- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈开发那些事
重新排序-研究生组G题
重新排序-蓝桥杯研究生组G题 1、问题描述 2、解题思路 3、代码实现 1、问题描述 给定一个数组 A 和一些查询 Li,Ri, 求数组中第 Li 至第Ri个元素之和。 样例输入 5 1 2 3 4 5 2 1 3 2 5 样例输出 4 样例说明 原来的和为6+14=20, 重新排列为(1,4,5,2,3) 后和为10+14=24, 增 加了4。 30% 的评测用例，n*,*m≤50; 对于 50% 的评测用例, n*,*m≤500; 对于 70% 的评测用例, n*,m≤5000; 对于所有评测用例, 1\le n,m\le 10 ^5,1\le A_i\le10^6,1\le L_i\le R_i\le 10^6 。 nextInt() throws IOException { st.nextToken(); return (int)st.nval; } } 亲测这里不用java快读会超时
1.7K20编辑于 2023-03-23 - 来自专栏【Android开发基础】
Git命令(最常用10组)
10组最常用Git命令 更多 一般来说，日常使用只要记住下图6个命令，就可以了。但是熟练使用，恐怕要记住60～100个命令。 下面是我整理的常用 Git 命令清单。几个专用名词的译名如下。 # 停止追踪指定文件，但该文件会保留在工作区 $ git rm --cached [file] # 改名文件，并且将这个改名放入暂存区 $ git mv [file-original] [file-renamed
56020编辑于 2023-02-10 - 来自专栏生信菜鸟团
10X空间转录组之免疫组库分析
无论疫情如何，科研一直在路上，并且在不断的推陈出新，而我们今天要分享的就是10X空间转录组的免疫组库分析。 ，一方面是由于空间转录组测到的是3’区域，而VDJ的变体结构富集在5’；另一方面VDJ在一个免疫细胞中通常成对出现，而空间转录组的精度目前均没有细胞级，10X空间转录组的精度为55um，而Stereo-seq 在此过程中，B 细胞会突变其 B 细胞受体 (BCR) 序列，并选择和扩增最亲和的克隆。为了证明这些事件，有必要研究 BCR 的核苷酸序列。 事实上，30% 的 TLS 高肿瘤库被识别超过 100 次的克隆型占据，而 TLS 低肿瘤中这一比例为 1% (p = 10e-7)，揭示了 TLS 高样本中持续的免疫反应。 相反，TLS-low 样本显示出较少的多样性，计数较低，大多数被测量不到 10 次，除了一个肿瘤有 123 个 IgH 克隆型，只有 2 个被计数超过 100 次。
1.8K20编辑于 2022-05-24 - 来自专栏生信技能树
10X空间转录组WORKFLOW
前言 记得我们在ST Pipeline||空间转录组分析流程(https://www.jianshu.com/p/7b5d145a515a)讲过，空间转录组就是把之前的单细胞的cell-gene矩阵转化为 今天让我们来看看空间转录组的一般流程吧。 1. Histology 将准备好的新鲜冷冻组织切片放置于空间转录组芯片上。每个细胞中的RNA分子都包含着基因表达的信息。组织切片成像，以检索组织学信息。 这样就可以看到一个细胞或一组细胞在组织中的位置。 2. The Array 空间转录组芯片上含有上千个捕获的spot，这些捕获探针的 Poly-T 尾可以结合RNA分子的 Poly-A 尾。
84220发布于 2021-10-21 - 来自专栏单细胞天地
10X空间转录组WORKFLOW
前言 记得我们在ST Pipeline||空间转录组分析流程(https://www.jianshu.com/p/7b5d145a515a)讲过，空间转录组就是把之前的单细胞的cell-gene矩阵转化为 今天让我们来看看空间转录组的一般流程吧。 1. Histology ? 将准备好的新鲜冷冻组织切片放置于空间转录组芯片上。每个细胞中的RNA分子都包含着基因表达的信息。组织切片成像，以检索组织学信息。 这样就可以看到一个细胞或一组细胞在组织中的位置。 2. The Array ? 空间转录组芯片上含有上千个捕获的spot，这些捕获探针的 Poly-T 尾可以结合RNA分子的 Poly-A 尾。
1.2K20发布于 2020-03-30 - 来自专栏玉龙小栈
【组播】HCIE面试考官会问哪些呢？
