Microwave Filters, Impedance Matching network and Coupling Structure

uni-app封装请求network版本

browsermob-proxy-2.1.4，与selenium一起进行爬虫，获取network中的链接资源

resn 是一个使用 Redis 和 Python 轻松创建社交网络应用程序的库。 开箱即用的好友、关注者、提要和身份验证功能适用于所有 Web 框架。

神经网络与深度学习最好的入门书籍，比较适合初学者，但需要有一定的英文阅读能力

文章目录1 摘要2 亮点2.1 解码器结构2.1.1 反池化层2.1.2 反卷积层2.1.3 反池化和反卷积结合2.2 网络整体结构3 部分效果3.1 FCN和DeconvNet的对比3.2 各个网络效果对比4 结论5 参考文献 1 摘要 针对单纯的FCN网络存在忽略小物体、分解大物体的问题，当时通常地做法是使用CRF做后处理进行对分割结果进行调整。而本文提出了DeconvNet，该网络可以拆解成反卷积层和反池化层，可以很好地解决上面FCN出现的问题并完成语义分割任务。作者最后发现DeconvNet和FCN能够非常兼容地进行合并，因此作者最后将FCN和DeconvNet结合能产生更好地效果。

NSM的综述文章

windows 64位 弱网测试工具，可控制网络延迟丢包等

Neural Network Design第二版英文原版

LTE 网络拓扑结构图，包含接口标准描述，以及相应的缩略语的全称。