我如果在我的程序中把System.Web.Extension dll打包安装给客户，会不会触犯microsoft的版权。
在ms网站上没找到相关信息，请大牛帮忙分析一下。
-
System.Web.Extension dll为什么没有集成在vs安装包里，为什么要单独安装。
我如果在我的程序中把System.Web.Extension dll打包安装给客户，会不会触犯microsoft的版权。
在ms网站上没找到相关信息，请大牛帮忙分析一下。展开阅读全文
-
等级
本版专家分：36512 -
没关系.
-
等级
本版专家分：4289 -
没关系，MS公布的。
-
等级
本版专家分：2639勋章
-
- 签到新秀 累计签到获取，不积跬步，无以至千里，继续坚持！
-
-
因为它是在VS发布后开发的东西,作为ASP.NET的功能扩展,所以没有集成在VS里.只要有正版的windows,象.net框架极其功能扩展程序都可以免费使用的,Sql Server 2005 Express 也是免费的.
象这样的功能扩展程序还有很多,随便用
-
等级
本版专家分：21743勋章
-
- 黄花 2010年1月 .NET技术大版内专家分月排行榜第二
-
-
没事
-
等级
本版专家分：5413 -
很多dll文件也是单独安装。。。
应该不会涉及版权问题。。。
-
等级
本版专家分：3053 -
木有问题的
-
等级
本版专家分：3053
-
微软现在抓盗版系统还来不及呢 还管你这个啊
-
等级
本版专家分：959 -
唔嗯
-
等级
本版专家分：5151勋章
-
- 蓝花 2004年8月 C++ Builder大版内专家分月排行榜第三
-
-
找到文档了 确实是免费的 谢谢
-
等级
本版专家分：10302
-
这个没问题的，因为可以免费下载的到！
- 图卷积网络（Graph Convolutional Network）
图（graph）是一种数据格式，它可以用于表示社交网络、通信网络、蛋白分子网络等，图中的节点表示网络中的个体，连边表示个体之间的连接关系。许多机器学习任务例如社团发现、链路预测等都需要用到图结构数据，因此...
- MongoDB 入门教程实战学习笔记-36-mongo 数据模型案例和模式
呈现使用嵌入文档描述连接数据之间一对一关系的数据模型。 使用嵌入式文档建模一对多关系 呈现使用嵌入文档描述连接数据之间一对多关系的数据模型。 使用文档引用建模一对多关系 呈现使用引用描述文档之间一对多...
- 图嵌入综述 (arxiv 1709.07604) 译文第一、二章
原文：A Comprehensive Survey of Graph Embedding: Problems, Techniques and Applications (arxiv 1709.07604) ...图自然存在于各种各样的现实世界场景中，例如，社交媒体网络中的社交图/扩散...
- 图嵌入综述 (arxiv 1709.07604) 译文五、六、七
图嵌入有益于各种图分析应用，因为向量表示可以在时间和空间上高效处理。 在本节中，我们将图嵌入的应用分类为节点相关，边相关和图相关。 节点相关应用 节点分类 节点分类是基于从标记节点习得的规则，为图中的每个...
- 机器学习基础--网络嵌入方法（Network Embedding）
网络嵌入方法（Network Embedding） 旨在学习网络中节点的低维度潜在表示，所学习到的特征表示可以用作基于图的各种任务的特征，例如分类，聚类，链路预测和可视化。 由于信息网络可能包含数十亿个节点和...
- 图嵌入综述 (arxiv 1709.07604) 译文第三章
原文：A Comprehensive Survey of Graph Embedding: Problems, Techniques and Applications (arxiv 1709....在本节中，我们从问题设定的角度比较现有的图嵌入工作，其中包括嵌入输入和嵌入输出。 对于每个设定，我...
- 图嵌入综述 (arxiv 1709.07604) 译文 4.1 ~ 4.2
四、图嵌入技术 在本节中，我们基于所使用的技术对图嵌入方法进行分类。 通常，图嵌入旨在在低维空间中表示图，保留尽可能多的图属性信息。 不同图嵌入算法之间的区别在于，它们如何定义要保留的图属性。 不同的...
- TransR/CTransR论文：学习实体和关系嵌入的知识图谱补全
近年来，一些模型像TransE和TransH通过把关系作为从头实体到尾实体的翻译来建立实体和关系嵌入。我们注意到这些模型仅仅简单地假设实体和关处于相同的语义空间。事实上，一个实体是多种属性的综合体，不同关系关注...
- SENet详解
转自：http://www.sohu.com/a/161633191_465975我是 Momenta 的高级研发工程师胡杰，很高兴可以和大家分享我们的 SENet。借助我们提出的 SENet，我们团队（WMW）以极大的优势获得了最后一届 ImageNet 2017 竞赛 ...
- 人脸识别系列（六）：FaceNet
原文链接：FaceNet:A Unified Embedding for Face Recognition and Clustering 首先可以看一下最终的效果，数字表示两张图片经过Facenet提取的特征之间的欧式距离，...上图是文章中所采用的网络结构，其中，前半...
