开篇词掌握深度学习，畅游AI时代 网盘文件永久链接 01从神经元说起：数学篇.mp4 02从神经元说起：结构篇.mp4 03AI术语：让你变得更加专业.mp4 04函数与优化方法：模型的自我学习（上）。mp4 05前馈网络与反向传播：模型的自我学习（下）。mp4 06线性回归模型：在问题中回顾与了解基础概念。mp4 07卷积神经网络：给你的模型一双可以看到世界的眼睛。mp4 08RNN与LSTM模型也可以持续不断地思考。mp4 09自编码器：让模型拥有属于自己的表达和语言。mp4 10生成式对抗网络艺术创造也可以成为深度学习的拿手好戏。mp4 11集成、共享、敏捷lupyter Notebook的使用.mp4 12数据预处理让模型学得更好。mp4 13张量、数据流图与概念初步了解TenorFlow.mp4 14工作机制与流程：通过手写识别深入了解TenorFlow.mp4 15 TenorBoard:实验统计分析助手mp4 16图像分类：技术背景与常用模型解析。mp4 17图像分类：实现你的第一个图像分类实战顶目。mp4 18语义分割：技术背景与算法剖

《语音增强理论与时间》书籍的用例代码与测试音频数据，非常经典的语音增强领域的书籍，该资料是作者亲自编码的代码，以及附带了测试音频，非常值得对语音增强感兴趣的读者朋友下载进行研究。如果对相关资料感兴趣，也可以直接联系我本人，可以提供阵列、AGC、AEC降噪等相关开源源码进行探讨。

chrome浏览器插件，可以实现视频嗅探，视频下载。

个人智能入门、数据基础、神经网络视频和资料

以二值图像为水印信息，以音频数据为嵌入对象的音频水印系统，源码+论文稿 本文以二值图像为水印信息，以音频数据为嵌入对象，在分析了数字音频水印的特点和声音信号的理论基础上，从提高水印的不可察觉性和鲁棒性出发，对现有的水印算法进行改进，提出了数字音频水印的算法。首先阐述了本课题的研究背景和意义，并介绍了数字水印问题的提出及相关概念、原理与分类。接着，专门针对音频文件，介绍了数字音频水印算法的基本原理、实现的框架、常见的攻击与对策。结合声音的特性以及人耳的听觉特性，在介绍常见音频文件格式的基础上，区分为时域、变换域、压缩域，从不同的领域分别介绍现有的数字音频水印技术特点，并进行一定的分析与评价。

autobank7.2视频教程

实时人脸识别，可以使用网络摄像头、视频或图像对情绪进行分类。 软件通过视频或网络摄像头识别人脸及其相应的情绪。由OpenCV、Dlib、人脸识别和深度学习提供支持。 python 依赖关系 Opencv Cmake Dlib 人脸识别 用法 测试文件夹包含提供给模型的视频及图像。 “图像”文件夹仅包含用于执行人脸识别的人脸图像。 模型包含预先训练的情感分类器模型。 emotion.py 对人的面部情绪进行分类。 face-rec-emotion.py一次识别人脸并对情绪进行分类。 face_recognition library使用FaceNet实现进行人脸识别。

泛微E-CODE前后端开发相关资料

Word 2019中文版基础入门视频教程第04章 添加目录.zipWord 2019中文版基础入门视频教程第04章 添加目录.zip