吴恩达深度学习——序列模型一、定义序列模型的数学符号二、循环神经网络1.对于序列模型为什么不采用标准的神经网络进行处理呢？2.循环神经网络的结构3.循环神经网络的损失函数4.不同类型的循环神经网络三、语言模型与序列生成四、GRU（Gated Recurrent或者叫做门控循环）单元五、长短期记忆单元(LSTM)六、双向循环神经网络(BRNN)七、深度循环神经网络（Deep RNN）引言：序列模型可

吴恩达深度学习——目标检测学习目标检测概述一、 目标定位：1. 边界界框参数2. 输出结果定义3. 损失函数定义二、 特征点检测三、目标检测1. 基于滑动窗的目标检测算法2. 在卷积层中应用滑动窗目标检测3. YOLO算法(一部分)四、检测算法运作1.交并比2. 非极大值抑制五、anchor box六、YOLO算法七、候选区域目标检测概述在最初接触的计算机视觉中，我们对图片进行的是图片分类，但是我

.吴恩达深度学习——人脸识别和风格迁移一、人脸识别1、人脸验证2、人脸识别3、一次学习4、Siamese 网络5、三元组损失函数(triplet loss function)6、面部验证与二分类二、风格迁移1、什么叫做风格迁移？2 、深度卷积网络究竟在学习什么？3、代价函数内容代价函数风格代价函数一、人脸识别在人脸识别的相关文献中，人们通常提到人脸验证和人脸识别。1、人脸验证我们只用判断图片中的人

图论一、七桥问题：二、图论的基本概念：三、图论的基本问题及算法一、七桥问题：欧拉回路：如果每一个点所谅解的桥都是偶数座，则从任意一陆地出发，必能通过每座桥恰好一次回到出发地二、图论的基本概念：无向图：没有方向的图记为：G = （V，E）有向图：他的路线是有方向的子图：保留所有的点，去掉一部分的边网路图：*各边赋予一定的物理量，如果是距离就叫做网络图或者赋权图*所赋予的物理量叫做权*权可以是：距离，

一、蒙特卡洛方法蒙特卡洛的一般原理：处理缺乏实验数据的问题，一般会用蒙特卡洛方法来产生所需要的实验数据。蒙特卡洛方法结题的基本步骤：确定所要模拟的目标以及实现这些目标的随机变量，一般情况下，目标就是这些随机变量的期望找到原问题中随机变量的分布规律大量抽取随机样本以模拟原问题的随机量求出随机样本的样本平均值二、马尔科夫方法马尔科夫过程：马尔科夫过程的特性在于未来的演变不依赖于它过去的演变，这种性质被

数据库模式分解部分函数依赖函数依赖的确定1对1的关系时，有两个函数依赖1对多时，有一个函数依赖多对多时，没有函数依赖函数依赖类型右边不为左边的子集{非平凡函数依赖（A−>B），yes平凡函数依赖(AB−>B)，no左边有子集能决定右边{部分函数依赖,yes完全函数依赖,no右边不为左边的子集\begin{cases}非平凡函数依赖（A->B），yes \\平凡函数依赖(AB-&g

一、常见数据分析软件Excel（office三件套之一）、R语言、Eviews、origin(图形分析工具)、SPSS（统计分析与数据挖掘）MATLAB（墙裂推荐）、python（墙裂推荐）、SAS二、统计性描述均值(mean)：xˉ=1n∑i=1nxi\bar{x}=\frac{1}{n} \sum_{i=1}^{n} x_{i}xˉ=n1​i=1∑n​xi​方差(var)、均方差(std):

论文链接：https://arxiv.org/abs/2008.00230仓库链接：https://github.com/taozh2017/RGBD-SODsurvey介绍显著目标检测(Salient Obejct Detection)是模拟人类视觉感知系统来定位场景中最吸引人的目标，已被广泛应用于各种计算机视觉任务中。显著目标检测在现实中的应用有：立体匹配（stereo matching）、图