• ==================【DeepLearningBook_127.txt】================== In , pages 1865–1 873. NIPS’ 2009 359 Bro wn, P . F., Co ck e, J., Pietra , S. A. D., Pietra , V. J. D., Jelinek , F., Laffer ty , J. D., Merce r, R. L., and Ro ossin, P . S. (1990) . A statist ical approa c h to mac hine transla tion. Comp utation al linguis tics , (2), 79–85. 16 21 Bro wn, P . F., Pietra , V. J. D., DeSou za, P . V., Lai, J. C., and Merce r, R. L. (1992) . Class- based -gram mo dels of natura l langua ge. , n Comp utation al Lingui stics 18 , 467–47 9. 465 Bryso n, A. and Ho, Y. (1969) . Applie d optima l c ontr ol: op timiza tion, estima tion, and c ontr ol . Blaisd ell Pub. Co. 224 Bryso n, Jr., A. E. and Denha m, W. F. (1961) . A steepe st-asce nt metho d for solvin g optim um progra mmin g proble ms. T echnic al Rep ort BR-13 03, Rayth eon Comp any , Missle and Space Divisi on. 224 Bucilu ˇ a, C., Carua na, R., an d Nic ulescu -Mizil , A. ( 2006). Mo del co mpres sion. In Pr o c e e dings of the 12th ACM SIGKD D intern ationa l c onfer enc e on Know le dge disc overy and data minin g , pages 535–54 1. ACM. 450 Burda , Y., Grosse , R., and Salakh utdin o v, R. (2015) . Imp ortanc e w eigh ted auto enco ders. arXiv pr eprint arXiv: 1509.0 0519 . 700 Cai, M., Shi, Y., and Liu, J. (2013) . Deep maxou t neural netw orks for sp eec h recogn ition. In A utoma tic Sp e e ch R e c o gnition and Under standi ng (ASR U), 2013 IEEE W orksho p on , pages 291–29 6. IEEE. 193 Carrei ra-P erpiña n, M. A. and Hinton , G. E. (2005) . On contra stiv e diverg ence learnin g. In R. G. Cow ell and Z. Ghahr amani , editor s, Pr o c e e dings of the T enth Intern ationa l W orksho p on Artific ial Intel ligenc e and Statist ics (AIST A TS’05 ) , pages 33–40. So ciety for Artific ial In tellige nce and Statis tics. 613 Carua na, R. (1993) . Multit ask connec tionis t learnin g. In Pr o c. 1993 Conne ctionis t Mo dels Summ er Scho ol , pages 372–37 9. 244 Cauc h y , A. (1847) . Métho de généra le p our la résolu tion de systèm es d’équa tions sim ul- tanées . In Comp te r endu des sé anc es de l’ac adémi e des scienc es , pages 536–53 8. , 83 224 730 --- Page Break --- BIBLIOGRA PHY Ca yton, L. (2005) . Algori thms for manifo ld learnin g. T echnic al Rep ort CS200 8-0923 , UCSD . 163 Chand ola, V., Baner jee, A., and Kuma r, V. (2009) . Anom aly detect ion: A surv ey . A CM c omput ing survey s (CSUR ) , (3), 15. 41 102 Chap elle, O., W eston, J., and Schölk opf, B. (2003) . Cluste r kernel s for semi-s up ervised learnin g. In S. Beck er, S. Thrun , and K. Ob ermay er, editor s, A dvanc es in Neur al Inform ation Pr o c essing System s 15 (NIPS ’02) , pages 585–59 2, Camb ridge, MA. MIT Press. 244 Chap elle, O., Schölk opf, B., and Zien, A., editor s (2006) . Semi- Sup ervise d L e arning . MIT Press, Cam bridge , MA. , 244 543 Chella pilla, K., Puri, S., and Simar d, P . (2006) . High P erform ance Con v olution al Neura l Net w orks f or Docum ent Pro cessing . In Gu y Lorett e, edit or, T enth I nterna tional W orksho p on F r ontier s in Handw riting R e c o gnition , La Baule (F rance) . Univ ersité de Renne s 1, Suviso ft. http:/ /www .suviso ft.com . , , 24 27 447 Chen, B., Ting, J.