python方孔衍射模拟程序

本书是计算机视觉编程的权威实践指南,依赖 Python 语言讲解了基础理论与算法,并通过 大量示例细致分析了对象识别、基于内容的图像搜索、光学字符识别、光流法、跟踪、三维重建、 立体成像、增强现实、姿态估计、全景创建、图像分割、降噪、图像分组等技术。(This book is an authoritative guide to computer vision programming, which explains basic theories and algorithms based on the Python language.A large number of examples carefully analyze object recognition, content based image search, optical character recognition, optical flow, tracking, 3D reconstruction,Stereoscopic imaging, augmented reality, attitude estimation, panoramic creation, image segmentation, noise reduction, image grouping and other techniques.)

说明：  使用pyhton直接写的代码，没有使用任何框架，直接实现利用人工神经网络算法识别手写数字的图片。(The code written directly by pyhton, without any framework, directly realizes the recognition of handwritten digits by artificial neural network algorithm.)

通过hmm实现中文分词，并且能自动发现新词的功能(The Chinese word segmentation is realized by HMM, and the function of new words can be automatically found)

贝叶斯学习算法The inference model based on Bayesian Network is discussed and the algorithm based on the model is presented.(The inference model based on Bayesian Network is discussed and the algorithm based on the model is presented.)

说明：  功率谱分析，labview自带WAV声信号功率谱分析(Power spectrum analysis, LabVIEW with WAV acoustic signal power spectrum analysis)

说明：  深度学习入门 基于python的理论与实现 包含PDF版本和源码(Introduction to deep learning theory and Implementation Based on Python Contains PDF version and source code)

说明：  《Python编程》源代码文件，是这本python入门基础书的源代码(Python Programming Source Code File)

说明：  与经典的方法相比，使用具有长时间记忆细胞的递归神经网络(RNN)不需要或几乎不需要特征工程。数据可以直接输入到神经网络中，神经网络就像一个黑匣子，可以正确地对问题进行建模。其他研究在活动识别数据集上可以使用大量的特征工程，这是一种与经典数据科学技术相结合的信号处理方法。这里的方法在数据预处理的数量方面非常简单(Compared with the classical methods, the recursive neural network (RNN) with long-term memory cells does not need or almost need feature engineering. Data can be directly input into the neural network, which acts as a black box and can correctly model the problem. Other research can use a lot of Feature Engineering on activity recognition data sets, which is a signal processing method combined with classical data science and technology. The method here is very simple in terms of the number of data preprocessing)

使用tensorflow 开源框架实现猫狗种类分类识别外框代码(Using tensorflow open source framework to realize cat dog classification and identification frame code)

使用的是最新版本的PyQt5.9，详细讲解了PyQt5的各个知识点，包含从入门到实战的所有例子。本书共包含11个章节，这些章节基本包含了笔者在使用PyQt中遇到的绝大多数技术以及一些简单的应用。本书虽然有11个章节，但是有些章节是具有独立性的，读者可以针对自己的实际情况选择性阅读。本书第一章介绍了PyQt的入门知识，讲述了PyQt的安装配置以及Eric6这个IDE的简单使用方法。对于对PyQt已经有一定基础的朋友可以略去这一章。本书第二章简单介绍了Python的基本语法，本章针对一些没有接触过python的读者，对于Python已经有一些基础的朋友可以略去这一章。本书第三章介绍Qt Designer的使用方法，Qt Designer是一个PyQt的可视化界面编辑程序，他的作用是帮助我们快速开发出界面文件，我们可以通过其他方式把界面文件转化成python代码文件。对于不懂太多PyQt知识的读者来说，本章可以让你快速入门，同时，本章也是让自己的PyQt技术快速进步的最重要的章节。本书第四章介绍了PyQt的基本控件的使用方法，如果读者时间并不充裕，只对部分控件感兴趣，可以选取相应的小节进行阅读。本书第五章介绍了PyQt的高级控件的使用方法，如果读者对PyQt的表格、树、多文本页面、数据库、多线程等等感兴趣，可以在这一章中选择相应的小节阅读。本书第六章重新介绍了PyQt的布局管理的使用（之前在第3章通过Qt Designer的使用方法中已经介绍，第3章是通过Qt Designer这个代码生成器进行介绍，这里通过手工敲打代码的方法介绍）。由于布局管理非常重要，值得我们以一个新的章节介绍，如果读者对纯代码实现布局管理器感兴趣可以参考这一章，如果对代码生成器Qt Designer的布局管理器感兴趣也可以忽略这个章节。实际上两种方法并没有本质的区别。本书第七章介绍了PyQt信号与槽的应用，信号与槽是PyQt的核心，想要掌握PyQt的高级玩法的朋友可以仔细阅读这个章节。本书第八章介绍了PyQt的图形特效，如果读者对PyQt绘图，背景着色等感兴趣，可以阅读这个章节。本书第九章介绍了PyQt的扩展应用，如果你想知道如何把Python的一些非常流行的模块如pyinstaller、pandas、matplotlib、pyqtgraph、plotly等与PyQt结合，可以从这一章节中选择性的阅读。本书第十章通过几个例子介绍PyQt的实战应用，想要简单了解一些简单的程序是如何开发的朋友可以选择性的阅读这个章节。本书第十一章介绍PyQt在金融领域中的应用，是本书的另一个作者孙洋在金融公司工作过程中积累的一些实战性较高的案例，向读者展示PyQt如何应用到投资研究系统、量化投资、以及金融工具开发，读者可以根据自己的需求选择性阅读。