Eigenvector centrality in multiplex networks

食源性疾病总是通过多种媒介传播（例如新鲜蔬菜和水果），并揭示出多层网络可以传播具有复杂相互作用的致命病原体。 在本文中，首先，我们使用仅依赖于两个分布的“自上而下”的分析框架来描述具有任意数量层的随机多层网络。 这两个分布是多层网络的重叠度分布和边缘类型分布。 其次，基于这两个分布，我们采用多层网络多样性的三个指标来衡量网络层之间的相关性，包括网络的丰富性，相似性和均匀性。 网络丰富度是形成多层网络的层数。 网络相似度是不同层共享同一边缘的程度。 网络均匀度是每层边缘数的方差。 第三，基于简单的流行病模型，我们分析了网络多样性对协作与竞争共存的相互作用流行病阈值的影响。 我们的工作扩展了“自上而下”的分析框架，以处理更复杂的流行病情况和更多的多样性指标，并量化了层间协作和层内传输的阈值之间的折衷。

ISSCC2021_Session_15V_Compute-in-Memory Processors for Deep Neural Networks.pdf

This book intends to bridge two widely studied research areas: machine learning and complex networks. Therefore, we hope it will generate broad interests to the scientific community. This book is intended to be employed by researchers and students who are interested in machine learning and complex networks. To accomplish that, not only have we included classic knowledge but also recent research results. This book is aimed to be self-contained and to give interested readers insights on modeling, analysis, and applications of network-based machine learning techniques. We also provide pointers to the literature for further reading on each explored topic. Moreover, numerous illustrative figures and step-by-step examples help readers to understand the main ideas and implementation details

使用生成的专业网络对图像进行着色 ██████╗ ██████╗ ██╗ ██████╗ ██████╗ ██╗███████╗███████╗ ██╔════╝██╔═══██╗██║ ██╔═══██╗██╔══██╗██║╚══███╔╝██╔════╝ ██║ ██║ ██║██║ ██║ ██║██████╔╝██║ ███╔╝ █████╗ ██║ ██║ ██║██║ ██║ ██║██╔══██╗██║ ███╔╝ ██╔══╝ ╚██████╗╚██████╔╝███████╗╚██████╔╝██║ ██║██║███████╗███████╗ ╚═════╝ ╚═════╝ ╚══════╝ ╚═════╝ ╚═╝ ╚═╝╚═╝╚══════╝╚══════╝ 这是。 对于一些应用

《机器学习与模式识别》同作者的又一经典之作，本书可以作为模式识别、神经网络的学习教材和参考书籍。本书为英文PDF版本，下载解压即可。

raul23551984上传的的神经网络经典之作haykin的《Neural Networks -- A Comprehensive Foundation》很好，这本书的实验很重要，这里给出这书的相关资源，方便下载。

论文Convolutional Radio Modulation Recognition Networks code卷积无线调制识别网络代码实现，使用深度学习方法卷积神经网络，解决调制模式识别。

适合想进入光通信行业的同学阅读，对光网络的光器件，协议，架构等内容都有详细的介绍