-A., Marlin , B. M., and de F reitas, N. (2010) . Deep learnin g of in v ariant spatio -temp oral featur es from video. NIPS* 2010 Deep Learni ng and Unsup ervised F eature Learni ng W orksho p. 360 Chen, S. F. and Go o dman, J. T. (1999) . An empiri cal study of smoot hing tec hnique s for langua ge model ing. Comp uter, Sp e e ch and L angua ge , (4), 359–39 3. , 13 464 475 Chen, T., Du, Z., Sun, N., W ang, J., W u, C., Chen, Y., and T emam , O. (2014a ). DianN ao: A small- fo otprin t high-t hrough put accele rator for ubiqui tous machi ne-lear ning. In Pr o- c e e dings of the 19th intern ationa l c onfer enc e on Ar chite ctur al supp ort for pr o gr ammin g langua ges and op er ating system s , pages 269–28 4. ACM. 453 Chen, T., Li, M., Li, Y., Lin, M., W ang, N., W ang, M., Xiao, T., Xu, B., Zhang , C., and Zhang , Z. (2015) . MXNe t: A flexibl e and efficien t machi ne learnin g library for hetero geneou s distrib uted system s. arXiv pr eprint arXiv: 1512.0 1274 . 25 Chen, Y., Luo, T., Liu, S., Zhang , S., He, L., W ang, J., Li, L., Chen, T., Xu, Z., Sun, N., et al. Micr o ar chite ctur e (2014b ). DaDia nNao: A machi ne-lear ning sup ercom puter. In (MICR O), 2014 47th A nnual IEEE/ A CM Intern ationa l Symp osium on , pages 609–62 2. IEEE. 453 Chilim bi, T., Suzue , Y., Apaci ble, J., and Kalya naram an, K. (2014) . Pro ject Adam : Buildi ng an efficien t and scalab le deep learnin g trainin g system . I n 11th USEN IX Symp osium on Op er ating System s Design and Implem entat ion (OSDI ’14) . 449 Cho, K., Raiko , T., and Ilin, A. (2010) . P arallel temp ering is efficien t for learnin g restric ted Boltzm ann mac hines. In . , IJCNN ’2010 605 616 731 --- Page Break --- BIBLIOGRA PHY Cho, K., Raiko , T., and Ilin, A. (2011) . Enhan ced gradie n t and adapti v e learnin g rate for trainin g restric ted Boltzm ann mac hines. In , pages 105–11 2. ICML ’2011 676 Cho, K., v an Merrië nbo er, B., Gulceh re, C., Bouga res, F., Sch w enk, H., and Bengio , Y. (2014a ). Learni ng phrase repres entatio ns using RNN enco der-de co der for statist ical mac hine transla tion. In Pr o c e e dings of the Empir icial Metho ds in Natur al L angua ge Pr o c essing (EMN LP 2014) . , , 396 476 477 Cho, K., V an Merrië n b oer, B., Bahda nau, D., and Bengio , Y. (2014b ). On the prop- erties of neural machi ne transla tion: Encod er-dec o der approa ches. , ArXiv e-prin ts abs/1 409.1 259 . 413 Choro mansk a, A., Henaff , M., Mathi eu, M., Arous , G. B., and LeCun , Y. (2014) . The loss surfac e of m ultila y er net w orks. , 285 286 Choro wski, J., Bahda nau, D., Cho, K., and Bengio , Y. (2014) . End -to-end con tin uous sp eec h recogn ition using atten tion-b ased recurr en t NN: First results . arXiv: 1412.1 602. 462 Christ ianson , B. (1992) . Autom atic Hessia ns by revers e accum ulatio n. IMA Journ al of Nume ric al Analy sis , (2), 135–15 0. 12 224 Chrup ala, G., Kadar , A., and Alisha hi, A. (2015) . Learni ng langua ge throug h pictur es. arXiv 1506.0 3694. 413 Ch ung, J., Gulceh re, C., Cho, K., and Bengio , Y. (2014) . Empir ical ev aluatio n of gated recurr en t neural net w orks on sequen ce mo deling . NIPS’ 2014 Deep Learni ng works hop, arXiv 1412.3 555. , 413 462 Ch ung, J., Gülçeh re, Ç., Cho, K., and Bengio , Y. (2015a ). Gated feedba ck recurr en t neural net w orks. In . ICML ’15 413 Ch ung, J., Kastn er, K., Dinh, L., Go el, K., Courv ille, A., and Bengio , Y. (2015b ). A recurr en t laten t v ariabl e mo del for sequen tial data. In . NIPS’ 2015 700 Ciresa n, D., Meier, U., Masci , J., and Schmi dh uber, J. (2012) . Multi- colum n deep neural net w ork for traffic sign c lassific ation. Neur al Netwo rks , , 333–33 8. , 32 23 200 Ciresa n, D. C., Meier, U., Gamb ardella , L. M., and Schmi dh ub er, J. (2010) . Deep big simple neural nets for handw ritten digit recogn ition. Neur al Comp utation , 22 , 1–14. 