本书提供了对自然语言处理的高度可理解的介绍,自然语言处理是支持各种语言技术的领域,从预测性文本和电子邮件过滤到自动摘要和翻译。
2021-12-01 13:38:28 81B 计算机科学
1
Mathematical Methods and Algorithms for Signal Processing书籍配套代码,希望对大家有所帮助。
2021-12-01 11:10:30 1.57MB 信号处理 数学方法 MATLAB
1
TPL 属于静态正则表达式库。TPL 全称为 Text Processing Library(文本处理库)。spirit、xpressive 是很好的东西,实现 TPL 库中对这两者有所借鉴。说起来开发 TPL 库的理由看起来挺好笑的:原因是 spirit、xpressive 太慢。不是执行慢,而是编译慢。
2021-11-30 14:02:42 457KB TPL 文本处理 短小
1
Digital Signal Processing: Fundamentals and Applications By 作者: Lizhe Tan Ph.D. Electrical Engineering University of New Mexico – Jean Jiang Ph.D. Electrical Engineering University of New Mexico ISBN-10 书号: 0128150718 ISBN-13 书号: 9780128150719 Edition 版本: 3 Release Finelybook 出版日期: 2018-11-23 pages 页数: (920 ) $120 Digital Signal Processing: Fundamentals and Applications, Third Edition, not only introduces students to the fundamental principles of DSP, it also provides a working knowledge that they take with them into their engineering careers. Many instructive, worked examples are used to illustrate the material, and the use of mathematics is minimized for an easier grasp of concepts. As such, this title is also useful as a reference for non-engineering students and practicing engineers. The book goes beyond DSP theory, showing the implementation of algorithms in hardware and software. Additional topics covered include adaptive filtering with noise reduction and echo cancellations, speech compression, signal sampling, digital filter realizations, filter design, multimedia applications, over-sampling, etc. More advanced topics are also covered, such as adaptive filters, speech compression such as PCM, µ-law, ADPCM, and multi-rate DSP, over-sampling ADC subband coding, and wavelet transform. Covers DSP principles with an emphasis on communications and control applications Includes chapter objectives, worked examples, and end-of-chapter exercises that aid the reader in grasping key concepts and solving related problems Provides an accompanying website with MATLAB programs for simulation and C programs for real-time DSP Presents new problems of varying types and difficulties Digital Signal Processing: Fundamentals and Applications Copyright Preface 1Introduction to Digital Signal Processing 2 Signal Sampling and Quantization 3Digital Signals and Systems 4Discrete Fourier Transform and Signal Spectrum 5 The z-Transform 6Digital Signal Processing Systems, Basic Filteri
2021-11-30 12:58:48 32.47MB Matlab
1
等号matlab代码拉曼和 SERS 处理 此 Matlab 代码可用于分析拉曼和 SERS 图。 主文件 aa_ProcessSERS.m 需要与所有函数位于同一路径中才能正确运行。 如果您已经使用 aa_ProcessSERS 计算了基线,那么您可以使用 aa_1_ifBaselineExists 来制作额外的地图和比率。 在处理大地图(>1000 个光谱)时,使用 aa_1_ifBaselineExists 是一个更快的选择。 对于要从​​文件名中自动提取的尺寸,它们的格式必须为 x=10;y=10;z=10#xs=10#ys=10#zs=12#es=0.5,没有其他等号( =)、冒号 (;) 或井号/hastags (#)。 可以包含所有其他字符。 如果你不想跟着这个代码,你可以在代码顶部预设地图尺寸(设置HW = 1)。 如果要输入每个地图的尺寸​​,请保留 HW = 0 。 对于每张地图,都会打开一个对话框,它会为您提供光谱的总数并询问您地图的尺寸​​。
2021-11-30 09:21:55 25KB 系统开源
1
pr 用Rust编写的快速,资源少的自然语言处理和错误纠正库。 nlprule使用资源为NLP实现了基于规则和查找的方法。 from nlprule import Tokenizer , Rules tokenizer = Tokenizer . load ( "en" ) rules = Rules . load ( "en" , tokenizer ) rules . correct ( "He wants that you send him an email." ) # returns: 'He wants you to send him an email.' rules . correct ( "I can due his homework." ) # returns: 'I can do his homework.' for s in rules . suggest ( "S
1
TextAttack是一个Python框架,用于对NLP模型进行对抗性攻击。 TextAttack从四个组件构建攻击:搜索方法,目标函数,转换和约束集。 TextAttack的模块化设计使其可以轻松扩展到新的NLP任务,模型和攻击策略。 TextAttack:octopus:为NLP模型生成对抗性示例文档•关于•设置•用法•设计关于TextAttack是一个Python框架,用于对NLP模型进行对抗性攻击。 TextAttack从四个组件构建攻击:搜索方法,目标函数,转换和约束集。 TextAttack的模块化设计使其可以轻松扩展到新的NLP任务,模型和攻击策略。 TextAttack当前支持对经过分类训练的模型的攻击
2021-11-29 09:10:55 5.54MB Python Natural Language Processing
1
脉络 使用叶脉算法处理草图。 基于 Runions A、Fuhrer M、Lane B、Federl P、Rolland-Lagan AG 等。 (2005) 叶脉的建模和可视化。 设置 下载 在 Processing 草图中创建一个名为“code”的文件夹,并从那里的 JGraphT libs 文件夹中复制 .jar 文件。
2021-11-29 02:20:22 192KB Processing
1
Engineering Vibration, Communication and Information Processing。Kanad Ray · S. N. Sharan,2018。
2021-11-28 22:12:37 35.91MB Communication Engineering Vibr Information
1
科学引文知识提取器(SCKE) 关于SCKE SCKE是一个开放源代码工具,可通过分析引用他们的论文内容,帮助生物医学研究人员了解他人如何使用他们的工作。 该工具使用自然语言处理和机器学习来提取引用文档中讨论的突出主题和概念。 通过查看引用文章讨论的主题类型,研究人员可以更好地了解他们的工作如何影响同龄人和科学的各个学科。 此外,SCKE允许生物医学研究人员探索有关引用它们的出版物的其他统计数据,例如引文的发表位置(期刊),关键字的分布(关键字),论文彼此的相似性(聚类),论文的相似性其他著名作品(TextCompare)以及有关引文的一般统计信息(Statistics)。 使用Biopy
1