Анализ сайта alextong.net
Основное Готовность: 60%
Домен
alextong.net
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Кол-во редиректов 3 слишком большое! Проверьте настройки сайта и веб-сервера!
Цепочка редиректов:
http://alextong.net
301 MovedPermanently
https://alextong.net/
301 MovedPermanently
https://www.alextong.net/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 12.11.2026 6:48:27.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en-us
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en-us.
Скорость загрузки
~1,09сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 1,09сек превышает 1 секунду. Желательно улучшить работу сайта!
Объем документа
122Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 122Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 12
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 12 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | /css/vendor-bundle.min.26c458e6907dc03073573976b7f4044e.css | |
| stylesheet | https://cdn.jsdelivr.net/gh/jpswalsh/academicons@1.9.4/css/academicons.min.css | |
| stylesheet | /css/wowchemy.a2413bb9039e7f498672669007485326.css | |
| stylesheet | /css/libs/chroma/github-light.min.css | |
| stylesheet | /css/libs/chroma/dracula.min.css | |
| js | https://www.googletagmanager.com/gtag/js?id=G-JQFKXDZ4WS | |
| js | /js/wowchemy-init.min.9e4214442a7711d35691acd58f6f6361.js | |
| js | /js/vendor-bundle.min.6782e3f6a4f06ea4766df038c45ecf40.js | |
| js | https://cdn.jsdelivr.net/gh/krisk/Fuse@v3.2.1/dist/fuse.min.js | |
| js | https://cdn.jsdelivr.net/gh/julmot/mark.js@8.11.1/dist/jquery.mark.min.js | |
| js | /en/js/wowchemy.min.69fc52a6dc16aaf1a452cfbb36466dac.js | |
| js | module | /js/wowchemy-publication.9c0e895144aef5a693008b5c5d450147.js |
Серверные заголовки
Кол-во: 10
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 10шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Accept-Ranges | bytes |
| Age | 26108 |
| Cache-Control | public, must-revalidate, max-age=0 |
| cache-status | "Netlify Edge"; hit; ttl=31509892 |
| Date | Sun, 23 Aug 2026 00:47:08 GMT |
| ETag | "acab2fe24e04642464cfbb3c5592d4b9-ssl" |
| Server | Netlify |
| Strict-Transport-Security | max-age=31536000 |
| Vary | Accept-Encoding |
| x-nf-request-id | 01M0P1BSTH7T2WM893HKDHKVTE |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
Netlify
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: Netlify.
Мета-теги Готовность: 48%
Title
Alex Tong
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 9, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Alex Tong's personal website
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо увеличить число символов в description (текущее значение мало: 28, минимум: 80, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
https://www.alextong.net/
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Канонический Url прописан корректно.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width,initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 8
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:type | profile |
| og:site_name | Alex Tong |
| og:url | https://www.alextong.net/ |
| og:title | Alex Tong |
| og:description | Alex Tong's personal website |
| og:image | https://www.alextong.net/media/icon_hu_7c287139492e5b51.png |
| og:locale | en-us |
| og:updated_time | 2022-10-24T00:00:00+00:00 |
Все мета-теги
Кол-во: 19
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 19шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width,initial-scale=1 |
| name | generator | Hugo Blox Builder 5.9.7 |
| name | author | Alex Tong |
| name | description | Alex Tong's personal website |
| name | theme-color | #1565c0 |
| property | twitter:card | summary |
| property | twitter:site | @alexandertong7 |
| property | twitter:creator | @alexandertong7 |
| property | twitter:image | https://www.alextong.net/media/icon_hu_7c287139492e5b51.png |
| property | profile:first_name | Alexander |
| property | profile:last_name | Tong |
| property | og:type | profile |
| property | og:site_name | Alex Tong |
| property | og:url | https://www.alextong.net/ |
| property | og:title | Alex Tong |
| property | og:description | Alex Tong's personal website |
| property | og:image | https://www.alextong.net/media/icon_hu_7c287139492e5b51.png |
| property | og:locale | en-us |
| property | og:updated_time | 2022-10-24T00:00:00+00:00 |
Оптимизация Готовность: 72%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 92 достаточно.