24 27 448 , , Coate s, A. and Ng, A. Y. (2011) . The imp ortanc e of enco ding versus trainin g with sparse co ding and v ector quan tizatio n. In . , , ICML ’2011 27 256 500 Coate s, A., Lee, H ., and Ng, A. Y. (20 11). An analys is of single- la y er netw orks in unsup ervised featur e learnin g. In Pr o c e e dings of the Thirte enth Intern ationa l Confe r enc e on Artific ial Intel ligenc e and Statist ics (AIST A TS 2011) . , , 363 364 457 732 --- Page Break --- BIBLIOGRA PHY Coate s, A., Huv al, B., W ang, T ., W u, D., Catan zaro, B., and A ndrew , N. (20 13). Deep learnin g with COTS HPC system s. In S. Dasgu pta and D. McAll ester, editor s, Pr o c e e dings of the 30th Intern ationa l Confe r enc e on Machi ne L e arning (ICML -13) , v olume 28 (3), pages 1337–1 345. JMLR W orksho p and Confe rence Pro ceedin gs. , , 24 27 364 449 , Cohen , N., Sharir , O., and Shash ua, A. (2015) . On the expres siv e p o w er of deep learnin g: A tensor analys is. arXiv: 1509.0 5009. 556 Collob ert, R. (2004) . L ar ge Sc ale Machi ne L e arning .
  • NIPS’ 2009, pages 1865–1873.
    • 翻译:“2009年神经信息处理系统大会（NIPS），第1865 - 1873页。”
  • Brown, P. F., Cocke, J., Pietra, S. A. D., Pietra, V. J. D., Jelinek, F., Lafferty, J. D., Mercer, R. L., and Roossin, P. S. (1990).
    • 翻译:“布朗（P. F.）、科克（J.）、彼得拉（S. A. D.）、彼得拉（V. J. D.）、杰林克（F.）、拉弗蒂（J. D.）、默瑟（R. L.）和罗辛（P. S.）（1990年）。”
  • A statistical approach to machine translation.
    • 句子分析:简单句，“a statistical approach to...”是固定表达，意为“……的一种统计方法”。
    • 翻译:“一种机器翻译的统计方法。”
    • 单词分析:
      • statistical:形容词，词源来自拉丁语 "statisticus"（与国家事务有关的），词义：统计的；统计学的。
        • 记忆方法:联想 "stat"（状态）+"-istical"（形容词后缀）→ 关于状态数据的 → 统计的。
        • 形近词:statistical/statistic（统计量）、statistics（统计学）。
        • 发音解析:
          • 音节分解:sta + tis + ti + cal /stəˈtɪstɪkl/，重音在第二音节
          • 规则:sta → /stə/， “sta” 发 /stə/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“a” 发短元音 /ə/。
          • 规则:tis → /tɪs/， “tis” 发 /tɪs/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
          • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
          • 规则:cal → /kl/， “cal” 发 /kl/ 音，其中 “c” 发 /k/ 音，“a” 不发音，“l” 发 /l/ 音。
  • Computational linguistics, (2), 79–85.
    • 翻译:“《计算语言学》，第2期，第79 - 85页。”
  • Brown, P. F., Pietra, V. J. D., DeSouza, P. V., Lai, J. C., and Mercer, R. L. (1992).
    • 翻译:“布朗（P. F.）、彼得拉（V. J. D.）、德索萨（P. V.）、赖（J. C.）和默瑟（R. L.）（1992年）。”
  • Class-based -gram models of natural language.
    • 句子分析:简单句，“class-based”是复合形容词，意为“基于类别的”。
    • 翻译:“自然语言的基于类别的语法模型。”
    • 单词分析:
      • class-based:复合形容词，由 "class"（类别）和 "based"（基于）构成，词义：基于类别的。
        • 记忆方法:直接理解 “class”（类别）和 “based”（基于）的组合意思。
        • 形近词:class-based/classroom（教室）、classmate（同学）。
        • 发音解析:
          • 音节分解:class + based /ˈklɑːsbeɪst/，重音在第一音节
          • 规则:class → /klɑːs/， “class” 发 /klɑːs/ 音，其中 “c” 发 /k/ 音，“l” 发 /l/ 音，“a” 发长元音 /ɑː/，“s” 发 /s/ 音。
          • 规则:based → /beɪst/， “based” 发 /beɪst/ 音，其中 “b” 发 /b/ 音，“a” 发长元音 /eɪ/，“s” 发 /s/ 音，“d” 发 /d/ 音。
  • Computational Linguistics 18, 467–479.
