文章目录一、实体关系建模1.概念（1）实体、关系和属性（2）约束2.ER图绘制3.实体关系模型存在的问题（1）Fan Traps（2）Chasm Traps二、增强实体关系建模1.Specialization/Generalization（1）Superclasses and Subclasses（超集和子集）（2）ER图画法（3）泛化/特化的约束2.Aggregation3.Compositio

文章目录一、人脸检测1.OpenCV+深度学习人脸检测2.Haar cascades人脸检测3.HOG + Linear SVM人脸检测4.人脸面部特征检测（1）（2）（3）（4）5.人脸检测的应用（1）（2）（3）（4）二、人脸识别1.2.3.4.计算机视觉在人脸方向的应用主要为人脸识别，对于人脸识别问题，首先需要进行人脸检测定位到人脸的位置，之后再进行识别。人脸识别需要用到的重要库包括Open

文章目录一、Sparse Reward1.Reward ShapingICM(intrinsic curiosity module)2.Curriculum LearningReverse Curriculum Generation3.Hierarchical RL二、Imitation Learning一、Sparse Reward实际上在训练强化学习的时候，多数时候agent是很难获得奖励的。

强化学习一、强化学习基础二、序列决策过程（Sequential Decision Making）1.奖励（rewards）2.序列决策过程3.动作空间（Action Spaces）4.Agent的主要组成部分（1）决策（policy）（2）价值函数（value function）（3）模型5.Agents的种类（1）基于Agents学习的东西（2）基于是否有模型一、强化学习基础强化学习讨论的问题是

文章目录一、知识图谱简介二、Neo4J1.Neo4J的安装方法2.Neo4J的基本操作3.通过 Python 操作 Neo4j（1）neo4j模块：执行CQL ( cypher ) 语句（2）py2neo模块：通过操作python变量，达到操作neo4j的目的4.通过csv文件批量导入图数据一、知识图谱简介知识图谱是由 Google 公司在 2012 年提出来的一个新的概念。从学术的角度，我们可以

使用Pytorch来完成CNN的训练和验证过程,逻辑结构如下：构造训练集和验证集；每轮进行训练和验证，并根据最优验证集精度保存模型。train_loader = torch.utils.data.DataLoader(train_dataset,batch_size=10,shuffle=True,num_workers=10,)val_loader = torch.utils.data.Data

文章目录一、人脸检测1.OpenCV+深度学习人脸检测2.Haar cascades人脸检测3.HOG + Linear SVM人脸检测4.人脸面部特征检测（1）（2）（3）（4）5.人脸检测的应用（1）（2）（3）（4）二、人脸识别1.2.3.4.计算机视觉在人脸方向的应用主要为人脸识别，对于人脸识别问题，首先需要进行人脸检测定位到人脸的位置，之后再进行识别。人脸识别需要用到的重要库包括Open

文章目录一级目录二级目录三级目录参考文章：论文笔记-2019-Object Detection in 20 Years: A Survey基于深度学习的目标检测算法综述（一）基于深度学习的目标检测算法综述（二）基于深度学习的目标检测算法综述（三）优秀的GitHub仓库：deep learning object detectionAwesome Object Detection比较全面的整理：我这两

本节课主要内容为机器翻译及相关技术、注意力机制与Seq2seq模型、Transformer一、机器翻译及相关技术机器翻译：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。导入库import osos.listdir('/home/kesci/input/')impor...

文章目录一、问答系统1.Stanford Question Answering Dataset (SQuAD)2.Stanford Attentive ReaderStanford Attentive Reader++3.BiDAF二级目录三级目录一、问答系统问答系统(Question Answering)实际需求很多，比如我们常用的谷歌搜索就可看做是问答系统。通常我们可以将问答系统看做两部分：从