matlab 2011 Neural Network Toolbox User's Guide，是matlab 2011神经网络工具箱的详细使用说明

Net2Vis :check_mark_button: 自动网络可视化 :check_mark_button: 抽象级别 :check_mark_button: 统一设计 由 ， 和。 可访问。 这是什么？ Net2Vis从Keras代码自动为卷积神经网络生成抽象可视化。 这对我有什么帮助？ 当查看使用神经网络技术的出版物时，仍然很明显它们之间的区别。 它们大多数是手工制作的，因此缺乏统一的视觉语法。 手工制作这种可视化效果还会造成歧义和误解。 有了Net2Vis，这些问题就解决了。 它旨在提供抽象的网络可视化效果，同时仍提供有关各个层的常规信息。 我们在字形设计中反映了特征的数量以及张量的空间分辨率。 可以通过颜色识别图层类型。 由于这些网络可能变得相当复杂，因此我们增加了对层进行分组的可能性，从而通过替换公共层序列来压缩网络。 最好的是：一旦应用程序运行，您只需要将Keras代码粘贴到浏览器中，并根据该代码自动生成可视化。 您仍然可以调整可视化效果并创建抽象，然后再将其下载

随着信息技术的飞速发展和信息的广泛应用，社交网络正变得越来越方便和快捷地用于信息发布和获取。 预测主题受欢迎程度对于在线推荐系统，营销服务和舆论控制非常重要。 在本文中，我们借助时间序列分析方法预测主题的受欢迎程度，验证了ARMA模型在主题受欢迎程度预测中的有效性。

Denoise Convolutional neural network(DnCNN)代码的tensorflow实现，内含完整代码，可以直接使用

Boost.Asio网络编程第二版的源代码。这本书的质量很高，源代码很少被分享。

分析计算机网络性能的排队论书籍，给研究生学习和研究的参考书。

计算机网络第7版，正版。英语原文。原汁原味的英文，推荐

国外经典教材Computer network 4th,Andrew Tanenbaum课后习题答案。希望对学习计算机网络的同学，特别是那些出国深造的同学有所帮助。

供个人学习使用，请勿用于商业用途。

提出了一种基于RBF网络和启发式Q学习的改进，更强大的RNH-QL方法，用于在较大状态空间中进行路径搜索。 首先，如果增加了给定问题的状态空间并且缺少关于环境的先验信息，则解决了强化学习效率低下的问题。 其次，作为权重更新规则的RBF网络，奖励整形可以在某些中间状态下向代理提供额外的反馈，这将有助于以更可控的方式将代理引导至目标状态。 同时，通过Q学习的过程，底层动态知识可以访问它，而不需要上层RBF网络的背景知识。 第三，结合贪婪开发策略训练神经网络，提高了学习效率，实验结果证明了这一点。