目录　　第一章概论　　1.1fourier分析到小波分析　　1.2积分小波变换和时间-频率分析　　1.3反演公式和对偶　　1.4小波的分类　　1.5多分辨分析、样条及小波　　1.6小波分解与重构　　第二章fourier分析　　2.1fourier变换与fourier逆变换　　2.2连续时间卷积和函数　　2.3平方可积函数的fourier变换　　2.4fourier级数　　2.5基本收敛定理和poisson求和公式　　第三章小波变换和时间-频率分析　　3.1gabor变换　　3.2短时fourier变换和测不准原理　　3.3积分小波变换　　3.4二进小波和反演　　3.5框架　　3.6小波级数　　.第四章基数样条分析　　4.1基数样条空间　　4.2b-样条及其基本性质　　4.3两尺度关系和插入图形显示算法　　4.4基数样条的b-网表示与计算　　4.5样条逼近公式的构造　　4.6样条插值公式的构造　　第五章尺度函数与小波　　5.1多分辨分析　　5.2无限两尺度关系的尺度函数　　5.3l2(ir)的直接和分解　　5.4小波和它们的对偶　　5.5线性相位滤波　　5.6紧支撑小波　　第六章基数样条小波　　6.1插值样条小波　　6.2紧支撑样条小波　　6.3基数样条小波的计算　　6.4euler-frobenius多项式　　6.5样条小波分解中的误差分析　　6.6全正性、完全振荡及零交叉　　第七章正交小波和小波包　　7.1正交小波的例子　　7.2正交两尺度符号的识别　　7.3紧支撑正交小波的构造　　7.4正交小波包　　7.5小波级数的正交分解　　注解　　附录a　　参考文献　　索引

是电子科技大学软件工程的期末测验试卷合集，2004到2009年的，a卷b卷都有哦。
啦啦啦啦啦啦啦啦啦啦啦啦啦啦啦啦啦啦啦啦

Windows磁盘跨区卷.docx

由PoonamSharma和AkanshaSingh所写：深度学习在各种机器学习和计算机视觉应用中取得了显着的成功。
学习允许多个处理层自己学习功能，与传统的机器学习方法相反，而传统的机器学习方法无法以自然方式处理数据。
深度卷积网络在处理图像和视频方面表现出色，而循环神经网络在顺序数据方面取得了巨大成功。
本文回顾了迄今为止在该领域所做的所有方面和研究以及未来的可能性。

基于MATLAB的卷积演示零碎，可以直接拿去用，动态演示

用matlab实现离散时间傅里叶变换DTFT和离散傅里叶变换DFT。
实验目的：1、深刻理解离散时间信号傅里叶变换（DTFT）的定义，与连续傅里叶变换之间的关系；
2、深刻理解序列频谱的性质（连续的、周期的等）；
3、能用MATLAB编程实现序列的DTFT，并能显示频谱幅频、相频曲线；
4、深刻理解DFT的定义、DFT谱的物理意义、DFT与DTFT之间的关系；
5、能用MATLAB编程实现无限长序列的DFT；
6、熟悉循环卷积的过程，能用MATLAB编程实现循环卷积运算

2017IPSEC&WOC;渠道高级认证，有需求的可以根据实际情况参考。

随机产生10位的0,1序列作为原始信息比特序列，去控制载波产生相位为0和Π的正弦波作为BPSK调制信号。
经过MATLAB软件中AWGN函数仿真高斯加性噪声进行高斯信道建模，并画出高斯信道分布特性以及功率谱特性。
将BPSK调制信号经过高斯信道传输，接收方接受后利用带通滤波器滤除噪声，然后进行BPSK解调出原始信号。
此外，采用卷积码的方式进行差错控制传输，并与未进行信道编码进行码率曲线对比分析.

接上文，本文介绍了CNN-LSTM模型实现单、多变量多时间步预测的家庭用电量预测任务。
文章目录1.CNN-LSTM1.1CNN模型1.2完整代码1.CNN-LSTM1.1CNN模型卷积神经网络（CNN）可用作编码器-解码器结构中的编码器。
CNN不直接支持序列输入；
相反，一维CNN能够读取序列输入并自动学习显着特征。
然后可以由LSTM解码器解释这些内容。
CNN和LSTM的混合模型称为CNN-LSTM模型，在编码器-解码器结构中一起使用。
CNN希望输入的数据具有与LSTM模型相同的3D结构，虽然将多个特征作为不同的通道读取，但效果相同。
为简化示例，重点放在具有单变量输

好不简单找到的，第三卷的英文版超级稀有，分享一下

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。