Среднее число слов в абзаце 29 достаточно.
Кол-во знаков контента 28822 на странице оптимально.
Кол-во слов 4811 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 5. Это прекрасно.
На странице присутствуют заголовки <h2> 1. Это хорошо.
На странице присутствуют заголовки <h3> 3.
Тошнота
5,39
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
7,21%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота страницы в пределах нормы.
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| krishnaswamy | 29 | 0,60% |
| michael | 22 | 0,46% |
| diffusion | 22 | 0,46% |
| models | 21 | 0,44% |
| bronstein | 18 | 0,37% |
| workshop | 18 | 0,37% |
| neurips | 18 | 0,37% |
| sampling | 17 | 0,35% |
| guillaume | 16 | 0,33% |
| avishek | 16 | 0,33% |
| yoshua | 15 | 0,31% |
| bengio | 15 | 0,31% |
| huguet | 15 | 0,31% |
| learning | 14 | 0,29% |
| generative | 13 | 0,27% |
| matching | 13 | 0,27% |
| boltzmann | 12 | 0,25% |
| daniel | 12 | 0,25% |
| generation | 11 | 0,23% |
| training | 11 | 0,23% |
Индексация Готовность: 10%
Индексирование
Есть ошибки
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 462 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Кол-во редиректов для файла robots.txt 3 слишком большое! Это может вызывать затруднение при индексации поисковыми роботами!
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Цепочка редиректов для файла robots.txt:
http://alextong.net/robots.txt
301 MovedPermanently
https://alextong.net/robots.txt
301 MovedPermanently
https://www.alextong.net/robots.txt
200 OK
Показать содержимое robots.txt
User-agent: *
Sitemap: https://www.alextong.net/sitemap.xml
Sitemap
Кол-во: 1
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt содержит карту сайта. Это прекрасно!
Robots.txt не содержит ошибок в карте сайта.
Показать карту сайта
| Url | Статус |
|---|---|
| https://www.alextong.net/sitemap.xml |
|
Внутренние ссылки
Кол-во: 95
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 95 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 2.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Alex Tong
|
|
Анализировать url |
| / |
Alex Tong
|
|
Анализировать url |
| /uploads/resume.pdf |
<span>CV</span>
|
|
|
| /uploads/Alexander_Tong_Thesis.pdf |
here
|
|
|
| /category/archival/ |
Archival
|
|
Анализировать url |
| /publication/rehman-2025-falcon/ |
FALCON: Few-step Accurate Likelihoods for Continuous Flows
|
|
Анализировать url |
| /publication/rehman-2025-falcon/ |
<div class="article-style"><p>Scalable sampling of molecular states in thermodynamic equilibrium is a long-standing challenge in statistical physics. Boltzmann Generators tackle this problem by pairing a generative model, capable of exact likelihood computation, with importance sampling to obtain consistent samples under the target distribution. Current Boltzmann Generators primarily use continuous normalizing flows (CNFs) trained with flow matching for efficient training of powerful models. However, likelihood calculation for these models is extremely costly, requiring thousands of function evaluations per sample, severely limiting their adoption. In this work, we propose Few-step Accurate Likelihoods for Continuous Flows (FALCON), a method which allows for few-step sampling with a likelihood accurate enough for importance sampling applications by introducing a hybrid training objective that encourages invertibility. We show FALCON outperforms state-of-the-art normalizing flow models for molecular Boltzmann sampling and is two orders of magnitude faster than the equivalently performing CNF model.</p></div>
|
|
Анализировать url |
