集成相似度的神经网络预测药物相互作用 由于此问题在经济，工业和健康中非常重要，因此提出一种合适的计算方法来高精度预测未知DDI极具挑战性。 我们提出了一种新颖的机器学习方法，它使用两层完全连接的神经网络来预测未知的DDI，称为“ NDD”。 NDD使用药物的各种特性来获得全面的信息。 计算多个药物相似性。 NDD将多种药物相似性与称为“ SNF”的非线性相似性融合方法相结合，以实现高级功能。 论文链接： : 依赖关系： python版本3.5.3 keras库 scikit学习 代码和数据 在NDD文件夹上找到DS1-Ds3。 NDD的功能代码位于NDD文件夹中。 接触 如有任何疑问，请随时与我联系： 电子邮件： 如果您认为本研究有帮助，请引用我们。

Cisco Network assistant5.0，无限制，全功能版本，通过提供 GUI、可选择的网络设备配置模式、两个等级的访问以及综合联机帮助来简化团体或集群的管理。使用其 GUI 可以在无需使用命令行接口 (CLI) 命令的情况下执行多项配置任务。对于 VLAN 和服务质量设置、设备库存清单和统计报告、连接和服务监控、软件升级以及许多其他网络功能，您可以同时对多个设备和端口进行上述操作。

分享了社交网络搜索算法源代码及其原文

计算机网络自顶向下第6版的英文答案

#Network Analytics and Recommendation System for GitHub Hosted Projects and Developers 基于对 GitHub 上托管项目和 GitHub 上活跃开发者的协作网络分析的推荐系统。 项目模块 该项目有两个模块： * Recommendation Engine for Similar Projects * Recommendation Engine for Similar Developers ##推荐引擎概述 数据来自 。 然后将数据加载到 。 SQL 查询用于提取网络图数据，如节点和边。 对于项目协作网络，每个项目都是图中的一个节点，并且根据两个节点之间共同开发人员的贡献来计算任意两个节点之间的边缘及其权重。 类似地，在开发人员协作网络的情况下，节点是单独的开发人员，任何两个节点之间的边是通过考虑两个

电影摄制是团队合作的成果，因为它将众多创意工作者聚集在一起。 此外，创意工作者对电影项目的贡献取决于从事该项目的其他创意人才。 电影的发展的特点是，在逐个电影的基础上，创造性人才的流动性建设和解体，其中导演和演员的声誉和相互依存对于电影的成功至关重要。 例如，当宝莱坞专业人士Karan Johar，Amitabh Bachchan和Hrithik Roshan合作制作了一部电影《 Kabhie Khushi Kabhie Gham》时，就建立了三个联系。 卡兰·乔哈尔（Karan Johar）–阿米塔布·巴尚（Amitabh Bachchan），卡兰·乔哈尔（Karan Johar）–赫里西克·罗尚（Hrithik Roshan）和阿米塔布·巴赫查（Amitabh Bachchan）–赫里西克·罗尚（Hrithik Roshan）。 随后，由于这些专业人员与其他演员和导演一起从事不同的电影项目，因此建立了更多的链接。 这导致了加权协作网络的形成，其中两个人之间的联系权重指示了这两个人进行协作的电影数量。网络中的群体或社区的存在一直是一个经过深入研究的问题。 此外，在与小组动力学有关的先前研究中，已经发现网络内的小组成员的能力与总体表现成正相关。 这促使我们发现和分析印度电影业原始合作网络“宝莱坞”中的介观结构（通常称为社区）。 宝莱坞合作网络中社区的识别可以帮助制片人和电影制片厂组建电影，以便在票房制作商业上可行的内容。 这项工作展示了演员和导演网络中社区的属性和组织，这些演员和导演在2001年1月至2018年6月期间成功发行的成功电影中进行了合作。由于21世纪的空前崛起，我们特别关注2001-2018年的这段时间为了揭示加权网络中的社区结构，我们提出了一种基于相对连通性的度量来计算节点之间的相似性，并提出了一种基于粗糙集的社区检测方法。

计算机经典书籍——unix网络编程第2版Unix Network Programming (1+2卷)

提供了Fast unfolding of communities in large networks 的源件以及其matlab代码

监控有:CPU、Fan、Memory、Power Supply、Status、System、Temperature等指标

监控有:CPU、Disk、Fan、HA 、Memory、PowerSupply、Status、System、Temperature等指标