ava领域*有影响力和价值的著作之一，由拥有20多年教学与研究经验的资深Java技术专家撰写(获Jolt大奖)，与《Java编程思想》齐名，10余年全球畅销不衰，广受好评。第10版根据Java SE 8全面更新，同时修正了第9版中的不足，系统全面讲解了Java语言的核心概念、语法、重要特性和开发方法，包含大量案例，实践性强。 　　本书共14章。第1章概述Java语言与其他程序设计语言不同的性能；第2章讲解如何下载和安装JDK及本书的程序示例；第3章介绍变量、循环和简单的函数；第4章讲解类和封装；第5章介绍继承；第6章解释接口和内部类；第7章讨论异常处理，并给出大量实用的调试技巧；第8章概要介绍泛型程序设计；第9章讨论Java平台的集合框架；第10章介绍GUI程序设计，讨论如何建立窗口、如何在窗口中绘图、如何利用几何图形绘图、如何采用多种字体格式化文本，以及如何显示图像；第11章详细讨论抽象窗口工具包的事件模型；第12章详细讨论Swing GUI工具包；第13章介绍如何将程序部署为应用或applet；第14章讨论并发。本书最后还有一个附录，其中列出了Java语言的保留字。

Java领域最有影响力和价值的著作之一，拥有20多年教学与研究经验的资深Java技术专家撰写（获Jolt大奖），与《Java编程思想》齐名，10余年全球畅销不衰，广受好评。第9版根据JavaSE7全面更新，同时修正了第8版中的不足，系统全面讲解Java语言的核心概念、语法、重要特性和开发方法，包含大量案例，实践性强。 《Java核心技术·卷1：基础知识》共14章。第1章概述了Java语言与其他程序设计语言不同的性能；第2章讲解了如何下载和安装JDK及本书的程序示例；第3章介绍了变量、循环和简单的函数；第4章讲解了类和封装；第5章介绍了继承；第6章解释了接口和内部类；第7章概述了图形用户界面程序设计知识；第8章讨论AWT的事件模型；第9章探讨了SwingGUI工具箱；第10章讲解如何部署自己的应用程序或applet；第11章讨论异常处理；第12章概要介绍泛型程序设计；第13章讲解Java平台的集合框架；第14章介绍了多线程。本书最后还有一个附录，其中列出了Java语言的保留字。

由于激光点云数据的无序性、离散性、稀疏性，基于深度学习的三维点云数据的特征提取具有一定难度。针对目前局部信息提取不充分，区域信息的合并有限的问题，提出了一种基于层级边缘卷积的点云分类网络，用于三维视觉中点云模型识别任务。本文采用层级结构的思想，通过层级几何信息模块对特征进行有效提取和归纳。对于每个层级几何信息提取模块，首先对点云模型进行下采样并构建局部区域，对每个局部区域中点与点之间的距离和特征进行建模，获得局部区域的几何信息，最后聚合多个采样点的局部结构特征。实验结果表明，本算法在ModelNet40数据集上的识别准确率为91.5%。与已有的三维点云模型识别分类算法相比，本文算法能够更充分地提取局部信息，进一步提高三维点云模型分类的准确率

近年来，深度学习在计算机视觉领域中的表现优于传统的机器学习技术，而图像分类问题是其中最突出的研究课题之一。传统的图像分类方法难以处理庞大的图像数据，且无法满足人们对图像分类精度和速度的要求，而基于深度学习的图像分类方法突破了此瓶颈，成为目前图像分类的主流方法。从图像分类的研究意义出发，介绍了其发展现状。其次，具体分析了图像分类中最重要的深度学习方法（即自动编码器、深度信念网络与深度玻尔兹曼机）以及卷积神经网络的结构、优点和局限性。再次，对比分析了方法之间的差异及其在常用数据集上的性能表现。最后，探讨了深度学习方法在图像分类领域的不足及未来可能的研究方向。

3．2．2噪声卷积干扰技术 3．2．2．1噪声卷积干扰的基本原理 第3．1．1节中通过仿真分析了噪声调幅信号的干扰效果，通过理论分析，当 干扰信号的功率足够大，就能够将真实目标淹没在其中，使雷达不能够正常的对 目标进行检测和跟踪。但是，大功率的干扰机在工程实现上比较困难，在复杂的 战场环境下，造成了干扰能量的利用率低。而且，由于干扰机能量过大，在战场 环境下很容易被敌方雷达预先发现而被摧毁掉，很难适应目前电子战环境下灵活， 多变的战术特点。 噪声卷积干扰是针对传统非相参噪声干扰功率利用率不高的问题而提出来的 新型的干扰思路。它是将干扰机接收到的雷达信号与视频噪声相卷积后经过功率 放大发射出去。这种干扰技术不需要经过测频和频率引导技术等就能够自动的跟 踪上雷达频率，在通过匹配滤波器的过程中，能完全获得信号的压缩处理增益。 从干扰的效果上看，噪声卷积干扰兼有压制干扰和欺骗干扰的效果，所以是干扰 脉冲压缩雷达的一种很好的方法b0]陋¨。 ‘ 图3—5是基于噪声的卷积调制干扰实现框图。干扰机接收到的雷达信号一路 经放大滤波后送到射频存储器(DRFM)存储，经过处理后送到卷积调制器；另一 路信号经过接收和数据处理，产生控制信息来控制噪声单元产生噪声然后也送到 卷积器。两路信号送到卷积器参与卷积后经功放和波束形成后经发射天线向雷达 辐射出去。当雷达接收机收到了干扰信号后，干扰信号通过脉冲压缩雷达的压缩 32

基于keras 卷积神经外网络搭建的手写数字识别 完整代码+数据可直接运行基于keras 卷积神经外网络搭建的手写数字识别 完整代码+数据可直接运行基于keras 卷积神经外网络搭建的手写数字识别 完整代码+数据可直接运行

java核心技术卷1，高清扫描版pdf，周立新，陈波，叶乃文

深层神经网络拥有更强特征表达能力的同时, 也带来了优化难、训练成本高及梯度弥散等问题; 参数数量的激增则导致模型过于臃肿, 不利于其在移动端及工业控制设备等算力弱、存储小的平台上的部署. 针对这些问题, 构建了一种融合空洞卷积和多尺度稀疏结构的轻量神经网络对图像进行特征提取, 实现对带有彩色图形噪声且字符扭曲粘连严重的验证码图像的端到端识别. 将包含100万张验证码图像的数据集按98:1:1的比例划分为训练集、验证集和测试集, 逐批参与训练. 实验结果表明, 该网络在大大减少参数数量的同时, 具有测试集上98.9%的识别成功率.

Win32开发人员参考库第四卷（通用控件）（全本）共有两个分卷，找了好久才找到的

VBScript程序员参考手册（第3版）.本文档共两个压缩文件，此为压缩卷2，必须同时下载两个卷放同一目录下，解压缩即可。