| /category/preprint/ |
Preprint
|
|
Анализировать url |
| /publication/rectorbrooks-2026-general-multimodal-protein-design/ |
General Multimodal Protein Design Enables DNA-Encoding of Chemistry
|
|
Анализировать url |
| /category/archival/ |
Archival
|
|
Анализировать url |
| /publication/peng-2025-plannerawarepathlearning/ |
Planner Aware Path Learning in Diffusion Language Models Training
|
|
Анализировать url |
| /publication/peng-2025-plannerawarepathlearning/ |
<div class="article-style"><p>Diffusion language models have emerged as a powerful alternative to autoregressive models, enabling fast inference through flexible and parallel generation paths. This flexibility is enabled by new sampling strategies, or planners, that iteratively choose where to denoise along the sequence rather than sampling uniformly at random. However, by modifying reverse paths, planners introduce a mismatch between the uniformly random denoising paths used during training and the planning-based paths used at inference. In this work, we systematically investigate this mismatch and theoretically show that the standard discrete diffusion training evidence lower bound (ELBO) does not accurately describe a denoiser under non-uniform planning. To bridge this gap, we derive a new Planned Evidence Lower Bound (P-ELBO) that directly incorporates planner-based reverse dynamics into the training objective. Building on this, we propose Planner Aware Path Learning (PAPL), a simple and effective modification of the standard masked discrete diffusion loss that aligns training and inference under planned denoisers. Empirically, PAPL delivers consistent improvements across domains, including a 40% relative gain in protein sequence modeling, up to a 4x improvement in MAUVE for text generation, and a 23% relative gain in HumanEval pass@10 for code generation.</p></div>
|
|
Анализировать url |
| /publication/rehman-2026-autoregressiveboltzmanngenerators/ |
Autoregressive Boltzmann Generators
|
|
Анализировать url |
| /publication/maksymiuk-2026-macroguide/ |
MacroGuide: Topological Guidance for Macrocycle Generation
|
|
Анализировать url |
| /publication/morehead-2026-flowmatchinggenerativemodellingbioinform/ |
Flow matching for generative modelling in bioinformatics and computational biology
|
|
Анализировать url |
| /publication/tang-2025-branchedschrodingerbridgematching/ |
Branched Schrödinger Bridge Matching
|
|
Анализировать url |
| /publication/rehman-2025-fortforwardonlyregressiontraining/ |
Efficient Regression-Based Training of Normalizing Flows for Boltzmann Generators
|
|
Анализировать url |
| /publication/rehman-2025-falcon/ |
FALCON: Few-step Accurate Likelihoods for Continuous Flows
|
|
Анализировать url |
| /publication/jin-2025-oxtal/ |
OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction
|
|
Анализировать url |
| /publication/peng-2025-plannerawarepathlearning/ |
Planner Aware Path Learning in Diffusion Language Models Training
|
|
Анализировать url |
| /publication/wyrwal-2026-topological-flow-matching/ |
Topological Flow Matching
|
|
Анализировать url |
| /publication/akhoundsadegh-2025-progressiveinferencetimeannealingdiffusion/ |
Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities
|
|
Анализировать url |
| /publication/tan-2025-amortizedsamplingtransferablenormalizing/ |
Amortized Sampling with Transferable Normalizing Flows
|
|
Анализировать url |
| /publication/petrovic-2025-curlyflowmatching/ |
Curly Flow Matching for Learning Non-gradient Field Dynamics
|
|
Анализировать url |
| /publication/skreta-2025-feynmankaccorrectorsdiffusionannealing/ |
Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts
|
|
Анализировать url |
| /publication/tan-2025-scalable/ |
Scalable Equilibrium Sampling with Sequential Boltzmann Generators
|
|
Анализировать url |
| /publication/luecken-defining-2024/ |
Defining and Benchmarking Open Problems in Single-Cell Analysis
|
|
Анализировать url |
| /publication/vincoff-2025-soapiasiameseguidedgenerationofftarget/ |
SOAPIA: Siamese-Guided Generation of Off Target-Avoiding Protein Interactions with High Target Affinity
|
|
Анализировать url |
| /publication/rectorbrooks-steering-2024/ |
Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction
|
|
Анализировать url |
| /publication/palma-generating-2024/ |
Generating Multi-Modal and Multi-Attribute Single-Cell Counts with CFGen
|
|
Анализировать url |
| /publication/atanackovic-2024-metaflowmatchingintegrating/ |
Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold
|
|
Анализировать url |
| /publication/skreta-2024-superpositiondiffusionmodelsusing/ |
The Superposition of Diffusion Models Using the Itô Density Estimator
|
|
Анализировать url |
| /publication/vincoff-2025-soapisiameseguidedgenerationofftarget/ |
SOAPI: Siamese-guided generation of Off-Target-Avoiding Protein Interactions
|
|
Анализировать url |
| /publication/zhang-trajectory-2024/ |
Trajectory Flow Matching with Applications to Clinical Time Series Modeling
|
|
Анализировать url |
| /publication/huguet-2024-sequenceaugmented/ |
Sequence-Augmented SE(3)-Flow Matching For Conditional Protein Backbone Generation
|
|
Анализировать url |
| /publication/kapusniak-2024-metric/ |
Metric Flow Matching for Smooth Interpolations on the Data Manifold
|
|
Анализировать url |
| /publication/akhoundsadegh-2024-iterated/ |
Iterated Denoising Energy Matching for Sampling from Boltzmann Densities
|
|
Анализировать url |
| /publication/neklyudov-computational-2023/ |
A Computational Framework for Solving Wasserstein Lagrangian Flows
|
|
Анализировать url |
| /publication/bose-se-3-stochastic-2023/ |
SE(3)-Stochastic Flow Matching for Protein Backbone Generation
|
|
Анализировать url |
| /publication/tong-simulation-free-2023/ |
Simulation-Free Schrodinger Bridges via Score and Flow Matching
|
|
Анализировать url |
| /publication/tong-2022-learnable/ |
Learnable Filters for Geometric Scattering Modules
|
|
Анализировать url |
| /publication/zapatero-trellis-2022/ |
Trellis tree-based analysis reveals stromal regulation of patient-derived organoid drug responses
|
|
Анализировать url |
| /publication/huguet-heat-2023/ |
A Heat Diffusion Perspective on Geodesic Preserving Dimensionality Reduction
|
|
Анализировать url |
| /publication/atanackovic-dyngfn-2023/ |
DynGFN: Bayesian Dynamic Causal Discovery Using Generative Flow Networks
|
|
Анализировать url |
| /publication/perlmutter-2023-understanding/ |
Understanding Graph Neural Networks with Generalized Geometric Scattering Transforms
|
|
Анализировать url |
| /publication/huguet-geodesic-2022/ |
Geodesic Sinkhorn for Fast and Accurate Optimal Transport on Manifolds
|
|
Анализировать url |
| /publication/fasina-neural-2023/ |
Neural FIM for Learning Fisher Information Metrics from Point Cloud Data
|
|
Анализировать url |
| /publication/huguet-time-inhomogeneous-2022/ |
Time-Inhomogeneous Diffusion Geometry and Topology
|
|
Анализировать url |
| /publication/kuchroo-single-cell-2023/ |
Single-Cell Analysis Reveals Inflammatory Interactions Driving Macular Degeneration
|
|
Анализировать url |
| /publication/tong-conditional-2023/ |
Improving and Generalizing Flow-Based Generative Models with Minibatch Optimal Transport
|
|
