1 非负矩阵分解（NMF或NNMF），也是非负矩阵逼近是多元分析和线性代数中的一组算法，其中矩阵V被分解为（通常）两个矩阵W和H ，具有所有三个矩阵都没有负元素的性质。这种非负性使生成的矩阵更容易检查。此外，在处理音频频谱图或肌肉活动等应用中，非负性是所考虑的数据所固有的。由于该问题通常不能完全解决，因此通常用数值近似。
2 适合机器学习，数值优化，图像处理，信号处理等专业的初学者进行分析和学习。
3 语音去噪一直是音频信号处理中长期存在的问题。如果噪声是静止的，则有许多去噪算法。例如，维纳滤波器适用于加性高斯噪声。然而，如果噪声是非平稳的，经典的去噪算法通常性能较差，因为非平稳噪声的统计信息难以估计。施密特等人。使用NMF在非平稳噪声下进行语音去噪，这与经典的统计方法完全不同。关键思想是干净的语音信号可以用语音字典稀疏地表示，但非平稳噪声不能。类似地，非平稳噪声也可以用噪声字典稀疏表示，但语音不能。NMF去噪算法如下。两个字典，一个用于语音，一个用于噪声，需要离线训练。
2022-09-07 15:06:06
31.61MB
1
谷歌翻译
这是 googletrans的Golang版本。
Googletrans是一个免费且不受限制的Golang库，它实现了Google Translate API。 这使用的来调用诸如检测和翻译之类的方法。
从Github下载
GO111MODULE=on go get github.com/Conight/go-googletrans
快速入门示例
简单翻译
package main
import (
"fmt"
"github.com/Conight/go-googletrans"
)
func main () {
t := translator . New ()
result , err := t . Translate ( "你好，世界！" , "auto" , "en" )
if err != nil {
panic ( err )
}
fmt . P
2022-09-07 14:44:06
8KB
1
具有用于 gpu 的 cusp 稀疏类的裸骨接口， 支持单精度，实数/复数。
用法： A=gcsparse(B,[格式: 0=coo, 1=csr]); 或者A=gcsparse(col,row,val,[nrows,[ncols,[格式]]]); 输入 B 是一个 matlab 数组、稀疏数组或 gcarray。
重载运算符： ctranspose: B=A.'; 转置：B=A'; 乘法：x=A*y； (spmv) 格式转换： B=real(A);A=complex(B);B=gcsparse(A,format); rowptr=ptr2row(A); 行 =grow2ptr(A);
例子： 真实/复杂速度测试：testgsparse.m accumarray: testRadavg.m 模板：testgnufft.m（氡变换示例）
笔记： 格式转换 row2ptr 和 ptr
2022-09-07 04:43:23
60KB
1
主要介绍TCP-IP协议在不同操作系统的运行原理。纯文本文档，没有网络链接。经典书籍，值得推荐！
2022-09-06 23:02:32
80.49MB
1
DoIP UDS 协议，包含以下文件
ISO-13400-1_2011.pdf
ISO-13400-2_2012.pdf
ISO-13400-3_2011.pdf
ISO-13400-4_2016.pdf
ISO-14229-1_2013_03.pdf
ISO-14229-2_2013_02.pdf
ISO-14229-3_2012_12.pdf
ISO-14229-4_2012_12.pdf
ISO-14229-5_2013_11.pdf
ISO-14229-6_2013_03.pdf
ISO-14229-7_2015_02.pdf
2022-09-06 20:00:54
11.63MB
1
xshell6 xftp6 免破解版（非商业，学习版本） 不用破解 可以一直用 学习版本
2022-09-06 15:31:22
70.55MB
1
notepad++插件26个非官方超好用插件百度云下载地址notepad++插件26个非官方超好用插件百度云下载地址
2022-09-05 10:55:18
67B
1
本书是微波电路设计领域的一本经典著作，内容包括：射频、微波系统，集总和分布参数元件，有源器件，双端口网络，阻抗匹配，微波滤波器，线性双端口的噪声，小信号和大信号放大器等等，6个附录给出了多种器件电路和噪声模型、增益理论、互调失真、无源不连续元件等公式的详细推导
2022-09-04 21:25:44
46.71MB
1
软件功能大概介绍一下
1. 红色曲线是原始数据
2. 绿色和蓝色是对原始数据用两种不同深度的滑动平局值滤波后的结果，两种深度可以在输入框中指定，范围是1-31
3. 水红色是对原始数据进行标准的卡尔曼滤波后的结果
4. 黑色是利用改良卡尔曼算法滤波后的结果，改良原理就是`当数据的突变超过10%`，怎把滑动平均值的结果传递给给卡尔曼的输出，使卡尔曼快速响应
5. 还有一个`数据跳变使能`，意思就是在`一个范围内给原始数据乘上一个系数`，模拟原始数据产生突变，这样就可以观察滤波算法的响应数据（使用跳变功能后，在相同参数参数下，改良后的卡尔曼响应更快)
2022-09-04 09:05:28
6.4MB
1