MIT线性代数课程IPN笔记

MIT-6.0001 该库包括课程中我对问题集的解决方案

MIT-6.0001-Python中的计算机科学和程序设计导论 麻省理工学院的课程作业

波网 实现，用于音频源分离。 对于（改进的）Pytorch版本，请单击。 对于Tensorflow 2 / Keras中的第三方实施（不是我本人），请单击。 听的例子 听人声的分离结果和多仪器分离结果 什么是Wave-U-Net？ Wave-U-Net是一种适用于音频源分离任务的卷积神经网络，直接在原始音频波形上工作，中。 Wave-U-Net是U-Net架构对一维时域的一种改编，可以执行端到端音频源分离。 通过一系列涉及一维卷积的下采样和上采样块以及下采样/上采样过程，可以在抽象和时间分辨率的多个尺度/级别上计算特征，并进行组合以进行预测。 有关网络体系结构的摘要，请参见下图。 参加SiSec分离竞赛 Wave-U-Net还以提交和的参加了，并取得了良好的性能，特别是考虑到我们使用的数据集与许多其他提交相比所使用的有限数据集，尽管端到端数据处理更为耗时（我们还必须从数据中学习频

MIT-BIH心电数据库，从官网下载，内含所有MITBIH标准心电数据所有数据，直接下载即可。

MIT App Inventor 最简单蓝牙连接教程，对于一些初学者，不知道怎么实现蓝牙连接可以快速入门蓝牙APP的开发，大大缩减了开发时间，可之间进入下一步骤。

MIT技术大牛课程资料，非线性动态分析有限元方法，同时含有流固耦合、壳单元、波传播等新研究进展

MIT的街景三维重建demo（包含图片、代码）

MIT的线性代数每节课后的习题以及解答，非常好的学习资源，适用于学习矩阵论以及机器学习的同学打基础，可结合视频，每节课后联系巩固

一个包含常用模式识别方法的工具箱，使用简单