问题二：组播地址的范围是多少？ 答：IPv4 组播地址范围： ? 问题三：协议组播地址有哪些?特殊的组播地址说下? 答：ASM 模型 ASM 模型仅针对组地址提供组播分发。 一个组播组地址作为一个网络服务的集合，任何源发布到该组地址的数据得到同样的服务。接收者主机加入组播组以后可 以接收到任意源发送到该组的数据。 答：SSM 模型针对特定源和组的绑定数据流提供服务 接收者主机在加入组播组时， 可以指定只接收哪些源的数据或指定拒绝接收来自哪些源的数据。加入组播组以后， 主机只会收到指定源发送到该组的数据。 问题六：组播地址能配置给主机使用吗？ 答：组播地址不能配置给主机使用。 问题七：二层组播地址和三层组播地址的对应关系是什么？ 例如组播组地址 224.0.1.1 对 应的组播 MAC 地址为 01-00-5e-00-01-01。
1.2K20发布于 2021-03-23 - 来自专栏组学
代谢组学为冬奥会保驾护航！
代谢组学(metabonomics/metabolomics)是新近发展起来的一门学科,是研究生物体被扰动、刺激后其代谢物组种类、数量及其变化规律的科学，研究对象为基因、蛋白表达和代谢形成的中间产物和最终产物 ，是基因组学和蛋白质组学的延伸，但比蛋白质组学和基因组学更具动态性、时间敏感性。 代谢物组为生物体内小分子代谢物的总和，因此生物体液(如血液、尿等)、细胞提取物、细胞培养液和组织等生物标本便成为代谢组学的具体检测对象。 摩赛恩科技助力代谢组学研究，与您一起为北京冬奥会和冬残奥会加油助威！为国争光！ 冬奥会期间参赛运动员需要进行违禁药物抽检、运动性疲劳的快速恢复、以及科学应用运动饮料和功能补剂，对于受伤的运动员还需采取综合措施实现快速康复等等，而代谢组学作为科学、有效的检测和分析手段，将为冬奥会的顺利举行保驾护航
98810编辑于 2021-12-24 - 来自专栏萌海无涯
Python之pygame学习精灵及精灵组（10）
pygame学习精灵及精灵组 ✕ 精灵也就是我们的类操作，定义一个类型的对象，而且pygame封装好了一些对应的操作，方便我们的调用。 ? ? 设置精灵更新操作 可选设置精灵死亡操作 创建精灵 jj = Jl() 创建精灵组 jlz2 = pygame.sprite.Group(填入我们创建的精灵，可以多个) 在循环事件调用精灵组更新事件 jlz.update 完成以上步骤，我们就可以使用精灵组了。 下面代码使用精灵来创建多个反弹球，并且设置精灵的死亡操作！ 最后复习一下绘制字体，跟图片。 注意自己要准备个图片！！！ 速度 self.xs = 1 self.ys = 1 # 反弹到一定次数死亡 self.cont = random.randint(10,20 screen = pygame.display.set_mode((W,H)) # 设置窗口标题 pygame.display.set_caption('窗口标题') # 创建精灵组
4.7K20发布于 2019-08-20 - 来自专栏深度学习与python
一名在读研究生的自白：我为什么会沉迷于openGauss 社区？| Q推荐
作者 | 鲁冬雪 审校 | 赵钰莹 陈现森，目前是一名华东师范大学在读研究生，曾参与 openGauss 数据库与 Spark 大数据项目的对接任务，实现了 openGauss 社区与 Spark 社区之间的联动 1“与 openGauss 的结缘始于课题，忠于社区氛围” 在与 openGauss 第一次正式合作之前，陈同学便在研究生导师的指导下接触到了 openGauss 社区。 通过与社区伙伴的交流，陈同学对 openGauss 的内核代码了解加深，为研究生课题研究提供了很大助力。 陈同学就曾参加过由 openGauss 社区与 Gauss 松鼠会、墨天轮联合举办的“知识问答竞赛"和“8 小时玩转 openGauss 训练营"两个活动。 通过陈同学我们也了解到，他身边许多同学在遇到技术问题时，也会优先想到去 openGauss 社区相关的 SIG 小组去寻求解决方案。
77020编辑于 2023-03-29 - 来自专栏PHP实战技术
这10个问题你一定要会！
0123当作8进制来处理，实际转化为10进制就是83，显然这不是相等的。 $text = 'John '; $text[10] = 'Doe'; 上面代码执行完毕后 $text = "John D"(John后面会有连续的5个空格) strlen($text)会返回11 $text [10] = "Doe"给某个字符串具体的某个位置具体字符时候，实际只会把D赋给$text. 10、执行下面代码$x会变成什么值呢？ $x = NULL; if ('0xFF' == 255) { $x = (int)'0xFF'; } 实际的运行结果是$x=0而不是255. 首先'oxFF' == 255我们好判断，会进行转换将16进制数字转换成10进制数字，0xff -> 255.
