Long Short-Term Memory Networks With Python Develop Deep Learning Models for your Sequence Prediction Problems by Jason Brownlee 14 step-by-step lessons, 246 pages. 6 LSTM model architectures. 长期短期记忆网络（简称 LSTM）是一种经常性神经网络，可在具有挑战性的预测问题上取得最先进的结果。 在这本以LSTM为中心的电子书中，你习惯了友好的机器学习掌握风格，最后切入了关于 LSTM 的数学、研究论文和综合描述。 使用清晰的解释，标准的Python库（Keras和TensorFlow2）和分步教程课程，您将发现什么是 LSTM，以及如何开发一套 LSTM 模型，以充分利用您的序列预测问题的方法

Master Machine Learning Algorithms Finally Pull Back The Curtain And See How They Work With Clear Descriptions, Step-By-Step Tutorials and Working Examples in Spreadsheets by Jason Brownlee 10 top algorithms described. 12 step-by-step tutorials, 163 pages. 16 spreadsheets with working algorithms. 你必须了解算法才能在机器学习中取得好成绩（并被公认为优秀）。 在这个巨型电子书是写在友好的机器学习掌握风格，你习惯了，最后切入数学，并了解机器学习算法是如何工作的，然后从零开始，一步一步地实现它们。

Basics of Linear Algebra for Machine Learning - Discover the Mathematical Language of Data in Python by Jason Brownlee 19 step-by-step lessons, 211 pages. 线性代数是机器学习的支柱。没有机器学习，你就无法对机器学习产生深刻的理解和应用。 在这个新的激光聚焦电子书写在友好的机器学习掌握风格，你习惯了，你最终会切开方程，希腊字母和混乱，并发现在线性代数的主题，你需要知道。 通过清晰的解释、标准的 Python 库和分步教程课程，您将发现什么是线性代数、线性代数对机器学习、矢量和矩阵操作、矩阵保理、主要组件分析等的重要性。

本书涵盖游戏引擎软件开发的理论及实践，并对多方面的题目进行探讨。本书讨论到的概念及技巧实际应用于现实中的游戏工作室，如艺电及顽皮狗。虽然书中采用的例子通通常依据一些专门的技术，但是讨论范围远超于某个引擎或API。文中的参考及引用也非常有用，可让读者继续深入游戏开发过程的任何特定方向。

别等我 哥伦比亚大学高级操作系统项目代码 Jason Nieh 教授在无等待队列和链表上 我们的测试状态 似乎lighttpd处理大量连接的能力要低得多（也许 apache 和 nginx 也会有这个问题）。 lighttpd在处理 30000 个并发连接方面真的很糟糕，还是我们只是遗漏了什么？ 可能的解决方案：尝试在一个核心上进行测试以消除争用效应。

用于仿真模拟

波阻抗反演基本原理及Jason反演软件介绍

jason文件，包括浙江省全省11个市的全部数据 直接打开打不开，需要右键以记事本格式打开 数据完整，可以通过R进行地图绘制，已尝试，可用

全国街道的Jason数据齐全

jason的C语言实现，有使用例子