学习语言 这是一个Java应用程序，专用于处理语音以改善语音。 它需要两个WAV音频文件，对它们执行过滤器，并使用傅立叶变换创建频谱图。 然后，我们在解释为图像的每个频谱图上运行斑点检测算法，这将从图像中提取有价值的特征，并利用该信息简化频谱图数据。 现在，我们将简化的每个频谱图输入为一个矩阵，并将它们相互比较。 运行Java应用程序 要运行LearnLanguage，请下载整个Java项目并将其导入Eclipse。 或仅下载src文件夹，然后包含commons-math3-3.6.1和org.apache.commons.io库。 项目的main过程在默认包中。 您可以在此项目中找到的东西 用Java编写的带通滤波器。 该代码基于的Buttherworth带通滤波器算法。 使用 GitHub项目中的Fourier变换构建频谱图。 使用处理库用Java编写的Blob检测算法。

C＃库，用于在JPEG图像文件中读写EXIF标签

processing-creative coding and computational art 的英文网页版，可以通过谷歌浏览器自动翻译来变成中文看

ABSA-PyTorch 基于方面的情感分析，PyTorch实现。 基于方面的情感分析，使用PyTorch实现。 需求 火炬> = 0.4.0 numpy的> = 1.13.3 斯克莱恩 python 3.6 / 3.7 变形金刚 要安装需求，请运行pip install -r requirements.txt 。 对于非基于BERT的模型，需要，请参阅了解更多详细信息。 用法 训练 python train.py --model_name bert_spc --dataset restaurant 所有实现的模型都列在。 有关更多训练参数，请参见 。 请参阅以获取k倍交叉验证支持。 推理 有关基于非BERT的模型和基于BERT的模型，请参考 。 提示 对于非基于BERT的模型，训练过程不是很稳定。 基于BERT的模型对小数据集上的超参数（尤其是学习率）更敏感，请参阅。 为了释放BERT的真正功能，必须对特定任务进行微调。 评论/调查 邱锡鹏等。 “自然语言处理的预训练模型：调查。” arXiv预印本arXiv：2003.08271（2020）。 张磊，王帅和刘

大牛Boualem Boashash写的Time-Frequency Signal Analysis and Processing及其附书代码和相关时频工具分析工具箱

A Wavelet Tour of Signal Processing(3rd) Author: Stephane Mallat

小波分析名著 信号处理的小波导引(英文第3版) 前几天下载了该书的第三版，发现少了目录。现从出版商网站上下载了目录并打包到一起，以方便大家下载。

Natural-Language-Processing-with-Python-Cookbook.pdf

雷达信号处理基础

Discrete-Time Signal ProcessingOppenheim 离散时间信号处理第三版，英文版，文字可选取，但扫描有黑边，不过对内容无任何影响，如果有需要就下载吧，两个压缩文件，下载后一起解压就可以了。