Coz：查找与因果分析有关的代码 Coz是一种新型的探查器，可释放传统探查器错过的优化机会。 Coz使用一种称为因果分析的新颖技术来衡量优化潜力。 此度量符合开发人员对探查器的假设：优化高级代码将对性能产生最大影响。 因果分析可测量串行，并行和异步程序的优化潜力，而无需对库调用和并发原语进行特殊处理。 相反，因果分析器使用性能实验来预测优化的效果。 这使探查器可以确定因果关系：“优化函数X将产生效果Y”，正是开发人员一直认为测量一直以来的结果。 有关Coz的完整详细信息，请参见我们的论文《 ，SOSP 2015，2015年10月（获得最佳论文奖）。 安装 在Debian，Ubuntu，Fedora上，您可以通过apt安装Coz： % sudo apt install coz-profiler OpenSUSE软件包由用户准备，可以在。 Coz应该可以在具有Python 3.x解释

Gilber Strang 的一个很好的书。推荐大家看看。深入浅出。

清晰文字版 详细讲解编译器的前端和后端优化技术

通信必读经典

车辆追踪 使用ASP.net，C＃，Javascript等的车辆跟踪完整项目 实时车辆跟踪和交通分析 明确而强大的车辆检测和跟踪系统是智能车辆掌握周围环境的关键模块之一。 如今，交通拥堵也是全世界的主要问题。 因此，为了减少城市交通和跟踪车辆，提出了交通监控系统。 全球定位系统在跟踪车辆方面正变得越来越流行。 车辆跟踪系统使用GPS模块以固定的时间间隔获取地理坐标。 在本文中，我们提出了一种混合和新颖的系统，该系统同时提供车辆的位置和道路交通流量。 使用GPS套件，我们将检测诸如速度，纬度，经度，车辆路径等参数。摄像机是低成本的交通传感器，并且具有潜在的收集大量信息的能力，因此是一种理想的交通

Fergus Henderson has been a software engineer at Google for over 10 years. He started programming as a kid in 1979, and went on to academic research in programming language design and implementation. With his PhD supervisor, he co-founded a research group at the University of Melbourne that developed the programming language Mercury. He has been a program committee member for eight international conferences, and has released over 500,000 lines of open-source code. He was a former moderator of the Usenet newsgroup comp.std.c++ and was an officially accredited ​“Technical Expert” to the ISO C and C++ committees. ​He has over 15 years of commercial software industry experience. At Google, he was one of the original developers of Blaze, a build tool now used across Google, and worked on the server-side software behind speech recognition and voice actions (before Siri!) and speech synthesis. He currently manages Google's text-to-speech engineering team, but still writes and reviews plenty of code. Software that he has written is installed on over a billion devices, and gets used over a billion times per day.

用于软件定义的网络路由优化的深度强化学习方法 ：乔治·（Giorgio Stampa），玛塔·阿里亚斯（Marta Arias），大卫·桑切斯·查尔斯（David Sanchez-Charles），维克多·芒特斯·穆勒（Victor Muntes-Mulero），阿尔伯特·卡贝洛斯（Albert Cabellos） 在本文中，我们设计和评估了可以优化路由的深度强化学习代理。 我们的代理会自动适应当前的流量状况，并提出量身定制的配置，以尽量减少网络延迟。 实验显示非常有前途的性能。 而且，相对于传统的优化算法，该方法具有重要的操作优势。 代码和数据集。 Keras和Deep确定性策略梯度可

非常好的量化基础参考书，复习面试好帮手。 注意是第二版哦！

Basic Engineering Mathematics(6th) 英文无水印原版pdf 第6版 pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

工程优化中的元启发式和进化算法，元启发式算法是独立于问题的算法，一般起源于自然观测，常见有遗传算法，粒子群优化等，本书对于目前性能最好的一系列算法基本进行介绍。