中文文本分类语料-训练、测试全集-复旦

GB 50157-2013 地铁设计规范

FAO利用彭曼-蒙蒂斯公式计算参考作物蒸发蒸腾量的软件EToCalculatorV32（英文）包含32位和64位的程序安装手册（英文）教程（英文）原文地址（大几率被墙，请使用在线代理）

虚拟示波器虚拟示波器虚拟示波器虚拟示波器虚拟示波器虚拟示波器虚拟示波器虚拟示波器虚拟示波器虚拟示波器

软件 博途，本系统控制六层电梯， 采用集选控制方式。 为了完成设定的控制任务， 主要根据电梯输入/输出点数确定PLC 的机型。 根据电梯控制的要求， 电梯应具有内呼和外呼按钮、 行程开关、 开关门按钮， 以及相应的指示灯， 估算所需 I/O 口的数量

简单地介绍了OFDM-UWB系统，在此基础上用matlab建立了简化的OFDM-UWB基带传输模型。然后分析了同步对系统的影响，可知同步模块是必要的，于是分析了现有的几种同步算法。 结合OFDM-UWB系统的特点，选择了基于同步序列的同步算法，它能同时实现载波和帧同步。然后设计了一种基于S&C算法的联合同步算法，最后用matlab实现了该算法，它能有效地降低BER，并验证了它的有效性。

系统地讲解了数学建模的方法、类型、及相关工具结合若干实例全面地介绍统计、优化、偏微分方程数值、样条和曲线拟合等工具箱的内容和用法。统计工具箱部包括概率分布、假设检验、方差分析、回归分析、非参数检验、判别分析、聚类分析、主成分分析、试验设计、统计过程控制、常用统计图形、多元方差分析、决策树、因子分析、隐马尔可夫模型和多维尺度分析等内容。优化工具箱部分介绍线性规划、二次规划、非线性规划、多目标规划、0-1规划、最大最小化、半无限问题、最小二乘问题和方程求解，以及大型优化问题的求解方法。偏微分方程数值解工具箱部分包括如何用图形用户界面和工具箱函数求解偏微分方程，常见的偏微分方程数值求解问题，以及包括

基于卷积神经网络的图像识别 基于卷积神经网络的图像识别关于学位论文独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。本人郑重声明:所呈交的学位谂文是本人在导师的指导下独立完成的,对所研究的课题有新的见解。据我所知,除文中特别加以说明标注和致谢的地方外,论文中不包括其它人已经发表或撰写过的研究成果,也不包括其它人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意在此本人郑重承诺:所呈交的学位论文不存在舞弊作伪行为,文责自负。学位申请人(学位论文作者)签名:亚强2015年5月20日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学位。作为学位论文的作者,本人完全了解并同意河南大学有关保留、使用学位论文的要求,即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文(纸质文本和电子文本)以供公众检索、查阅。本人授衩河南大学出于宣扬、展览学校学术发展和进行学术交流等目的,可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文(纸质文本和电子文本)(涉及保密内容的学位论文在解密后适用本授权书)学位获得者(学位论文作者)签名:卫2015年5月20日学位论文指导教师签名:2015年5月20日摘要Deep learning是机器学习研究的新领域,掀起了机器学习的新浪潮,在各个行业都受到了广泛的关注。 Google brain项目、微软全自动同声传译系统、百度硏究院等都是 deep learning技术发展的见证。随着大数据和深度模型时代的来临,deeplearning技术也得到了广泛的重视和发展,它带来的技术进步也必将改变人们的生活随着机器学习领域的发展,最近几年对卷积神经网络的研究也越发深入。现在卷积神经网络已经广泛的应用到各种领域,并取得了巨大的成果。卷积神经网络是在人工神经网络的基础上发展起来的·种高效的识别算法。典型的积网络结构是由 Lecrn提出的 LeNe t-5,它包含多个阶段的卷积和抽样过程,然后将提取到的特征输入到全连接层进行分类结果的计算。卷积神经网络通过特征提取和特征映射过程,能够较好的学习到图像中的不变特征。现在研究人员在典型的 LeNet5的基础上,使用多种方法改善卷积网终的结构和性能,从而提高网终的通用性和对图像的识别效果。本文结合图像的特点,在深入硏究了卷积网络的理论和国内外研究成果的基础上主要做了以下工作:(1)研究了卷积网络的训练算法,通过对算法分析,调试并找到最优初始化参数和最适应的网络结构配置。(2)对于分类结果的计算,使用了多区域的测试方法,通过在测试的过程中对图像的多个区域进行计算能够提高图像识别的准确率。〔3)为系统设计了一个通用的数据集输入接口,可以将自己构建的图像薮据集输入到卷积神经网络的结构中,训练和查看图像分类的结果。(4)在卷积层使用了局部偏差垬亨和非共亨两种方法,在数据集上测试并进行结果分析。(5)在隐含层使用了网络泛化的方法 DROPOUT,在数据集上测试并进行结果分析。通过以上改进方法的使用,卷积网络的通用性和性能得到了提高。关键词:,图像识别,特征提取

Agilent的ADS软件快速入门教程（十分全面，共包含3个文件）

大二上学期有一门qt课程，于是用qt写了一个推箱子小游戏，有游戏界面，bgm，十几个关卡，希望对初学者有帮助

windows/cvi sql toolkit 2.2