再发出版业的牢骚

作者在阅读英语语法书籍时发现了出版社在目录上的严重错误,并回忆起之前因翻译和出版错误而对另一本书籍产生的不满。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

睡前无聊,随便翻翻《薄冰·实用英语语法详解》,目录还没翻完就被噎着了,不舒服,不吐不快。目录的第二页,原文摘录如下:

Unit 8 动词的时态
……
去将来进行时..........................167

看到这里一身冷汗--怎么还有这个我连听都没听过的时态??打开167页看了才知道,原来不过是“过去将来进行时”而已。薄冰先生的学术水平和治学态度我想没什么好怀疑的,他的原稿上铁定不会出现什么“去将来进行时”,错就错在出版社。好好的一本书,就被一个烂出版社给弄臭了,如果说在整本书的正文内容里出现一两处无关紧要的排版或印刷错误,那么还可以谅解,但这是目录,难道重重审校竟然连一个时态术语的错误都发现不了?山西教育出版社,从此我认定它是垃圾出版社。(ISBN 7-5440-2697-3,04年6月1版,06年12月9刷)

遂再次想起了《精通Enterprise JavaBean 2th》中罄竹难书的罪恶,当年我简直想以人类最恶毒的语言来诅咒电子工业出版社,以及飞屎教育,以及刘某某等一票子译者,从那时候开始电子工业出版社在我眼里再没有品牌形象可言,并且免费为飞思教育起了个漂亮的外号--“飞屎教育”,刘某某等一票子人,应该打入行业黑名单。(有些错误纯粹就是对原文知识点理解有误导致的,搞审校的那帮孙子还没那本事创造出这样的错误来,所有译者也有不可推卸的责任。)

印出去的书,也像那泼出去的水,收不回去的,出版业的二百五大爷们,请不要再唯恐天下不知似的将你们的丑恶四处喷洒了,作为读者,我想我们已经受够了!

内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值