Natural Language Processing (Almost) from Scratch

音频信号处理为数不多的著作！非常全面。英语的不错

本内斯蒂2010年作品，主要讲述通讯中的音频信号处理，值得大家下载下来仔细研读

The Scientist and Engineer's Guide to Digital Signal Processing Second Edition This book was written for scientists and engineers in a wide variety of fields: physics, bioengineering, geology, oceanography, mechanical and electrical engineering, to name just a few. The goal is to present practical techniques while avoiding the barriers of detailed mathematics and abstract theory.

Digital Signal Processing with Field Programmable Gate Arrays

对SAR成像进行研究，对于进行SAR成像开发的同学有一定的借鉴意义

ArtnetP5 侦听ArtNet DMX输入数据包并以图形栏显示6个第一个通道的值的处理草图。 使用库收听ArtNet网络。 该库是基于Karsten Schmidt（toxilibs）的支持DMX Input的分支。 样品输出 动机 我将这个小型Processing应用程序编写为： 测试通过Arteo数据报中接收来自 DMX避雷器的6个DMX通道的DMX输入事件（如上图所示） 了解ArtNet数据报的内容，即DMX通道值的传输方式和时间 检查是否可能有多个应用程序对同一个DMX Input事件做出React。 我发现了什么 对于所示的设置，ArtNet数据报为： 包含闪电控制台的6个DMX通道的值，在更改光标位置时发送 或不时发送的Universe /子网的所有512个DMX通道的值。 如果 了ArtNet4j库 ArtNetServer套接字侦听器 ，则确实有可能使多个应

NLPCC2016-WordSeg-微博 NLPCC 2016微博分词评估项目 ##任务说明 单词是自然语言理解的基本单元。 但是，中文句子由连续的汉字组成，没有自然的分隔符。 因此，中文分词已成为中文自然语言处理的首要任务，它可以识别句子中单词的顺序并标记单词之间的边界。 与流行的二手新闻数据集不同，我们使用了来自新浪微博的更多非正式文章。 培训和测试数据包含来自各个主题的微博，例如金融，体育，娱乐等。 每个参与者都可以提交三个运行：封闭式运行，半开放式运行和开放式运行。 在封闭的轨道上，参与者只能使用在提供的培训数据中找到的信息。 排除了诸如从外部获得的字数，部分语音信息或姓名列表之类的信息。 在半公开赛道中，除了提供的训练数据之外，参与者还可以使用从提供的背景数据中提取的信息。 排除了诸如从外部获得的字数，部分语音信息或姓名列表之类的信息。 在公开赛道上，参与者可以使用应该

图像去模糊 一张照片捕捉到一个难忘的时刻却后来才发现它模糊不清，这真是令人失望。 图像去模糊也可以用作其他应用程序的预处理步骤。 该项目使您可以对图像进行模糊处理。 用法 预先训练的权重和使用的模型存储在存储库中。 您可以直接加载它们并运行Demo.ipynb中显示的去模糊处理 如果要从头训练模型，则训练脚本位于deblur.py中 模型 使用了具有3个卷积层的CNN模型。 训练集包括4000张大小为96x96的模糊图像，目标集由相应的清晰图像组成。 实际的去模糊是在尺寸为32x32的较小色块上学习的。 在预测期间，可以一次从32x32的色块中预测出清晰的色块。 样品 水果： 伦娜：

单LDR2HDR 从单个低动态范围图像生成高动态范围图像的实现。 实验结果 注意力 输入图像的分辨率不应太大（取决于计算机的内存），因为使用SciPy解决大型线性系统可能会导致内存用尽。 设置 在Python3.5和Python2.7上测试。 依存关系 安装设备。 cd singleLDR2HDR pip install -r requirements.txt 用法： python run.py ./test_image/test1.jpg 参考 [1]