1K90发布于 2018-04-12 - 来自专栏AI掘金志
10 位 CXO 眼里的 2021 安博会
这是今年众多与会者参加深圳安博会最直观的感受。 不少人谈到，AI不再是镜中月、水中花，已经在众多细分领域落地。 2021年的深圳安博会似乎并没有大的新概念出现，但不同技术间融合的趋势愈加明显，不同业务整合趋势也渐强，场景落地更加深入、垂直。 每个时代都有自己的声音，每个展会都有自己的差异。 AI掘金志与10位企业高管聊了聊。 因此，当虹科技去年推出了5G边缘计算终端，在画质基本不变的情况下，可将视频压缩到10%的带宽进行传输，降低存储空间和传输带宽成本，解决带宽不足和速度过慢的难题。 大疆提供80-90%高可靠性的标准平台，比如无人机平台、负载平台、管控平台，剩下10-20%需要集成商、开发者基于客户需求进行定制开发，最后一公里靠生态方案更好的去落地。
1K50编辑于 2022-01-05 - 来自专栏AiCharm
组会系列 | 自动梯度下降：没有超参数的深度学习
作者在多个数据集和模型上进行了实验，并发现AGD在MNIST、CIFAR-10、CIFAR-100和ImageNet等数据集上都取得了很好的性能。
1.2K20编辑于 2023-05-15 - 来自专栏AiCharm
组会系列 | TCTrack: 用于空中跟踪的时序信息框架
然而，当存在快速运动和严重外观变化时，这些跟踪器会遇到困难。最近，Siamese-based网络已经成为了精确、鲁棒跟踪的强大框架。 但是，存储大量的时序信息会导致内存占用和计算量的增加。因此，我们最终通过在线生成时序调制向量，并与预训练的卷积核进行运算，以减少相应的计算量。
1.4K30编辑于 2023-06-07 - 来自专栏AiCharm
组会系列 | Visual Saliency Transformer: 视觉显著性检测Tranformer
Transformer Encoder 与其他基于CNN的SOD方法类似，它们经常使用预训练图像分类模型，如VGG 和ResNet 作为其编码器的主干以提取图像特征，我们采用预训练的T2T-ViT 模型(上一篇组会系列解析的模型
2.3K20编辑于 2023-05-15 - 来自专栏AiCharm
组会系列 | 强化学习在目标跟踪中的应用
Tracking via Reinforcement Learning (https://proceedings.neurips.cc//paper/2020/file/885b2c7a6deb4fea10f319c4ce993e02 这样对简单目标提前终止的策略可以大幅提升推理速度，相比 baseline 平均速度提升了大约 10 倍，GPU 速度 158.9FPS，并且在 cpu 上也能以 23.2FPS 的速度接近实时运行。 States: 状态是一个包含响应图F’_l和历史动作h_l的二元组 (F’_l,h_l)。F’_l使用的是当前层和之前所有层响应图的平均，相当于结合了浅层的细节和深层的语义。 Decision Module 给定一组状态S和动作A，马尔可夫选项\omega \in \Omega 包括三部分：intra-option policy \pi: S \times A \rightarrow 针对步骤 3，现有方法简单地直接用当前结果替换模板，不考虑结果的正确性，会导致误差逐渐累积。因此需要利用强化学习智能切换。
1.5K10编辑于 2023-12-14 - 来自专栏单细胞天地
混样的10X单细胞转录组
最近有粉丝提到是否可以把多个样本混杂到一起建立一个10X单细胞转录组库进行测序后数据分析，的确是有这样的例子，比如我前些天在Twitter看到的发表在Nephrology Dialysis Transplantation 实验设计非常简单 就是10个ESRD病人，10个正常人志愿者的血液，提取PBMC进行10X仪器的单细胞转录组数据而已。 值得注意的是，其中研究团队就做了两个10X哦，也就是说他们把 10个ESRD病人混合成为一个样品，10个正常人志愿者也混合成为一个样品。 又或者，既然是纯粹的看免疫细胞的各种比例，其实跑一个流式细胞仪看看就好了，单细胞转录组有点高射炮打蚊子的感觉。不过，反正就2个10X样品，成本也很低，无所谓啦！ 既然已经定位到了健康人和疾病组的差异细胞群，就可以继续把该群细胞细分，然后具体看某个亚群的表达差异。 ? 如果你测了单细胞实在是不知道如何深入分析 其实，也许，早点发出去是最好的策略吧。