- 图嵌入综述 (arxiv 1709.07604) 译文 4.3 ~ 4.7
总体见解： 基于节点嵌入建立的边应尽可能与输入图中的边相似。 第三类图嵌入技术通过最大化边重建概率，或最小化边重建损失，来直接优化基于边重建的目标函数。 后者进一步分为基于距离的损失和基于边距的排名损失...
- 人工智能教程 - 目录
1 神经网络与深度学习 1.1 介绍神经网络 1.1.1 什么是神经网络 1.1.2 监督学习型神经网络 1.1.3 什么使深度学习火起来了 1.2 神经网络基础 1.2.1 如何将待预测数据输入到神经网络中 1.2.2 神经...
- 图神经网络（Graph Neural Networks）概述
一篇关于图神经网络的综述文章，着重介绍了图卷积神经网络（GCN），回顾了近些年的几个主要的图神经网络的的体系：图注意力网络、图自编码机、图生成网络、图时空网络。 1、介绍 传统的机器学习所用到的数据是欧氏...
- 图神经网络学习记录：《图神经网络综述：模型与应用》
摘要：大量的学习任务要求处理元素间含有丰富关系信息的图形数据。物理系统的建模、分子指纹的学习、蛋白质界面的预测和疾病的分类都需要模型从图形输入中学习。在其他领域，如文本、图像等非结构数据的学习中，提取...
- 什么是文本的词嵌入？
前言 词嵌入是单词的一种数值化表示方式，一般情况下会将一个单词映射到一个高维的向量中（词向量）来代表这个单词。例如我们将： ...‘机器学习’与‘深度学习‘的距离： ‘机器学习’与‘英雄...
- 《DeepWalk: Online Learning of Social Representations》学习笔记
关于Deepwalk这篇论文的学习笔记
- 深度学习（Deep Learning），自然语言处理（NLP）及其表达（Representation）
深度学习（Deep Learning），自然语言处理（NLP）及其表达（Representation）简介过去几年中，深度神经网络在模式识别领域占据着统治地位。他们在诸多计算机视觉任务领域，将之前的最好算法彻底击败。语言识别也正...
- 图神经网络综述
图神经网络（GNN）热度持续上升，之前我们曾介绍了清华两篇综述论文，参见：深度学习时代的图模型，清华发文综述图网络，和清华大学图神经网络综述：模型与应用。最近，IEEE Fellow、Senior Memb...
- 如何用深度学习处理结构化数据？
将神经网络用于结构化数据任务
- 权威发布：新一代人工智能发展白皮书(2017)
来源：机器人大讲堂指导单位、专家顾问及编写人员顾 问 潘云鹤 中国工程院院士指导单位 工业和信息化部信息化和软件服务业司 指导委员会 谢少锋 工信部信软司司长 李冠宇 工信部信软司副司长 徐晓兰 中国...
- 【目录】【中文】【deplearning.ai】【吴恩达课后作业目录】
一份中文版的目录，请查收~
- 笔记-图嵌入（Graph Embedding）
图嵌入（Graph Embedding，也叫Network Embedding）是一种将图数据（通常为高维稠密的矩阵）映射为低微稠密向量的过程，能够很好地解决图数据难以高效输入机器学习算法的问题。知识图谱属于异构图数据，即节点与边...
- 深度学习：词嵌入Embedding
词嵌入 词嵌入其实就是将数据的原始表示表示成模型可处理的或者是更dense的低... 假设一共有个物体，每个物体有自己唯一的id，那么从物体的集合到有一个trivial的嵌入，就是把它映射到中的标准基，这种嵌入叫做On...
- 网络表示学习综述：一文理解Network Embedding
在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。点击本文底部...
- GNN图神经网络综述
什么是GNN GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。当信息在图的节点之间传播时...GNN的目标是学习到每个节点的邻居的状态嵌入，这个状态嵌入是向量且可以用来产生输出，例如...
- 常见的语言表示模型（词嵌入、句表示、篇章表示）
一个维度是按不同粒度进行划分，语言具有一定的层次结构，语言表示可以分为字、词、句子、篇章等不同粒度的表示。另一个维度是按表示形式进行划分，可以分为离散表示和连续表示两类。离散表示是将语言看成离散的符号...
- [机器学习入门] 经典台大李宏毅机器学习课程从这里开始
VIDEO 【1】Learning Map（学习导图） blog pdf video 【2】Regression：Case Study ；回归：案例研究 blog pdf video 【3】Gradient Descent ；梯度下降 blog pdf video 【4
- 深度学习概述
这篇文章主要是为了对深度学习(DeepLearning)有个初步了解，算是一个科普文吧，文章中去除了复杂的公式和图表，主要内容包括深度学习概念、国内外研究现状、深度学习模型结构、深度学习训练算法、深度学习的优点、...
- 完结撒花！吴恩达DeepLearning.ai《深度学习》课程笔记目录总集
吴恩达 Coursera DeepLearning.ai《深度学习》系列课程笔记目录总集
- 带属性随机游走的图循环网络
随机游走模型被广泛应用于从网络嵌入到标签传播的各种网络分析任务中。但是在真实的系统中，节点通常不是纯顶点，而是具有不同的特征。然而，为具有属性的网络开发随机游走模型是困难的，节点属性使得节点间...