    • 翻译:“《计算语言学》第18期，第467 - 479页。”
  • Bryson, A. and Ho, Y. (1969).
    • 翻译:“布赖森（A.）和何（Y.）（1969年）。”
  • Applied optimal control: optimization, estimation, and control.
    • 句子分析:简单句，“optimal control”是固定搭配，意为“最优控制”。
    • 翻译:“应用最优控制：优化、估计和控制。”
    • 单词分析:
      • optimal:形容词，词源来自拉丁语 "optimus"（最好的），词义：最优的；最佳的。
        • 记忆方法:联想 “opt”（选择）+"-imal"（形容词后缀）→ 做出最好的选择 → 最优的。
        • 形近词:optimal/optimist（乐观主义者）、optimize（优化）。
        • 发音解析:
          • 音节分解:op + ti + mal /ˈɒptɪməl/，重音在第一音节
          • 规则:op → /ɒp/， “op” 发 /ɒp/ 音，其中 “o” 发短元音 /ɒ/，“p” 发 /p/ 音。
          • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
          • 规则:mal → /məl/， “mal” 发 /məl/ 音，其中 “m” 发 /m/ 音，“a” 不发音，“l” 发 /l/ 音。
  • Blaisdell Pub. Co.
    • 翻译:“布莱斯德尔出版公司。”
  • Bryson, Jr., A. E. and Denham, W. F. (1961).
    • 翻译:“小布赖森（A. E.）和德纳姆（W. F.）（1961年）。”

  • A steepest - ascent method for solving optimum programming problems.
    • 固定搭配:“steepest - ascent method”意为“最速上升法”；“optimum programming”意为“最优规划”。
    • 句子分析:简单句，“A steepest - ascent method”是主语，“for solving optimum programming problems”是后置定语修饰“method”。
    • 翻译:“一种用于解决最优规划问题的最速上升法。”
    • 单词分析:
      • steepest:形容词最高级，词源来自古英语“steap”，词义：最陡峭的，这里可理解为“最速的”。
        • 记忆方法:“steep”（陡峭的）+“est”（最高级后缀）。
        • 形近词:steep/steer（驾驶）。
        • 发音解析:
          • 音节分解:steep + est /ˈstiːpɪst/，重音在第一音节
          • 规则:steep → /stiːp/， “steep” 发 /stiːp/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“ee” 发长元音 /iː/，“p” 发 /p/ 音。
          • 规则:est → /ɪst/， “est” 发 /ɪst/ 音，其中 “e” 发短元音 /ɪ/，“s” 发 /s/ 音，“t” 发 /t/ 音。
    • optimum:形容词，词源来自拉丁语“optimus”（最好的），词义：最优的，最佳的。
      • 记忆方法:联想“op”（看作“open”打开）+“timum”（看作“timely”及时的）→ 打开及时的状态 → 最优的。
      • 形近词:optimum/optional（可选择的）。
      • 发音解析:
        • 音节分解:op + ti + mum /ˈɒptɪməm/，重音在第一音节
        • 规则:op → /ɒp/， “op” 发 /ɒp/ 音，其中 “o” 发短元音 /ɒ/，“p” 发 /p/ 音。
        • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
        • 规则:mum → /məm/， “mum” 发 /məm/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ə/，“m” 发 /m/ 音。

  • Technical Report BR - 1303, Raytheon Company, Missle and Space Division.
    • 翻译:“雷神公司导弹与航天部门技术报告BR - 1303。”
  • Bucilu ˇ a, C., Caruana, R., and Niculescu - Mizil, A. (2006). Model compression.
    • 翻译:“布奇卢（Bucilu ˇ a），C.；卡鲁阿纳（Caruana），R.；尼古列斯库 - 米齐尔（Niculescu - Mizil），A.（2006年）。模型压缩。”
  • In Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining, pages 535–541.
