IOS 开发秘籍 最新(英文版)，英文黄皮书版，IOS开发大师经典之作，学习IOS助手，工具书。

IT十年经典书系列英文版-Design_Patterns-Elements_of_Reusable_Object-Oriented_Software.pdf

JNI编程指南(中文版&英文版)

CPCI规范3.0版 英文原版协议规范 需要的下载

ZYNQ-UG585中英文文档，中文是机翻的，注意对照英文文档

第二章 图像去噪原理与神经网络简介 9 在上图去噪框架中有几个需要注意的点，第一是分解的图片块的大小不是盲 目的， p p 大小取得不同，则最终去噪的效果也不尽相同，取图片块太小，当噪 声较大时，此时去噪的结果会产生更多的可能性。而加噪的过程是不可逆的，因 此这样一来学习将变得非常复杂，找到公式（2-5）中的逼近 -1 的 f 函数将变更加 困难。另外一方面，虽然理论上来说取更大的 p p 是更好的，但实际情况并不是 如此，图片越大计算量越大，所以一般需要实验后折中取值。为了分开学习降低 复杂度，所以我们得折中选取了一个合适我们去噪模型的尺寸。在这个方面，尺 寸大小对去噪效果的影响在文献[10]中已经做过比较，不再详细展开。另外一点需 要注意的是，图像拆分处理之后是如何聚合并还原成原图像大小的。实际上我们 可以这样理解，对于每一个分别去噪的图片块，经过一个处理函数从 p p 变成 q q ，最后将这些尺寸为 q q 的图片按在原图中像素的位置点重聚回去，如果有 很多不同的图片块具有重叠的像素位置，则对这些重复的位置采用加权求平均或 者高斯平均的方法算出最终聚合回原图变成 m nR  的去噪图像。在神经网络中则是 采用全连接层的方式还原成 m nR  的去噪图像，其整体思想也是拆分再聚合。 2.2 人工神经网络 20世纪 80年代，人工智能领域兴起了人工神经网络（Artificial Neural Network， ANN）的研究热潮，ANN 也被人们简称为神经网络。它是一种仿照生物学中的神 经网络结构而设计的类似的网络结构，有点类似于生物脑细胞中的响应过程，通 过网络拓扑结构模拟生物神经元细胞的连接方式，以大量的简单原件构成一个复 杂的网络，以其强大的并行计算能力，高效的自主学习能力和高容错性能力进行 智能化自适应学习的网络。是一种高度非线性的模拟生物神经系统的网络结构， 可以解决复杂非线性运算和逻辑运算的网络系统。 2.2.1 神经元 如图 2-3 所示，为一个生物神经元，主要有细胞核，树突、轴突、突触、髓鞘 等结构。我们知道生物的脑神经网络由众多神经元一一连接而形成网络，树突和 突触主要用来收集传递信息，轴突主要作用相当于放行兴奋信号，阻挡抑制电平 信号。神经元就像一个处理器，释放或抑制电平信号。

国外的一本适合初学者入门小波变换的教材

AWS Database Specialty-(DBS-C01)认证考试资料整理英文-系列一

VM0001 红外自动制冷剂泄漏检测效率项目方法，v1.1 VM0002 新的热电联产设施向电网和/或热水向一个或多个电网客户供应低碳密集型电力，v1.0 VM0003 通过延长轮伐期改进森林管理的方法，v1.2 VM0004 避免泥炭沼泽森林中计划土地利用转换的保护项目方法论，v2.0 VM0005 将低产林转化为高产林的方法，v1.2 VM0006 马赛克和景观规模 REDD 项目的碳核算方法，v2.2 VM0007 REDD+ 方法框架 (REDD-MF)，v1.6 VM0008 单户和多户建筑的气候变化，v1.1 VM0009 避免生态系统转换的方法，v3.0 VM0010 改进森林管理的方法论：从伐木林到保护林的转换，v1.3 VM0011 计算防止计划退化产生的温室气体效益的方法，v1.0 VM0012 改进温带和北方森林 (LtPF) 的森林管理，v1.2 VM0013 计算喷气发动机清洗的减排量，v1.0 VM0014 从煤层气 (CBM) 渗漏中拦截和破坏逸散性甲烷，v1.0 VM0015 避免意外毁林的方法，v1.1 VM0016 从产品中回收和销毁消耗臭氧层物质

Unity 2D Game Development Cookbook