Анализировать url |
| /publication/leone-2023-graph/ |
Graph Fourier MMD for signals on data graphs
|
|
Анализировать url |
| /publication/huguet-manifold-2022/ |
Manifold Interpolating Optimal-Transport Flows for Trajectory Inference
|
|
Анализировать url |
| /publication/tong-embedding-2021/ |
Embedding Signals on Knowledge Graphs with Unbalanced Diffusion Earth Mover's Distance
|
|
Анализировать url |
| /publication/perdigoto-immune-2022/ |
Immune Cells and Their Inflammatory Mediators Modify Beta Cells and Cause Checkpoint Inhibitor-Induced Diabetes
|
|
Анализировать url |
| /publication/hafler-topological-2022/ |
Topological Analysis of Single-Cell Hierarchy Reveals Inflammatory Glial Landscape of Macular Degeneration
|
|
Анализировать url |
| /publication/kuchroo-multiscale-2021/ |
Multiscale PHATE identifies multimodal signatures of COVID-19
|
|
Анализировать url |
| /publication/gerasimiuk-mural-2021/ |
MURAL: An Unsupervised Random Forest-Based Embedding for Electronic Health Record Data
|
|
Анализировать url |
| /publication/luecken-sandbox-2021/ |
A sandbox for prediction and integration of DNA, RNA, and protein data in single cells
|
|
Анализировать url |
| /publication/tong-fixing-2021/ |
Fixing Bias in Reconstruction-based Anomaly Detection with Lipschitz Discriminators
|
|
Анализировать url |
| /publication/tong-fixing-2021/LAD%20MLSP%202020.pdf |
Slides
|
|
|
| /publication/tong-datadriven-2021/ |
Data-Driven Learning of Geometric Scattering Networks
|
|
Анализировать url |
| /publication/tong-datadriven-2021/LEGS_MLSP_2021.pdf |
Slides
|
|
|
| /publication/kuchroo-multimodal-2021/ |
Multimodal data visualization and denoising with integrated diffusion
|
|
Анализировать url |
| /publication/tong-diffusion-2021/ |
Diffusion Earth Mover's Distance and Distribution Embeddings
|
|
Анализировать url |
| /publication/tong-diffusion-2021/DiffusionEMD_poster.pdf |
Poster
|
|
|
| /publication/tong-diffusion-2021/DiffusionEMD_slides.pdf |
Slides
|
|
|
| /publication/tong-diffusion-2021/NeurIPS_LMRL_2020_Manifold.pdf |
Workshop Poster
|
|
|
| /publication/flamary-pot-2021/ |
POT: Python Optimal Transport
|
|
Анализировать url |
| /publication/burkhardt-532846/ |
Quantifying the effect of experimental perturbations in single-cell RNA-sequencing data using graph signal processing
|
|
Анализировать url |
| /publication/castro-uncovering-2020/ |
Uncovering the Folding Landscape of RNA Secondary Structure with Deep Graph Embeddings
|
|
Анализировать url |
| /publication/tong-fixing-2020/ |
Fixing Bias in Reconstruction-based Anomaly Detection with Lipschitz Discriminators
|
|
Анализировать url |
| /publication/tong-fixing-2020/LAD%20MLSP%202020.pdf |
Slides
|
|
|
| /publication/tong-trajectorynet-2020/ |
TrajectoryNet: A Dynamic Optimal Transport Network for Modeling Cellular Dynamics
|
|
Анализировать url |
| /project/trajectorynet/ |
Project
|
|
Анализировать url |
| /publication/tong-trajectorynet-2020/TrajectoryNet%20ICML%202020.pdf |
Slides
|
|
|
| /publication/tong-interpretable-2020/ |
Interpretable Neuron Structuring with Graph Spectral Regularization
|
|
Анализировать url |
| /publication/tong-interpretable-2020/GSR%20IDA%20Talk.pdf |
Slides
|
|
|
| /publication/dijk-finding-2019/ |
Finding Archetypal Spaces Using Neural Networks
|
|
Анализировать url |
| /publication/aspnes-allocate-use-2018/ |
Allocate-On-Use Space Complexity of Shared-Memory Algorithms
|
|
Анализировать url |
| /publication/franca-2026-hackinggenerativeperplexitywhyunconditio/ |
Hacking Generative Perplexity: Why Unconditional Text Evaluation Needs Distributional Metrics
|
|
