《软件测试(原书第2版)》涵盖了软件测试的方方面面：软件测试如何适应软件开发过程，基本的和高级的软件测试技术，在常见的测试任务中运用测试技能，使用自动化提高测试的效率，测试工作的计划和文档化，有效地报告发现的问题，衡量测试工作的成效和产品的改进，测试和质量保证的区别，寻求软件测试员的工作。《软件测试(原书第2版)》全面系统地介绍了软件测试理论及应用技术，不仅讲述基本的测试技能，也讲述成为一个成功的软件测试员所必须掌握的高级技能。其目的在于引导读者通过基础知识和必要技能的学习而成为一个优秀的软件测试员，知道如何迅速在任一计算机程序中发现问题，如何计划一个有效的测试步骤，如何清楚地报告发现的问题，以及如何告知软件在何时发布。

第二章 图像去噪原理与神经网络简介 9 在上图去噪框架中有几个需要注意的点，第一是分解的图片块的大小不是盲 目的， p p 大小取得不同，则最终去噪的效果也不尽相同，取图片块太小，当噪 声较大时，此时去噪的结果会产生更多的可能性。而加噪的过程是不可逆的，因 此这样一来学习将变得非常复杂，找到公式（2-5）中的逼近 -1 的 f 函数将变更加 困难。另外一方面，虽然理论上来说取更大的 p p 是更好的，但实际情况并不是 如此，图片越大计算量越大，所以一般需要实验后折中取值。为了分开学习降低 复杂度，所以我们得折中选取了一个合适我们去噪模型的尺寸。在这个方面，尺 寸大小对去噪效果的影响在文献[10]中已经做过比较，不再详细展开。另外一点需 要注意的是，图像拆分处理之后是如何聚合并还原成原图像大小的。实际上我们 可以这样理解，对于每一个分别去噪的图片块，经过一个处理函数从 p p 变成 q q ，最后将这些尺寸为 q q 的图片按在原图中像素的位置点重聚回去，如果有 很多不同的图片块具有重叠的像素位置，则对这些重复的位置采用加权求平均或 者高斯平均的方法算出最终聚合回原图变成 m nR  的去噪图像。在神经网络中则是 采用全连接层的方式还原成 m nR  的去噪图像，其整体思想也是拆分再聚合。 2.2 人工神经网络 20世纪 80年代，人工智能领域兴起了人工神经网络（Artificial Neural Network， ANN）的研究热潮，ANN 也被人们简称为神经网络。它是一种仿照生物学中的神 经网络结构而设计的类似的网络结构，有点类似于生物脑细胞中的响应过程，通 过网络拓扑结构模拟生物神经元细胞的连接方式，以大量的简单原件构成一个复 杂的网络，以其强大的并行计算能力，高效的自主学习能力和高容错性能力进行 智能化自适应学习的网络。是一种高度非线性的模拟生物神经系统的网络结构， 可以解决复杂非线性运算和逻辑运算的网络系统。 2.2.1 神经元 如图 2-3 所示，为一个生物神经元，主要有细胞核，树突、轴突、突触、髓鞘 等结构。我们知道生物的脑神经网络由众多神经元一一连接而形成网络，树突和 突触主要用来收集传递信息，轴突主要作用相当于放行兴奋信号，阻挡抑制电平 信号。神经元就像一个处理器，释放或抑制电平信号。

[Visual.C.面向对象与可视化程序设计(第2版)].清华大学

Head First HTML & CSS 第2版 随书代码

第二版完整。华清远见嵌入式Linux培训教程，使用于初学者。

该资源是课程：深入理解计算机系统(原书第2版)，保证做到是你所下载过的最清晰、最完整的一个版本。

欧陆电子词典扩展词库-牛津搭配语词典

☆ 资源说明：☆ [Pogue Press] JavaScript & jQuery 实战手册 第2版 (英文版) [Pogue Press] JavaScript & jQuery The Missing Manual 2nd Edition (E-Book) ☆ 出版信息：☆ [作者信息] David Sawyer McFarland [出版机构] Pogue Press [出版日期] 2011年10月28日 [图书页数] 540页 [图书语言] 英语 [图书格式] PDF 格式

每天10分钟轻松掌握C++图书，第二版，源代码

java程序设计教程（第2版）雍俊海PPT及源代码