前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >ES6 箭头函数: () => {} 与匿名函数 function() {}

ES6 箭头函数: () => {} 与匿名函数 function() {}

作者头像
一个会写诗的程序员
发布于 2018-08-17 03:14:51
发布于 2018-08-17 03:14:51
31500
代码可运行
举报
运行总次数:0
代码可运行
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
function foo() {
   setTimeout( () => {
      console.log("id:", this.id);
   },100);
}

foo.call( { id: 42 } );

id: 42

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
function foo() {
   setTimeout( function() {
      console.log("id:", this.id);
   },100);
}

foo.call( { id: 42 } );

id: undefined

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.01.26 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
GNN论文周报 | 来自北航、中科院、MSRA、新加坡国立大学、慕尼黑工业大学等机构前沿论文研究
近年来,由于图结构的强大表示能力,用机器学习方法分析图结构的研究越来越受到重视。图神经网络(GNN)是图领域中一类基于深度学习的方法,由于其卓越的性能和较好的可解释性,GNN 已在图分析中得到了广泛的应用。
Houye
2023/03/01
4000
GNN论文周报 | 来自北航、中科院、MSRA、新加坡国立大学、慕尼黑工业大学等机构前沿论文研究
论文合集 | 图大模型推荐研究
大型语言模型(LLMs)已经彻底改变了自然语言处理任务,而其与图神经网络(GNN上)之间又会擦出怎样的火花呢?本文汇总了20篇与图大模型相关的论文(主要以推荐系统领域为主),展示最新的工作研究进展。
Houye
2024/05/18
9930
论文合集 | 图大模型推荐研究
图大模型的前沿综述
大模型是人工智能(尤其是机器学习)领域最具划时代意义的新突破之一。然而,相较于自然语言处理和计算机视觉等领域,大模型在图领域尚未达到相同的成功水平。
算法进阶
2023/11/24
2K0
图大模型的前沿综述
8篇 ICLR 2023 高分GNN论文
ICLR 2023 将于2023年5月1日—5日在卢旺达首都基加利线下举行。ICLR由深度学习巨头、图灵奖获得者 Yoshua Bengio 和 Yann LeCun 牵头举办,从2013年至今已经举办了10届,今年将举办第11届。
Houye
2023/03/01
1.3K0
8篇 ICLR 2023 高分GNN论文
调研图基础模型(Graph Foundation Models)
图基础模型(Graph Foundation Models,简称 GFMs) 是一种经过预训练的图大模型,旨在处理不同领域的图数据和任务。让我们详细探讨一下这个概念。
叶庭云
2024/05/25
6930
调研图基础模型(Graph Foundation Models)
深度时间序列预测和基础模型的研究进展
本文综述了深度学习在时间序列预测中的应用,特别是在流行病预测领域。尽管深度学习在时间序列预测中表现出显著优势,但仍面临挑战,如时间序列不够长、无法利用积累的科学知识以及模型的解释性。
算法进阶
2024/07/10
3730
深度时间序列预测和基础模型的研究进展
[每周ArXiv] 最新几篇GNN论文
现有的图解释性方法往往只关注于解释图的节点或边的重要性,而忽略了图的子结构。事实上,这些子结构更直观,更易于理解。本文提出了一种新的GNN解释性方法,称为SubgraphX,通过识别重要的子图来解释GNNs。给定一个训练好的GNN模型和一个输入图,SubgraphX通过蒙特卡罗树搜索有效地探索不同的子图来解释它的预测。为了使树搜索更有效,本文提出使用Shapley值作为子图重要度的度量。它还可以捕获不同子图之间的交互作用。为了加快计算速度,本文也提出了一种有效的近似方案来计算图的Shapley值。
