引言 　  本文基于人脸图像分块和奇异值压缩，进行RBF 神经网络和贝叶斯分类器融合的设计。将人脸图像本身的灰度分布描述为矩阵，其奇异值特征具有转置不变性、旋转不变性、位移不变性、镜像不变性等诸多重要的性质，进行各种代数和矩阵变换后提取的代数特征是人脸的表征。由于整体图像的奇异值向量反映的是图像整体的统计特征，对细节的描述还不够深入，本文模拟人类识别人脸的模式，在图像分块和加权的基础上，突出待识别人脸的骨骼特征，近似于人类在识别人脸时自动剔除同一人脸的变化部位的差异能力　　径向基函数（RBF）网络是一种性能良好的前馈型三层神经网络，具有全局逼近性质和逼近性能，训练方法快速易行，RBF 函数还具

该压缩文档里面包含了arcgis+arcEngine的开发教程，并且有一个系统实例

使用C++语言实现了一个简单的中间代码生成器，包括词法分析、语义分析以及中间代码四元式的生成，可以对while循环和if-else语句进行分析。

达梦开启归档和闪回的方式，用于dm数据库的备份操作。

Bin和Hex互相转换工具

iOS-VideoToolBox-demo iOS VideoToolBox encode&decode demo 详细讲解：

71道经典Android面试题和答案，重要知识点都包含了。

Logic2Text 数据 在数据集文件夹中，我们具有完整的数据集（all_data.json）和火车测试拆分（train.json，valid.json，test.json）。 每个示例均采用以下格式的词典： "topic": table caption, "wiki": link to the wikipedia page, "action": logic type, "sent": description, "annotation": raw annotation data from the mturk, "logic": logic form, "logic_str": linearized logic form, "nid": number of fuction nodes, "table_header":

基于tensorflow框架(模型使用CNN)进行垃圾邮件分类（包含了中文垃圾邮件分类和英文垃圾邮件分类）

我将展示如何准备训练和测试数据，定义简单的神经网络模型，进行训练和测试。