ISO15765 2016 全卷 高清版本，包含1，2，3，4卷全部，其中ISO 15765-2包含了 2016最新版本卷

针对目前卷积神经网络的超分辨率算法存在卷积层数少、模型简单、计算量大、收敛速度慢以及图像纹理模糊等问题, 提出了一种基于深层残差网络的加速图像超分辨率重建方法, 该方法在提高图像分辨率的同时加快收敛速度。设计更深的卷积神经网络模型来提高精确度, 通过残差学习并且使用Adam优化方法使网络模型加速收敛。在原始低分辨率图像上直接进行特征映射, 只在网络的末端引入子像素卷积层, 将像素进行重新排列, 得到高分辨率图像。实验结果表明, 在set 5, set 14, BSD100测试集上, 所提算法的峰值信噪比与结构相似性指数均高于现有的几种算法, 能够恢复更多的图像细节, 图像边缘也更加完整且收敛速度更快。

Linux第三次作业：逻辑卷LVM相关 作业内容：3、LVM逻辑卷（2块硬盘、vg的名字（database）PE大小为8M，lv的名字（datastore）格式化为ext4，挂载点/data） 虚拟机添加两块硬盘，重启虚拟机用lsblk命令查询： 2 .用pvcreate命令将sdb、sdc两块硬盘做成物理卷 用vgcreate命令将两个物理卷划分到database卷组中，指定PE大小为8M，用vgdisplay命令查看： 用lvcreate命令将database卷组创建逻辑卷，指定大下为30G，逻辑卷名字为datastore，用lvdisplay命令查看： 格式化datasto

一维卷积神经网络，cnn，回归预测，多输入，单输出，基于matlab，替换数据和特征个数即可，拿来直接使用。分为清空环境变量、导入数据、划分训练集和测试集、数据平铺、构造网络结构、参数设置、训练模型、均方根误差、绘制网络分析图、绘图、相关指标计算等几个模块，各个模块均标有备注，直接替换数据即可使用，用于新手学习深度学习算法非常好

数据建模经典参考手册。多个行业数据模型参考，卷二。。。

针对现有的SIFT特征在车辆细粒度分类中存在的分类精度低的问题，提出了一种融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类算法。首先采用SIFT算法与Fisher Vector算法相结合的方式提取车辆图像的FV-SIFT特征，然后采用VGG-16卷积神经网络提取车辆图像的深度卷积特征，最后将FV-SIFT特征与深度卷积特征进行线性融合并采用支持向量机对融合后的车辆特征进行分类。实验结果表明，该方法的分类准确率达到82.3%，较FV-SIFT算法在分类准确率上提高了15.4%。

为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3D CNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3D CNN的输入对象;接着通过设计的6层3D CNN提取体素网格图像的高水平特征,捕捉结构信息;最后在输出层利用Softmax函数进行分类,得到最终的分类结果。实验结果表明,在自建的点云图像船舶数据集上,所提方法的分类准确率达到了96.14%,比3D ShapeNets方法和VoxNet方法分别提高了5.97%和2.46%。在悉尼城市目标数据集上,与现有一些方法相比,所提方法的分类准确率较高。这些结果均证明所提方法具有良好的分类性能。

一种基于三维卷积神经网络的视网膜OCT图.PDF，专利，一种基于三维卷积神经网络的视网膜OCT图.PDF，专利

利用c++实现线性卷积计算的c++源码。

与《TCP/IP详解》齐名的一套书。 第1章 引言和概述 第2章 客户-服务器模型与软件设计 第3章 客户-服务器软件中的并发处理 第4章 协议的程序接口 第5章 套接字API 第6章 客户软件设计中的算法和问题 第7章 客户软件举例 第8章 服务器软件设计的算法和问题 第9章 循环的、无连接服务器（UDP） 第10章 循环的、面向连接的服务器（TCP） 第11章 并发的、面向连接的服务器（TCP） 第12章 将线程用于并发（TCP） 第13章 单线程、并发服务器（TCP） 第14章 多协议服务器（TCP，UDP） 第15章 多服务服务器（TCP，UDP）