采样原理

比较好的介绍了全连接网络和卷积网络

这个混响包含了real和simulated，用的比较多是simulated中的小房间中房间，对应房间大小分别是1~10m和10~30m。我用的不算专用的噪音库，是一个声学场景分类的噪音，场景比较多，但是不是非常符合噪音这个范畴，可以用来做aec。像是asr asv等等领域，我们经常要用噪声来做数据增强提升模型鲁棒性，那么有什么好用的开源噪声库吗？但噪声方面比较弱，只自带了各种波形的发生器，自然环境

一直研究算法，基于matlab/python的机器学习和深度学习，也写了几篇专利，但是在终端产品的DSP上应用始终是短板， c/c++一直是拦路虎，决定补起来

机器学习算法C++实现_南叔先生的博客-CSDN博客_c++ 机器学习很完整的代码，可以参考！

一、课题背景概述文本挖掘是一门交叉性学科,涉及数据挖掘、机器学习、模式识别、人工智能、统计学、计算机语言学、计算机网络技术、信息学等多个领域。文本挖掘就是从大量的文档中发现隐含知识和模式的一种方法和工具,它从数据挖掘发展而来,但与传统的数据挖掘又有许多不同。文本挖掘的对象是海量、异构、分布的文档(web);文档内容是人类所使用的自然语言,缺乏计算机可理解的语义。传统数据挖掘所处理的数据是结

关于“如何学习自然语言处理”，有很多同学通过不同的途径留过言，这方面虽然很早之前写过几篇小文章：《如何学习自然语言处理》和《几本自然语言处理入门书》，但是更推崇知乎上这个问答：自然语言处理怎么最快入门，里面有微软亚洲研究院周明老师的系统回答和清华大学刘知远老师的倾情奉献：初学者如何查阅自然语言处理（NLP）领域学术资料，当然还包括其他同学的无私分享。不过，对于希望入门NLP的同学来说，推荐

机器之心报道文本处理现有数据中，文本是最非结构化的形式，里面有各种各样的噪声；如果没有预处理，文本数据都不能分析。清理和标准化文本的整个过程叫做文本预处理（textpreprocessing），其作用是使文本数据没有噪声并且可以分析。主要包括三个步骤：移除噪声词汇规范化对象标准化下图展示了文本预处理流程的结构。移除噪声任何与数据上下文和最