(转贴)带新人学J2EE,有想法者请进.只带新人.有浓厚兴趣的.

wshm888 2007-07-22 05:48:38
作  者: xp1204 (跟我学j2ee吧...入门,其实很容易.)

现在工作太闲了,
又想带新人学J2EE了.

必须是新人,否则我就交不了了.

本人2000年北航计算机及应用专业毕业,现工作于深圳.
有多年j2ee项目开发经验.

时间15天.

有意者加QQ:634080571,说明:csdn
---------------
说明:本人是初学者,菜鸟一只,自学感觉有些迷茫,一次偶然的机会我在csdn上看到了这篇帖子,于是就报了名现在正在跟xp1204(跟我学j2ee吧...入门,其实很容易.)学习中。感觉受益匪浅,xp1204他会根据每个人的不同情况提出不同的建议,并有相关的培训文档发给大家来学习。。。
有很多初学者都很迷茫,心想学编程有没有什么速成法呢?其实学编程根本不可能速成,充其量是在别人的指导下少走弯路。而xp1204正是针对我们这些初学者,带领我们越过入门的门槛,使我们觉得入门其实并不是那么难的事情。。。
在这里我强烈推荐还有些迷茫的人和想学J2EE的朋友跟xp1204学习,跟xp1204学习你会感觉到编程的快乐,物超所值、收益终身。。。
------------------------
以上纯属个人见解,如有不对的地方或打扰到xp1204的地方,敬请原谅,谢谢!
=====================================
原帖链接:http://community.csdn.net/Expert/topic/5596/5596253.xml?temp=.273266

真心想跟xp1204学习的朋友请看:1、(j2ee学习文档提供下载,怎么没人顶下呢,哈哈!这是我带新人时一步步写的文档啊,我想很适用的)http://community.csdn.net/Expert/topic/5622/5622986.xml?temp=6.579226E-02
2、(学习J2EE的方法之我见--xp1204,希望对新人有帮助,写了两个晚上)
http://community.csdn.net/Expert/topic/5650/5650158.xml?temp=.3058588
3、(建议,如果你要学struts,建议学struts2.0,不用去学struts1.x了.理由如下. )
http://community.csdn.net/Expert/topic/5646/5646769.xml?temp=.1265985
4 、(没分了,还是说说建议,关于uml建模,大家要早点接触到,并经常使用。 )
http://community.csdn.net/Expert/topic/5633/5633944.xml?temp=.8347284
5、(下载空间更新了spring入门学习笔记.欢迎大家下载)
http://community.csdn.net/Expert/topic/5650/5650411.xml?temp=.8858759
6、(如果你真心想跟我学J2EE,请先看。 )
http://blog.csdn.net/xp1204/archive/2007/07/20/1700447.aspx
---------------------------------
个人感觉遇到xp1204是我的福音,纯个人见解,欢迎大家发表意见。。。
...全文
208 6 打赏 收藏 转发到动态 举报
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
mimanginging 2007-07-23
  • 打赏
  • 举报
回复
顶~
wshm888 2007-07-23
  • 打赏
  • 举报
回复
顶上去
wudileiyu 2007-07-22
  • 打赏
  • 举报
回复
好东西啊,要顶!
约翰羊 2007-07-22
  • 打赏
  • 举报
回复
原来是收费的啊.....
约翰羊 2007-07-22
  • 打赏
  • 举报
回复

收藏。慢慢看
wshm888 2007-07-22
  • 打赏
  • 举报
回复
还有这个:http://blog.csdn.net/xp1204
内容概要:本文提出了一种基于加权稀疏矩阵恢复与加速交替方向乘子法(ADMM)的单通道盲解混响算法,并提供了完整的Matlab代码实现。该方法旨在从仅有的单路接收信号中有效分离出原始声源信号,克服传统多通道方法对硬件的依赖。核心技术结合了信号在时频域的稀疏性先验,通过构建加权机制以增强稀疏矩阵恢复的准确性,并引入加速ADMM算法来优化求解过程,显著提升了算法的收敛速度与计算效率。该算法特别适用于麦克风阵列受限或无法部署的复杂声学环境,能够有效抑制混响干扰,从而显著提升语音信号的清晰度与后续语音识别系统的性能。; 适合人群:具备扎实的数字信号处理、凸优化理论及稀疏表示基础,从事音频信号处理、语音增强、盲源分离或相关领域研究与开发工作的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决单麦克风场景下的语音混响去除难题,提升语音通信质量;②应用于智能助听器、车载语音系统、远程视频会议、人机交互等存在严重混响的实际应用场景;③为盲解卷积、稀疏信号恢复等领域的研究提供一种高效的算法实现范例与优化思路。; 阅读建议:建议读者在深入理解信号稀疏性、ADMM优化框架等理论基础上,结合所提供的Matlab代码行实践,重点分析加权策略的设计原理及其对恢复性能的影响,并通过调整正则化参数、权重因子等关键变量,探究其在不同混响强度和噪声条件下的鲁棒性与泛化能力。

23,404

社区成员

发帖
与我相关
我的任务
社区描述
Java 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