ego

在不确定的时期，许多公司只是在寻找生存之道，并且很容易忘记这其实需要未雨绸缪，而不仅仅是事到临头才应对。对于很多企业来说，现在比以往任何时候都更需要加倍努力创新，以创造新产品、开发更好的商业模式或者应对竞争对手的打击。 要了解创新的本质，必须要摆脱那些引人入胜的故事，而是深入研究个人和公司是如何发展创新概念的细节。CB Insights近期分析了来自商业、技术和文化领域最杰出思想家的7种不同的创新思想，在每个部分都将分解为：如何看待创新和改变、品牌创新的实例，以及可从这些具体观点中得到的经验教训。 1.颠覆性创新：Clayton Christensen 颠覆性创新的概念由Clayton Christensen于1995年提出，已成为技术行业的基础理论之一，从Steve Jobs到Reed Hastings到Jeff Bezos的每个人都将其视为一种影响力。 Christensen想要解释的是，在某些情况下，那些只有很少数人和资源有限的小型公司，如何能够取代市场上已经有的更大型、资金更雄厚的公司。 Christensen认为，随着公司的壮大，大型“守成”公司将重点从获取新客户转移到保留最有价值的客户。而这种旨在创造稳定性并保持最大收益的战略，不可避免地导致该公司的潜在客户被忽视。 创业公司通过瞄准这些被忽视的客户并为其量身打造产品、服务与解决方案，从而在市场上站稳脚跟。例如

作者：蒋天园 Date：2020-04-18 来源： 3D-VID:基于LiDar Video信息的3D目标检测框架|CVPR2020 Brief paper地址：https://arxiv.org/pdf/2004.01389.pdf code地址：https://github.com/yinjunbo/3DVID 这是一篇来自北理工和百度合作的文章，目前还未开源，只有项目地址，2020年3月份放置在arxiv上，已经被CVPR2020接收；从标题我们猜测该文采用的时空信息将多帧的点云信息融合做3D目标检测，目前的确是没有研究是通过视频流的方式做3D目标检测，不过这也要求数据集是一些连续的帧才能使得这样一个任务的完成，但是KITTI的确是没有满足这样的要求，因此作者在Nuscence上进行的实验。这是一个CVPR19年上的公布的数据集，这里先给出一张目前在公布的nuscence的榜单，如下，这里的榜一的文章目前将SECOND的代码重构，加入了更多SOTA的方法开源了新的3Ddetection base，即Det 3D项目，链接为：https://github.com/poodarchu/Det3D，而MEGV则是采用了多尺度检测的head，规定了不同大小的物体的检测采用不同的head，同时采用了一种数据增广方式缓解了nuscence中的longtail问题 本文主要内容

目录 Network Motifs Configuration Model Graphlets How to Find Motifs and Graphlets Structural Roles 转自本人： https://blog.csdn.net/New2World/article/details/105291956 大量真实网络都有一个规律，即这些网络都是由一些 building block 构成，类似 Kronecker 图有大量的重复结构。而我们需要一种度量方式来衡量某个结构在图中的显著性。因此需要引入 motif 和 graphlet 这两个概念。 这一部分我还有一些概念没完全理解，所以在最后记录了一些问题等待以后回来解决。也欢迎有理解了的朋友帮忙解惑。 Network Motifs 这里实在无法确定 motif 的准确翻译是什么，干脆不翻译了。但它是什么东西还是得搞清楚的：在图中大量重复的模式被称为 motif。这个定义包含了三个要点 大量，就是多，比随机图多 重复，还是多 模式，即规模小的导出图 [1] 我们为什么需要这个 motif ？首先，既然这个概念的定义表明它在网络中大量存在，说明这个 motif 揭示了这个网络的一些普遍规律，比如食物链中的互利共生关系或竞争关系。同时我们可以依据这个规律预测一些我们可能还没有发现的网络中隐含的关系。 知道了 motif

可以将文章内容翻译成中文,广告屏蔽插件可能会导致该功能失效(如失效，请关闭广告屏蔽插件后再试): 由 翻译 强力驱动 问题: I'm creating ego networks from a graph in iGraph with R, as per the answer that was kindly provided to this question . I then want to export each ego network as a plot in a PDF or image file (preferably PDF). As there are 788 'ego networks' in the full dataframe I'd like to make the file name of the PDF match the relevant node ID for the network i.e. the 'From' column of the dataframe. Otherwise it's too hard to find the particular network that I want. How can this be done? Here's a sample of the network library ( igraph ) > dput (