Houye
2021/05/31
7710
[每周ArXiv] 最新几篇GNN论文
OpenGSL | 开源图结构学习基准库, 含12个前沿GSL方法和10个数据集
为解决拓扑结构固有的次优性质,图结构学习(Graph Structure Learning,GSL)作为一种以数据为中心(data-centric)的学习方法被提出,得到了迅速的发展。尽管如此,GSL研究领域仍然缺少一个统一的基准库,这在多个方面阻碍了这个领域的进展,因此我们开发了一个全面的图结构学习基准库OpenGSL,来实现公平对比和深入探索。我们希望OpenGSL可以帮助研究者了解GSL的前沿方法,促进快速、公平的评估,并激发 GSL 领域进一步的创新性研究。
Houye
2023/09/04
6630
OpenGSL | 开源图结构学习基准库, 含12个前沿GSL方法和10个数据集
「图结构学习」新思路!港大等提出GraphEdit模型:用LLM删除噪声边,全局理解节点间依赖关系
图结构学习(Graph Structure Learning, GSL)旨在通过生成新的图结构来捕捉图结构数据中节点之间的内在依赖性和交互关系。
新智元
2024/03/13
5440
「图结构学习」新思路!港大等提出GraphEdit模型:用LLM删除噪声边,全局理解节点间依赖关系
万字综述,GNN在NLP中的应用,建议收藏慢慢看
今天为大家解读的是由京东硅谷研发中心首席科学家吴凌飞博士等研究者最新发表的GNN for NLP综述,几乎覆盖了围绕NLP任务的所有GNN相关技术,是迄今为止GNN for NLP领域最全面最新的综述性文献。
Houye
2021/07/08
2K0
万字综述,GNN在NLP中的应用,建议收藏慢慢看
超越标准 GNN !DeepMind、谷歌提出图匹配网络| ICML最新论文
一种新的图匹配网络,在几个图相关任务中均胜过精心设计的神经网络模型和基于标准GNN的图嵌入模型。
新智元
2019/05/15
1K0
超越标准 GNN !DeepMind、谷歌提出图匹配网络|  ICML最新论文
AAAI 2020 论文抢先看!图学习GNN火爆,谷歌、港科大、北邮最新力作
今年的双十一,AAAI 2020 公布了接受的论文。这届 AAAI 可谓是火爆异常,一共收到了 8800 篇提交的论文,最终有效投稿为 7737 篇,接受的论文数量是 1591 篇,接受率为 20.6%,相较于去年的 16.2% 提升较大。
新智元
2019/12/18
1.3K0
SIGIR2024 | GraphGPT: 大语言模型引领图学习新范式
TLDR: 现有的许多图神经网络方法存在一个共同的局限性,即对高质量监督信号的强烈依赖,导致在处理稀疏和噪声数据时泛化性能较差。为了提升图神经网络的泛化能力,自监督学习被认为是具有潜力的研究方向。然而,这种对标注数据的依赖,可能会限制它们在缺乏高质量标注的实际场景中的泛化性能。针对上述挑战,本研究提出了一种基于大型语言模型的全新图学习方法——GraphGPT。其旨在在零样本学习场景下提升图模型的泛化能力,并在多个下游数据集和任务上展现了出色的性能。
张小磊
2024/06/18
7180
SIGIR2024 | GraphGPT: 大语言模型引领图学习新范式
AI论文速读 |【综述】2024 [arXiv] 时间序列预测中的深度学习和基础模型
论文标题:A Survey of Deep Learning and Foundation Models for Time Series Forecasting
时空探索之旅
2024/11/19
3980
AI论文速读 |【综述】2024 [arXiv] 时间序列预测中的深度学习和基础模型
本周精选GNN论文 | 来自西湖大学、南京大学、国防科大、华为诺亚方舟实验室、莱斯大学等机构前沿论文研究
图神经网络(GNN)是一类专门针对图结构数据的神经网络模型,在社交网络分析、知识图谱等领域中取得了不错的效果。近来,相关研究人员在GNN的可解释性、架构搜索、对比学习等方面做了很多探究。
Houye
2023/03/01
5490