Анализировать url |
| /publication/li-2026-whyaredmdstudentslazyunderstanding/ |
Why Are DMD Students Lazy? Understanding the Copying Behavior in Few-Step Distillation
|
|
Анализировать url |
| /publication/mccallum-2026-strongstochasticflowmaps/ |
Strong Stochastic Flow Maps
|
|
Анализировать url |
| /publication/trentini-2026-entropyacrossbridgeconditionalmarginaldi/ |
Entropy Across the Bridge: Conditional-Marginal Discretization for Flow and Schrödinger Samplers
|
|
Анализировать url |
| /publication/peng-2026-couplingmodelsonestepdiscretegeneration/ |
Coupling Models for One-Step Discrete Generation
|
|
Анализировать url |
| /publication/peng-2026-dontretrainalignadaptingautoregressive/ |
Don't Retrain, Align: Adapting Autoregressive LMs to Diffusion LMs via Representation Alignment
|
|
Анализировать url |
| /publication/rectorbrooks-2026-general-multimodal-protein-design/ |
General Multimodal Protein Design Enables DNA-Encoding of Chemistry
|
|
Анализировать url |
| /publication/sun-2026-mioflow-2-0/ |
MIOFlow 2.0: A Unified Framework for Inferring Cellular Stochastic Dynamics from Single Cell and Spatial Transcriptomics Data
|
|
Анализировать url |
| /publication/passaro-2026-stochasticfewstepmodels/ |
Stochastic Few-step Models
|
|
Анализировать url |
| /publication/pauline-2025-foundationsdiffusionmodels/ |
Foundations of Diffusion Models in General State Spaces: A Self-Contained Introduction
|
|
Анализировать url |
| /publication/rimawifine-2025-simulationfreestructurelearningstochasti/ |
Simulation-free Structure Learning for Stochastic Dynamics
|
|
Анализировать url |
| /publication/tang-2025-gumbelsoftmaxflowmatchingstraightthrough/ |
Gumbel-Softmax Flow Matching with Straight-Through Guidance for Controllable Biological Sequence Generation
|
|
Анализировать url |
| /publication/nourisa-2025-02-25-640181/ |
geneRNIB: a living benchmark for gene regulatory network inference
|
|
Анализировать url |
| /publication/peng-2025-pathplanningmaskeddiffusion/ |
Path Planning for Masked Diffusion Model Sampling
|
|
Анализировать url |
| /publication/nguyen-causal-2023-1/ |
Causal Inference in Gene Regulatory Networks with GFlowNet: Towards Scalability in Large Systems
|
|
Анализировать url |
| /publication/tong-learning-2023/ |
Learning Transcriptional and Regulatory Dynamics Driving Cancer Cell Plasticity Using Neural ODE-Based Optimal Transport
|
|
Анализировать url |
Внешние ссылки
Кол-во: 275
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 275 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| oeaw.ac.at |
<span>Aithyra</span>
|
Анализировать url |
| github.com |
<i class="fab fa-github big-icon"></i>
|
Анализировать url |
| bsky.app |
<i class="fas fa-cloud-moon big-icon"></i>
|
Анализировать url |
| twitter.com |
<i class="fab fa-twitter big-icon"></i>
|
|
| linkedin.com |
<i class="fab fa-linkedin big-icon"></i>
|
Анализировать url |
| scholar.google.com |
<i class="ai ai-google-scholar big-icon"></i>
|
Анализировать url |
| oeaw.ac.at |
Aithyra
|
Анализировать url |
| cs.ox.ac.uk |
Michael
Bronstein
|
Анализировать url |
| duke.edu |
Duke
University
|
Анализировать url |
| yoshuabengio.org |
Yoshua
Bengio
|
Анализировать url |
| mila.quebec |
Mila
|
Анализировать url |
| cpsc.yale.edu |
computer science department
|
Анализировать url |
| yale.edu |
Yale
University
|
Анализировать url |
| krishnaswamylab.org |
Smita
Krishnaswamy
|
Анализировать url |
| dreamfold.ai |
Dreamfold
|
Анализировать url |
| tufts.edu |
Tufts
University
|
Анализировать url |
| int505.org |
505 class
|
Анализировать url |
| vermont50.com |
Vermont 50
|
