在計算機網絡管理領域，pcap（全稱：packet capture）是一個用於捕獲網絡流量的應用程式接口（API）。pcap是用C語言編寫的。在類Unix系統中透過libpcap庫來實作pcap，在Microsoft Windows上則是透過Npcap庫來實現，之前還可以透過WinPcap庫來實現，但WinPcap庫已不再維護。監控軟體可以使用libpcap來捕獲在計算機網絡上傳輸的網絡數據包。

HCIP-Datacom-Campus Network Planning and Deployment V1.0 实验手册，已经解除密码保护，用户可以自由的更改、添加书签、笔记。

QAsioSocket, 把asio的socket操作封装成类似Qt Network类似的简单的api。

dbn matlab代码神经网络 神经网络实施MATLAB（RBM，DBN，DNN） 在该项目中，从RBM结构实现了神经网络： 受限玻尔兹曼机（RBM）是一种生成型随机人工神经网络，可以学习其输入集上的概率分布。 然后，实现一个DBN： 在机器学习中，深度信念网络（DBN）是一个生成的图形模型，或者是一类深度神经网络，由多层潜在变量（“隐藏单元”）组成，各层之间存在连接，但内部各层之间没有连接每层。 最后，从前两个实现中实现了深度神经网络。 MNIST数据集用于测试DNN。 MATLAB代码从“脚本”生成CSV，这些脚本用于使用R绘制一些精美的图。 该代码分为3部分： 第1部分：RBM学习->从RBM（字母数字）生成图像； 第2部分：DBN学习->从DBN（字母数字）生成图像； 第3部分：DNN学习（预训练）->比较预训练DNN和随机初始化DNN的错误率。

Bayesian Network 基本概念和原理

MACOS 网速监视器 Network Speed MonitorMACOS 网速监视器 Network Speed Monitor

第一章：概论 第二章：算法基础 第三章：最小树与最小树形图 第四章：最短路问题 ... 第七章：匹配问题

简单人工神经网络（ANN） 关于案例研究 在此业务案例研究中，我们预测了银行客户的流失率。 为了了解银行的客户，我们将使用一种深度学习技术，即人工神经网络（ANN）。从数百万的客户中，我们随机选择了1万个客户。 我们将使用客户的特征来确定他/她离开银行的可能性。 为了了解银行的客户，我们将使用一种深度学习技术，即人工神经网络（ANN）。 此外，我们将使用流行的Python库（例如Tensorflow，Keras）和机器学习技术（例如Adam Optimizer）来训练ANN模型并预测客户流失率。 数据：客户数据存储在： 论文：ANN案例研究论文： 研究论文 代码：Artificial_Neural_Network_Case_Study.py SAMPLE_OUTPUT = ANN_Case_Study_Sample_Output_1.png SAMPLE_OUTPUT = ANN_C

PyTorch-HITNet分层迭代瓷砖精加工网络，用于实时立体声匹配 使用PyTorch的HITNet实施 这是一个包含实现Google论文HITNet的代码的存储库：用于实时立体匹配的分层迭代切片优化网络 该项目是初始版本，可以训练和测试模型，但可能包含一些错误，需要进一步修改和调试。 如果您发现有关我的代码的任何问题，请打开问题或尽快与我联系（ ）。 当前，该项目无法复制原始论文中报告的准确性和速度。 在速度方面，官方实现使用其优化的cuda op来加速参考和培训。（请参考其，该尚未包含模型代码）。 感谢弗拉基米尔·坦科维奇（Vladimir Tankovich）的帮助，他与他的团队一起提出了这个强大的立体声网络，并为我提供了许多原始论文的细节和说明。 另外，我还要感谢@ xy-guo，他提出了出色的 ，因为代码是从他的存储库中部分借用的。 要求 Pytorch = 1.1

Noxim-NoC模拟器 欢迎来到Noxim，这是由卡塔尼亚大学（意大利）开发的片上网络模拟器。 Noxim仿真器是使用SystemC（一种基于C ++的系统描述语言）开发的，可以根据GPL许可条款进行下载。 如果您在研究中使用Noxim，我们将在以下No No贡献的出版物中给予以下引用： V. Catania，A。Mineo，S。Monteleone，M。Palesi和D. Patti，“通过在线选择缓冲器和关闭接收器来提高无线芯片网络架构的能效”，2016年第13届IEEE年度消费者通信和网络会议（ CCNC），内华达州拉斯维加斯，2016年，第668-673页，doi：10.1109 / CCNC.2016.7444860。 V. Catania，A。Mineo，S。Monteleone，M。Palesi和D. Patti，“无线芯片上无线网络架构中的节能收发器”，2016年欧