1.9K20发布于 2020-03-30 - 来自专栏空间转录组数据分析
10X单细胞（10X空间转录组）CNV分析之inferCNVpy
阳了个阳~~~文章在10X单细胞（10X空间转录组）CNV分析回顾之CopyKAT详细回顾了copycat，还有分享的文章copyKAT推断单细胞转录组肿瘤细胞CNV（自动识别肿瘤normal和tumor 本质上，该方法通过染色体和基因组位置对基因进行分类，并将基因组区域的平均基因表达与参考进行比较。 如果有关于哪些细胞正常的先验信息（例如，来自基于转录组学数据的细胞类型注释），建议将此信息提供给 infercnv()。可以提供的不同细胞类型越多越好。 一些细胞类型在生理上过度表达某些基因组区域（例如浆细胞高度表达基因组相邻的免疫球蛋白基因）。如果提供多种细胞类型，则仅考虑与所有提供的细胞类型不同的区域受CNV影响。 adata.obs["cnv_status"] = "normal"adata.obs.loc[ adata.obs["cnv_leiden"].isin(["10", "13", "15", "
2.3K40编辑于 2022-12-13 - 来自专栏单细胞天地
是否可以根据10X转录组数据来推断基因组CNV信息呢？
转录组数据来推断CNV信息，如下： ? 那么10X数据跟其它单细胞转录组差异在哪呢？ 在我们推荐的各种单细胞转录组技术比较的文章，Ziegenhain et al., 2017, Molecular Cell http://dx.doi.org/10.1016/j.molcel.2017.01.023 很容易从10X的数据分析报告看出来，10X单细胞转录组数据处理流程在我们单细胞天地有详细介绍： 单细胞实战(一)数据下载 单细胞实战(二) cell ranger使用前注意事项 单细胞实战(三) Cell 这跟10X来说，都是数量级的差异。
1.1K40发布于 2020-03-30 10X空间转录组NEural network on Spatial Transcriptomics
希望华大可以更新一下自己的平台，能达到10X的水平即可，那样大家不会选择10X的Visium HD。 但是大家选择平台，保证数据质量是前提。 但是无论是哪种平台，通讯是必须分析的内容。 文章在时空轨迹和空间细胞相互作用 针对通讯的内容可以参考 10X空间转录组通讯信号流的运用（COMMOT） 10X单细胞空间通讯分析之最新版cellphoneDB（v4）解读 通过空间行为（optimal Visium测量直径为55 μ m的转录组，每个点包含约1-10个细胞，而最近推出的Visium HD(高清晰度)可实现2 μ m的单细胞空间分辨率。 目前很少有直接从空间转录组学数据检测CCC的方法，这些数据是由细胞的空间位置及其相关转录物提供的。niche使用k近邻来识别近端细胞并计算它们的配体-受体共表达评分。 COMMOT通过集体最佳运输筛选空间转录组学中的细胞-细胞通信。然而，COMMOT需要一个网络路径列表作为额外的输入，这增加了它对先验信息的依赖。
49710编辑于 2024-04-03- 来自专栏CVer
课题组10篇论文被MICCAI 2026接收
IMCL (aka GEM Group)课题组共有10篇论文被 MICCAI 2026 接收，研究内容覆盖多模态乳腺癌诊断、超声影像分析、PET-CT预后评估、医学图像分割与定位、三维重建、人机协同智能体 此次 IMCL课题组多篇论文入选，体现了课题组在医学影像智能分析、多模态临床建模和可信医学AI方向的持续积累与创新探索。 此次10篇论文被 MICCAI 2026 接收，是 IMCL课题组在医学影像智能分析、临床多模态建模和可信医学AI方向持续探索的重要成果。 这些研究既关注医学AI中的基础方法创新，也面向乳腺癌诊疗、超声影像分析、PET-CT预后评估、三维骨结构重建等真实临床问题，体现了课题组在“算法创新—临床问题—应用转化”之间的综合研究布局。 未来，IMCL课题组将继续围绕医学图像计算、计算机视觉、多模态学习、临床决策支持和智能诊疗系统等方向开展深入研究，推动人工智能技术在精准医疗和临床实践中的落地应用。 再次祝贺所有论文作者！
54110编辑于 2026-06-29
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