本周精选GNN论文 | 来自西湖大学、南京大学、国防科大、华为诺亚方舟实验室、莱斯大学等机构前沿论文研究
论文主题、引用量、中国机构 & 华人学者,KDD 2020 关键数据抢先看!
ACM SIGKDD(国际数据挖掘与知识发现大会,简称 KDD)是世界数据挖掘领域的最高级别的学术会议,由 ACM 的数据挖掘及知识发现专委会(SIGKDD)主办,被中国计算机协会推荐为 A 类会议。
AI科技评论
2020/08/02
1.5K0
Transformer在GNN的前沿综述
Transformer架构在自然语言处理和计算机视觉等领域表现出色,但在图级预测中表现不佳。为了解决这个问题,本文介绍了Graphormer,一种基于标准Transformer架构的图表示学习方法,在广泛的图表示学习任务中取得了优异成绩,特别是在OGB大规模挑战中。
算法进阶
2024/01/23
1K0
Transformer在GNN的前沿综述
分享10篇最新论文:涉及大模型Prompt调优、LLM安全、推理增强、图学习等热门方向!
紧跟技术发展趋势,快速了解NLP领域最新动态。今天给大家分享10篇最新论文,其中涉及大模型应用、大模型Prompt调优、大模型安全、数学推理增强、预训练模型增强、LoRA改进、Mamba改进等热门研究方向。
ShuYini
2024/03/25
9820
分享10篇最新论文:涉及大模型Prompt调优、LLM安全、推理增强、图学习等热门方向!
ICLR'24 | VQGraph: 重新审视图表示学习,将Graph空间Token化
论文题目: VQGraph: Rethinking Graph Representation Space for Bridging GNNs and MLPs
Houye
2024/03/06
7680
ICLR'24 | VQGraph: 重新审视图表示学习,将Graph空间Token化
GNN教程:与众不同的预训练模型!
虽然 GNN 模型及其变体在图结构数据的学习方面取得了成功,但是训练一个准确的 GNN 模型需要大量的带标注的图数据,而标记样本需要消耗大量的人力资源,为了解决这样的问题,一些学者开始研究Graph Pre-training的框架以获取能够迁移到不同任务上的通用图结构信息表征。
Datawhale
2021/02/05
2.1K1
GNN教程:与众不同的预训练模型!
推荐阅读
GNN论文周报 | 来自北航、中科院、MSRA、新加坡国立大学、慕尼黑工业大学等机构前沿论文研究
4000
论文合集 | 图大模型推荐研究
9930
图大模型的前沿综述
2K0
8篇 ICLR 2023 高分GNN论文
1.3K0
调研图基础模型(Graph Foundation Models)
6930
深度时间序列预测和基础模型的研究进展
3730
[每周ArXiv] 最新几篇GNN论文
7710
OpenGSL | 开源图结构学习基准库, 含12个前沿GSL方法和10个数据集
6630
「图结构学习」新思路!港大等提出GraphEdit模型:用LLM删除噪声边,全局理解节点间依赖关系
5440
万字综述,GNN在NLP中的应用,建议收藏慢慢看
2K0
超越标准 GNN !DeepMind、谷歌提出图匹配网络| ICML最新论文
1K0
AAAI 2020 论文抢先看!图学习GNN火爆,谷歌、港科大、北邮最新力作
1.3K0
SIGIR2024 | GraphGPT: 大语言模型引领图学习新范式
7180
AI论文速读 |【综述】2024 [arXiv] 时间序列预测中的深度学习和基础模型
3980
本周精选GNN论文 | 来自西湖大学、南京大学、国防科大、华为诺亚方舟实验室、莱斯大学等机构前沿论文研究
5490
论文主题、引用量、中国机构 & 华人学者,KDD 2020 关键数据抢先看!
1.5K0
Transformer在GNN的前沿综述
1K0
分享10篇最新论文:涉及大模型Prompt调优、LLM安全、推理增强、图学习等热门方向!
9820
ICLR'24 | VQGraph: 重新审视图表示学习,将Graph空间Token化
7680
GNN教程:与众不同的预训练模型!
2.1K1
相关推荐
GNN论文周报 | 来自北航、中科院、MSRA、新加坡国立大学、慕尼黑工业大学等机构前沿论文研究
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档