Анализировать url |
| tonggroup.org |
https://tonggroup.org/
|
Анализировать url |
| pengzhangzhi.github.io |
Non-Autoregressive Language Models
|
Анализировать url |
| colmweb.org |
<strong>COLM</strong>
|
Анализировать url |
| arxiv.org |
ARBG
|
Анализировать url |
| danyalrehman.com |
Danyal
|
Анализировать url |
| arxiv.org |
MacroGuide
|
Анализировать url |
| arxiv.org |
PAPL
|
Анализировать url |
| pengzhangzhi.github.io |
Fred
|
Анализировать url |
| scholars.duke.edu |
Zack
|
Анализировать url |
| arxiv.org |
OXtal
|
Анализировать url |
| cs.ox.ac.uk |
Emily
|
Анализировать url |
| andreinica.com |
Andrei
|
Анализировать url |
| arxiv.org |
FALCON
|
Анализировать url |
| arxiv.org |
RegFlow
|
Анализировать url |
| danyalrehman.com |
Danyal
|
Анализировать url |
| arxiv.org |
BranchSBM
|
Анализировать url |
| sophtang.github.io |
Sophia
|
Анализировать url |
| scholar.google.com |
Kacper
|
Анализировать url |
| arxiv.org |
Curly-FM
|
Анализировать url |
| kpetrovicc.github.io |
Katarina
|
Анализировать url |
| lazaratan.github.io |
Lazar
|
Анализировать url |
| arxiv.org |
Prose
|
Анализировать url |
| charliebtan.github.io |
Charlie
|
Анализировать url |
| majhas.github.io |
Majdi
|
Анализировать url |
| arxiv.org |
PITA
|
Анализировать url |
| sites.google.com |
Tara
|
Анализировать url |
| mila.quebec |
Yoon
|
Анализировать url |
| oeaw.ac.at |
Aithyra
|
Анализировать url |
| danyalrehman.com |
Danyal Rehman
|
Анализировать url |
| arxiv.org |
FORT
|
Анализировать url |
| fpiworkshop.org |
Frontiers in Probabilistic Inference:
Sampling meets Learning
workshop
|
Анализировать url |
| duke.edu |
Duke University
|
Анализировать url |
| arxiv.org |
Feynman-Kac
Correctors
|
Анализировать url |
| arxiv.org |
Scaling Boltzmann Generators
|
Анализировать url |
| arxiv.org |
FORT
|
Анализировать url |
| arxiv.org |
PITA
|
Анализировать url |
| pengzhangzhi.github.io |
Fred Zhangzhi Peng
|
Анализировать url |
| arxiv.org |
P2
|
Анализировать url |
| arxiv.org |
masked
|
Анализировать url |
| arxiv.org |
continuous
|
Анализировать url |
| arxiv.org |
CFGen
|
Анализировать url |
| arxiv.org |
Meta
FM
|
Анализировать url |
| sites.google.com |
Frontiers in Probabilistic Inference: Sampling meets
Learning
|
Анализировать url |
| sites.google.com |
Geometric Generative
Models
|
Анализировать url |
| helibenhamu.github.io |
Heli
Ben-Hamu
|
Анализировать url |
| joeybose.github.io |
Joey
Bose
|
Анализировать url |
| logconference.org |
<strong>LoG</strong>
|
Анализировать url |
| cs.ox.ac.uk |
Michael
Bronstein
|
Анализировать url |
| ox.ac.uk |
Oxford
|
Анализировать url |
| mila.quebec |
Xi (Nicole)
Zhang
|
Анализировать url |
| yuan-pu.github.io |
Yuan
Pu
|
Анализировать url |
| mila.quebec |
Guillaume
Huguet
|
Анализировать url |
| jamesvuckovic.com |
James
Vuckovic
|
Анализировать url |
| scholar.google.com |
Kacper
Kapuśniak
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| disco-design.github.io |
Website
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| openreview.net |
PDF
|
Анализировать url |
| openreview.net |
OpenReview
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| arxiv.org |
arXiv
|
Анализировать url |
| arxiv.org |
URL
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| oxtal.github.io |
Blog
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| openreview.net |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Анализ сайта alextong.net, слабо оптимизирован на 48%. Для хорошей оптимизации и выхода на первые места в поиске требуется:
Постарайтесь исправить общие ошибки.
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: