Fundamental of Network Security FNS pages：120 英语

1.Server Network Recycle Bin Tool 6.11.3无限试用版。 2.网络共享文件夹回收站 6.11.3无限试用版 3.软件安装在共享文件服务上，在软件中设置回收共享文件夹，客户端删除共享服务器上的文件会自动放入指定的文件夹。

Nmap，也就是Network Mapper，最早是Linux下的网络扫描和嗅探工具包 是一个网络连接端扫描软件，用来扫描网上电脑开放的网络连接端。确定哪些服务运行在哪些连接端，并且推断计算机运行哪个操作系统（这是亦称 fingerprinting）。 1）主机发现：检测目标主机是否在线 2）端口扫描：检测端口状态和提供的服务 3）版本侦测：检测端口提供服务的包或软件的版本信息 4）操作系统侦测：检测主机使用的操作系

it's free

国外留学学习硬件系统入门课程，本书是纯英文，包含网络系统的设计方案，是计算机网络，从顶层到底层的晋升版

Amazon Product Co-purchasing Network MetaData 是由亚马逊官网上的商品信息数据组成的数据集，共计 548552 条，其中包含音乐 CD、DVD、录影带等，每条信息均包含名称、销售排名、相关商品、商品分类介绍和商品评论。 该数据集由斯坦福大学于 2007 年发布，数据采集自 2006 年夏天，相关论文有《The Dynamics of Viral Marketing》。

当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素，然而，真正了解神经网络工作机制的人少之又少。本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言开发神经网络。 本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。 本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程进行神经网络开发的读者参考。 这是一本精心编写、给完全初学者的图书。它带领读者构建一个真正、有效的神经网络，而不需要读者具备任何复杂的数学知识和深度学习的理论。 ——M Ludvig 强烈推荐本书。这本书使得人工神经网络的概念非常清晰而容易理解。读者应该尝试重复本书中给出的示例，以便让本书发挥大的作用。我就是这么做的，效果不错！ ——美亚的一位读者 如果你对人工智能或神经网络感兴趣的话，这应该是你的第1本入门书。本书对主题的介绍非常清晰，几乎涉及理解神经网络所需的所有知识，包括微积分、统计、矩阵、编程等等。 ——Niyazi Kemer 这是一本优秀的入门图书，它有几个显著特点。它细致而透彻地介绍了神经网络。它用非常精简、实用的方式介绍了数学知识，特别是矩阵乘法和一些简单的微积分，使得读者能够很容易接受一次数学训练。它使用IPython作为计算平台，引导读者使用Python编写神经网络。 ——Daniel Oderbolz

【Python项目实战】基于时间卷积网络(Temporal Convolution Network ,TCN)的发动机剩余寿命预测 航空发动机结构复杂,状态变量多且相互之间存在着严重非线性特征,传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命(RUL)。针对此问题,采用时间卷积网络(Temporal Convolution Network ,TCN)作为一种最新出现的序列神经网络,被证明在序列数据预测上有良好的效果。采用TCN实现对发动机剩余寿命进行预测,预测过程通过建立退化模型,给每个训练样本添加RUL标签;将特征输入构建的卷积神经网络得到剩余寿命的预测值。为了验证方法的有效性,在NASA提供的涡轮风扇发动机仿真数据集(C-MAPSS)上进行了测试,,结果表明采用TCN算法拥有更高的精度。

波特诗 哈利波特人物网络可视化。 探索它是否表现出与真实社交网络相同的属性。 安装 本指南在 Mac OSX 终端中进行。 cd ~/Sites/ git clone git@github.com:efekarakus/potter-network.git 打开浏览器并转到以下网址： 127.0.0.1/~/potter-network 数据集 所有数据集都可以在data/文件夹下找到。 有两个重要文件： characters.csv这是我们决定探索的 65 个哈利波特角色的列表。 relationship.csv是每个字符之间的无向关系列表。 类型表示两个角色是盟友还是敌人。 请注意，大多数关系都经过百科的事实核查。 角色 Craig Evans：负责网络的设计、数据收集和实施。 Josh Friedman：负责设计、数据收集和实施三合会。 Efe

SPO_BPNN_PID：基于粒子群优化的神经网络PID控制