資源較大，分為兩個部分，已全部上傳：第一部分：https://dl.21ic.com/download/arm-429326.html 第二部分：https://dl.21ic.com/download/arm-429325.html 本書介紹了意法半導體（STMicroelectronics，ST）公司的32位基于 ARM Cortex-M3內核的STM32單片機應用與實踐。通過“學中做、做中學”，即DIY（Do It yourself）和LBD（learning By Doing）的方式，按照工作導向的思路展開教學與實踐學習，循序漸進地介紹和構建若干典型STM32單片機應用系統的硬件和軟件，以及相關傳感器電路，將STM32單片機的外圍引腳特性、內部結構原理、片上外設資源、開發設計方法和應用軟件編程等知識傳授給學生，對傳統的教學方法和教學體系進行創新，力求解決嵌入式系統課程抽象與難學的問題全書通俗易懂、內容豐富，可作為高等本科院校和職業技術學院的計算機、電子信息、自動化、電力電氣電子技術及機電一體化等相關專業的“32位高級單片機原理與應用”、“基于 ARM Cortex內核的單片機系統開發”等課程的教材和教學參考書，也可以作為工程實訓、電子制作與競賽的實踐教材和實驗配套教材，同時還可以供廣大從事自動控制、智能儀器儀表、電力電子、機電一體化等系統開發和設計的工程技術人員、教師者個人參考自學使用，并可作為ARM相關應用與培訓課程的參考書。
資源較大，分為兩個部分，已全部上傳：第一部分：https://dl.21ic.com/download/arm-429326.html 第二部分：https://dl.21ic.com/download/arm-429325.html 本書介紹了意法半導體（STMicroelectronics，ST）公司的32位基于 ARM Cortex-M3內核的STM32單片機應用與實踐。通過“學中做、做中學”，即DIY（Do It yourself）和LBD（learning By Doing）的方式，按照工作導向的思路展開教學與實踐學習，循序漸進地介紹和構建若干典型STM32單片機應用系統的硬件和軟件，以及相關傳感器電路，將STM32單片機的外圍引腳特性、內部結構原理、片上外設資源、開發設計方法和應用軟件編程等知識傳授給學生，對傳統的教學方法和教學體系進行創新，力求解決嵌入式系統課程抽象與難學的問題全書通俗易懂、內容豐富，可作為高等本科院校和職業技術學院的計算機、電子信息、自動化、電力電氣電子技術及機電一體化等相關專業的“32位高級單片機原理與應用”、“基于 ARM Cortex內核的單片機系統開發”等課程的教材和教學參考書，也可以作為工程實訓、電子制作與競賽的實踐教材和實驗配套教材，同時還可以供廣大從事自動控制、智能儀器儀表、電力電子、機電一體化等系統開發和設計的工程技術人員、教師者個人參考自學使用，并可作為ARM相關應用與培訓課程的參考書。
Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Machine learning一本數學大全書，由Jean Gallier and Jocelyn Quaintance合著。
該書的作者是來自 Y Combinator Research 的研究員 Michael
Nielsen，他也是一位量子物理學家、科學作家、計算機編程研究人員。他的個人主頁是：Neural networks and deep
learningneuralnetworksanddeeplearning.com書籍介紹 這是我個人以為目前最好的神經網絡與機器學習入門資料之一。內容非常淺顯易懂，很多數學密集的區域作者都有提示。全書貫穿的是 MNIST 手寫數字的識別問題，每個模型和改進都有詳細注釋的代碼。非常適合用來入門神經網絡和深度學習！ 全書共分為六章，目錄如下： 第一章：使用神經網絡識別手寫數字 第二章：反向傳播算法如何工作 第三章：改進神經網絡的學習方法 第四章：神經網絡可以計算任何函數的可視化證明 第五章：深度神經網絡為何很難訓練 第六章：深度學習 《Neural Network and Deep
learning》這本書的目的是幫助讀者掌握神經網絡的核心概念，包括現代技術的深度學習。在完成這本書的學習之后，你將使用神經網絡和深度學習來解決復雜模式識別問題。你將為使用神經網絡和深度學習打下基礎，來攻堅你自己設計中碰到的問題。 本書一個堅定的信念，是讓讀者更好地去深刻理解神經網絡和深度學習，如果你很好理解了核心理念，你就可以很快地理解其他新的推論。這就意味著這本書的重點不是作為一個如何使用一些特定神經網絡庫的教程。僅僅學會如何使用庫，雖然這也許能很快解決你的問題，但是，如果你想理解神經網絡中究竟發生了什么，如果你想要了解今后幾年都不會過時的原理，那么只是學習些熱?的程序庫是不夠的。你需要領悟讓神經網絡工作的原理。
2.5 Neural Turing Machine
-
2.1 Model
-
.DS_Store
10KB
2.4 RNN Sequence-to-Sequence Model
-
2.8 One Shot Deep learning
-
2.7 Deep Transfer learning Lifelong learning especially for RL
-
2.2 Optimization
-
1.4 Speech Recognition Evolution
-
1.2 Deep Belief Network(DBN)(Milestone of Deep learning Eve)
-
1.3 ImageNet Evolution（Deep learning broke out from here）
-
2.3 Unsupervised learning Deep Generative Model
-
2.6 Deep Reinforcement learning
