ASP.NET Core 是一个跨平台的高性能开源框架，用于生成基于云且连接 Internet 的新式应用程序。 使用 ASP.NET Core，您可以： 创建 Web 应用程序和服务、IoT 应用和移动后端。 在 Windows、macOS 和 Linux 上使用喜爱的开发工具。 部署到云或本地。 在 .NET Core 或 .NET Framework 上运行。

Quartus_II官方教程-中文版迄今最全最详细的官方教程

OpenCV 官方教程中文版（Python） OpenCV 官方教程中文版（Python）

官方教程包含了 PyTorch 介绍，安装教程；快速入门教程，可以迅速从小白阶段完成一个分类器模型；计算机视觉常用模型，方便基于自己的数据进行调整，不再需要从头开始写；自然语言处理模型，聊天机器人，文本生成等生动有趣的项目。

opencv初学/OpenCV官方教程中文版 for Python，这里使用工具为 Python3.5 OpenCV Python包 cv2 Numpy matlablib

段力辉译-官方教程

官方教程（中文版）HP LoadRunner　Windows版　软件版本：11.00 第1课介绍LoadRunner和测试概念。 第2课提供一个测试示例，说明LoadRunner工具的功能。 第3课至第6课说明如何使用HP Virtual User Generator创建脚本。 第7课至第9课说明如何使用LoadRunner Controller设计并运行负载测试。 第10课介绍Analysis工具，说明如何创建图和报告来帮助分析负载测试结果。 学完本教程，您可以对自己的应用程序设计及运行一个简单测试并对其进行监 控。建议按照提供的课程顺序学习本教程。

Shiny官方教程中文版.pdf

Caffe官方教程的中文版，使用的时候可以参考一下。初学者不建议参考。

图 8.10 修正矢量的隶属函数 根据质心或模糊重心可以对修正向量Ck的激励值以及推理过程中的规则后件模糊集合进 行解模糊计算。可以通过在 x 方向解模糊环节的输入中乘以增益变量T 来改善模糊跟踪器的 性能，见图 8.11 所示。通过合适地选择增益（ 1,1,1 321 === TTT ）可以使平均 小均方根误 差（RLSE）从 5 降到接近于 1。 图 8.11 通过在输入输出处增加增益变量来改善模糊跟踪器的性能 8.8 模糊神经网络 在每一时刻，自适应模糊神经网络使用样本数据和神经网络算法来定义一个模糊系统。 连接权值和/或输入信号都可以是模糊集，这样模糊神经网络可以实现以下几种情形： 非模糊输入信号但模糊连接权； 模糊输入信号但非模糊连接权； 模糊输入信号和模糊连接权。 第一类模糊神经网络的一个例子见图 8.2，它是由 Yamakawa 等[15，16]发展起来的一种模 糊神经元。每个神经元包含非模糊输入信号 ix（ 1=i ,…,m）和固定的一些模糊集 iku （ 1=k ,…, n）。这些模糊集用来调整非模糊的权 ikw 。这种模糊神经网络采用启发式学习算法来更新权值。 这个算法所采用的公式类似于 BP 算法。在各模糊集上还加有一个约束，即对某个 xi 而言， 只有相邻的值才能是非零值。 这样，在图 8.12 中如果 )( iik xu 和 )(1, iki xu + 为非零值，则：