Tags

语音识别笔记 (六)

多遍解码、三音子模型

语音识别笔记 (五)

MFCC,搜索-解码,Embedded Training

语音识别笔记 (四)

基于GMM-HMM的自动语音识别框架

语音识别笔记(三)

隐马尔科夫模型-HMM

语音识别笔记（二）

计算音系学

语音识别笔记（一）

简介与高斯混合模型

庆祝小博客装修完成

Welcome to my simple blog

庆祝小博客装修完成

Welcome to my simple blog

语音识别笔记 (六)

多遍解码、三音子模型

语音识别笔记 (五)

MFCC,搜索-解码,Embedded Training

语音识别笔记 (四)

基于GMM-HMM的自动语音识别框架

语音识别笔记(三)

隐马尔科夫模型-HMM

语音识别笔记（二）

计算音系学

语音识别笔记（一）

简介与高斯混合模型

David Silver 强化学习 第九讲

探索与利用

David Silver 强化学习 第八讲

整合学习与规划

David Silver 强化学习 第七讲

策略梯度

David Silver 强化学习 第六讲

价值函数的近似表示

David Silver 强化学习 第五讲

Model-Free 的控制

David Silver 强化学习 第四讲

Model-Free 的预测

David Silver 强化学习 第三讲

动态规划寻找最优策略

David Silver 强化学习 第二讲

马尔可夫决策过程

David Silver 强化学习 第一讲

强化学习简介

Kaldi thchs30手札（八）

DAE与TDNN（line 109-115)

Kaldi thchs30手札（七）

DNN-HMM模型的训练（line 106-107)

Kaldi thchs30手札（六）

说话人自适应训练（SAT)、FMLLR以及quick训练（line 87-104)

Kaldi thchs30手札（五）

LDA与MLLT（line 78-85)

Kaldi thchs30手札（四）

三音子模型（line 71-76)

Kaldi thchs30手札（三）

单音素模型训练（line 62-68)

Kaldi thchs30手札（二）

word-graph（line 38-60)

Kaldi thchs30手札（一）

特征提取阶段（line 0-33)

候选实体生成策略

Elasticsearch 笔记

用 ES 做实体召回

实体链接(三)

文本匹配 大礼包

实体链接(二)

LIMES 中的大规模数据链接方法

命名实体识别（二）

NER 大礼包

命名实体识别（一）

[笔记] 综述 A Survey on Deep Learning for Named Entity Recognition

实体链接（一）

翻译 Entity Linking with a Knowledge Base: Issues, Techniques, and Solutions

关系抽取（二）

Enriching Pre-trained Language Model with Entity Information for Relation Classification

关系抽取（一）

Neural Relation Extraction with Selective Attention over Instances

语义网基础教程（一）

描述万维网资源：RDF

知识图谱入门 (九)

知识问答

知识图谱入门 (八)

语义搜索

知识图谱入门 (七)

知识推理

知识图谱入门 (六)

知识融合

知识图谱入门 (五)

知识存储

知识图谱入门 (四)

知识挖掘

知识图谱入门 (三)

知识抽取

知识图谱入门 (二)

知识表示与知识建模

知识图谱入门 (一)

知识图谱与语义技术概览

通用正则表达式与python中的正则匹配

常用文本处理 sed awk

sed awk 使用总结

基于tensorflow 的中文语音识别

基于DeepSpeech2 论文与Aishell 语料

现代语音信号处理笔记 (七)

语音特征参数估计

现代语音信号处理笔记 (六)

语音信号的非线性分析

现代语音信号处理笔记 (五)

线性预测分析

现代语音信号处理笔记 (四)

倒谱分析与同态滤波

现代语音信号处理笔记 (三)

短时傅里叶分析

现代语音信号处理笔记 (二)

时域分析

现代语音信号处理笔记 (一)

语音信号处理基础

Python Cookbook总结

14-15 章

Python Cookbook总结

12-13 章

Python Cookbook总结

9-10 章

Python Cookbook总结

7-8 章

Python Cookbook总结

1-6 章

关系抽取笔记

综述（一）

<语义网基础教程>笔记（四）

本体工程

<语义网基础教程>笔记（三）

万维网本体语言：OWL2

<语义网基础教程>笔记（二）

查询语义网：SPARQL

语义网基础教程笔记（一）

资源描述框架：RDF

从零开始构建知识图谱（十三）

百科知识图谱构建（七）基于 Silk 的批量知识融合

从零开始构建知识图谱（十二）

百科知识图谱构建（六）基于Silk的知识融合

从零开始构建知识图谱（十一）

百科知识图谱构建（五）Jena的使用及简单SPARQL查询

从零开始构建知识图谱（十）

百科知识图谱构建（四）数据库到RDF

从零开始构建知识图谱（九）

百科知识图谱构建（三）神经网络关系抽取的数据集构建与实践

从零开始构建知识图谱（八）

百科知识图谱构建（二）将数据存进neo4j

从零开始构建知识图谱（七）

百科知识图谱构建（一）百科类知识抽取

从零开始构建知识图谱（六）

将数据存进Neo4j

从零开始构建知识图谱（五）

Deepdive抽取演员-电影间关系

RDF 1.1 Turtle 中文翻译

从零开始构建知识图谱（四）

基于ElasticSearch的简单语义搜索

从零开始构建知识图谱（三）

基于REfO的简单知识问答

从零开始构建知识图谱（二）

数据库到 NTriples 以及通过Apache jena 访问NT

从零开始构建知识图谱（一）

半结构化数据的获取

集成学习

决策树

K-means

KNN

主成分分析 PCA

NLP 手册

支持向量机 SVM

NLP 手册

朴素贝叶斯分类器

NLP 手册

隐马尔可夫模型 HMM

NLP 手册

EM 算法

NLP 手册

条件随机场 CRF

NLP 手册

逻辑回归

NLP 手册

线性回归

PRML学习笔记（十二）

第十二章 连续潜在变量

PRML学习笔记（十一）

第十一章 采样方法

PRML学习笔记（十）

第十章 近似推断

PRML学习笔记（九）

第九章 混合模型和EM

PRML学习笔记（八）

第八章 图模型

PRML学习笔记（七）

第七章 稀疏核机

PRML学习笔记（六）

第六章 核方法

PRML学习笔记（五）

第五章 神经网络

PRML学习笔记（四）

第四章 分类的线性模型

PRML学习笔记（三）

第三章 回归的线性模型

PRML学习笔记（二）

第二章 概率分布

PRML学习笔记（一）

第一章 绪论

MongoDB 入门笔记

手写代码 习题集

剑指 Offer 篇

Numpy 笔记

Numpy 常用操作

深度学习笔记（十三）

Normalization 总结

深度学习笔记（十二）

BERT

深度学习笔记（十一）

Word2Vec

深度学习笔记（十）

Attention 基础

深度学习笔记（九）

循环神经网络基础

深度学习笔记（八）

卷积神经网络基础

深度学习笔记（七）

激活函数

深度学习笔记（六）

正则化项

深度学习笔记（五）

常见损失函数

深度学习笔记（四）

神经网络中的权值初始化

深度学习笔记（三）

牛顿法与BFGS

深度学习笔记（二）

拉格朗日乘数法与KKT条件

深度学习笔记（一）

常见优化器