日: 常见字典用法集锦及代码详解
- 11日: R语言数据分析软件
- 11日: 2-模和1-模复杂网络的概念及转换
- 11日: 常用的数据分析软件
- 10日: Pajek实用操作指南
- 10日: 复杂网络结构分析
- 09日: 社会网络分析方法简介
- 09日: Pajek学习笔记之数据说明与常用计算
- 08日: VBA常用的查找算法
- 05日: 系统分析
- 05月
- 29日: 系统模型与仿真
- 23日: 深化的系统概念
- 22日: 系统工程的理论基础
- 20日: Teleport Ultra离线浏览器
- 18日: 个性化你站点的统计数据
- 16日: 把悲伤留给自己
- 15日: VBA中字符串相关详解
- 13日: Pajek网络分析简介与教程
- 13日: vba连接spss进行数据分析
- 09日: VBA文件及文件夹操作指南
- 07日: 关于CNKI检索结果批量下载的探讨
- 07日: VBA中Function自定义函数的结构与功能
- 05日: VBA处理字符串的函数简介
- 04日: VBA正则表达式入门
- 03日: VBA打开IE浏览器并获取网页内容的方法
- 02日: 优化路由lighttpd性能，启用gzip压缩js/css文件
- 04月
- 30日: PHP语言基础教程之七
- 30日: PHP语言基础教程之六
- 30日: PHP语言基础教程之五
- 30日: PHP语言基础教程之四
- 29日: PHP语言基础教程之三
- 29日: PHP语言基础教程之二
- 29日: PHP语言基础教程之一
- 28日: Emlog本地缓存avatar头像的方法
- 26日: PHP中冒号与endif、endwhile、endfor的关系
- 26日: Emlog显示IP地理地址的两种方法
- 26日: 加速路由PHP性能，启用gzip压缩和apc缓存
- 24日: 改善你的记忆力的十个步骤
- 24日: emlog5.3实现代码高亮
- 22日: Emlog模板发布
- 22日: 分享适合搭建在路由上的博客论坛系统
- 22日: Db120-wg改机教程
- 22日: PuTTY远程管理工具
- 22日: RIOT图片压缩工具
- 22日: 风笑天_社会学研究方法
- 22日: Emlog增加二级分类路径显示
- 21日: Wzr-ag300h路由器建站完整教程
- 21日: EmEditorPro文本编辑器下载
- 21日: Notepad++绿色版
- 21日: Fluxbb修改教程
- 20日: 转：EMLOG模板详解
- 20日: emlog搬家教程
- 17日: 转：emlog 输出子分类
- 17日: 转：获取指定标签名下的日志
- 17日: 转：获取EMLOG日志分类及分类下指定数量日志
- 17日: EMLOG模板结构
- 05日: 51博客