    • 固定搭配:“Proceedings of...”意为“……的会议记录/论文集”；“Knowledge discovery and data mining”意为“知识发现与数据挖掘”。
    • 句子分析:这是一个介词短语，说明文章发表的会议及页码。
    • 翻译:“载于第12届ACM SIGKDD国际知识发现与数据挖掘会议论文集，第535 - 541页。”
    • 单词分析:
      • proceedings:名词复数，词源来自“proceed”（进行），词义：会议记录，论文集。
        • 记忆方法:“proceed”（进行）+“ings”（名词后缀）。
        • 形近词:proceedings/proceed（进行）。
        • 发音解析:
          • 音节分解:pro + ceed + ings /prəˈsiːdɪŋz/，重音在第二音节
          • 规则:pro → /prə/， “pro” 发 /prə/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发短元音 /ə/。
          • 规则:ceed → /siːd/， “ceed” 发 /siːd/ 音，其中 “c” 发 /s/ 音，“ee” 发长元音 /iː/，“d” 发 /d/ 音。
          • 规则:ings → /ɪŋz/， “ings” 发 /ɪŋz/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音，“s” 发 /z/ 音。
    • SIGKDD:缩写词，“Special Interest Group on Knowledge Discovery and Data Mining”的缩写，词义：知识发现与数据挖掘专业兴趣小组。
      • 记忆方法:记住全称的首字母缩写。
      • 形近词:无。
      • 发音解析:
        • 音节分解:SIG + KDD /sɪɡ keɪ diː diː/
        • 规则:SIG → /sɪɡ/， “SIG” 发 /sɪɡ/ 音，其中 “S” 发 /s/ 音，“I” 发短元音 /ɪ/，“G” 发 /ɡ/ 音。
        • 规则:KDD → /keɪ diː diː/， “KDD” 发 /keɪ diː diː/ 音，其中 “K” 发 /keɪ/ 音，“D” 发 /diː/ 音。
  • ACM.
    • 翻译:“美国计算机协会。”
  • Burda, Y., Grosse, R., and Salakhutdinov, R. (2015). Importance weighted autoencoders.
    • 翻译:“布尔达（Burda），Y.；格罗斯（Grosse），R.；萨拉胡季诺夫（Salakhutdinov），R.（2015年）。重要性加权自动编码器。”
  • arXiv preprint arXiv:1509.00519.
    • 翻译:“arXiv预印本，编号：arXiv:1509.00519。”
  • Cai, M., Shi, Y., and Liu, J. (2013). Deep maxout neural networks for speech recognition.
    • 翻译:“蔡（Cai），M.；施（Shi），Y.；刘（Liu），J.（2013年）。用于语音识别的深度最大输出神经网络。”
  • In Automatic Speech Recognition and Understanding (ASRU), 2013 IEEE Workshop on, pages 291–296.
    • 固定搭配:“Automatic Speech Recognition and Understanding”意为“自动语音识别与理解”。
    • 句子分析:介词短语，说明文章发表的研讨会及页码。
    • 翻译:“载于2013年IEEE自动语音识别与理解研讨会论文集，第291 - 296页。”
    • 单词分析:
      • ASRU:缩写词，“Automatic Speech Recognition and Understanding”的缩写，词义：自动语音识别与理解。
        • 记忆方法:记住全称的首字母缩写。
        • 形近词:无。
        • 发音解析:
          • 音节分解:A + S + R + U /eɪ es ɑːr juː/
          • 规则:A → /eɪ/， “A” 发 /eɪ/ 音。
          • 规则:S → /es/， “S” 发 /es/ 音。
          • 规则:R → /ɑːr/， “R” 发 /ɑːr/ 音。
          • 规则:U → /juː/， “U” 发 /juː/ 音。
  • IEEE.
    • 翻译:“电气与电子工程师协会。”
  • Carreira - Perpiñán, M. A. and Hinton, G. E. (2005). On contrastive divergence learning.
    • 翻译:“卡雷拉 - 佩皮尼扬（Carreira - Perpiñán），M. A.和辛顿（Hinton），G. E.（2005年）。关于对比散度学习。”
  • In R. G. Cowell and Z. Ghahramani, editors, Proceedings of the Tenth International Workshop on Artificial Intelligence and Statistics (AISTATS’05), pages 33–40.
    • 固定搭配:“Artificial Intelligence and Statistics”意为“人工智能与统计学”。
    • 句子分析:介词短语，说明文章发表的研讨会、编辑信息及页码。
    • 翻译:“载于由R. G. 考威尔（Cowell）和Z. 加哈拉马尼（Ghahramani）编辑的第十届国际人工智能与统计学研讨会论文集（AISTATS’05），第33 - 40页。”
    • 单词分析:
      • AISTATS:缩写词，“Artificial Intelligence and Statistics”的缩写，词义：人工智能与统计学。
        • 记忆方法:记住全称的首字母缩写。
        • 形近词:无。
        • 发音解析:
          • 音节分解:AI + STATS /eɪ aɪ stæts/
          • 规则:AI → /eɪ aɪ/， “AI” 发 /eɪ aɪ/ 音。
          • 规则:STATS → /stæts/， “STATS” 发 /stæts/ 音，其中 “S” 发 /s/ 音，“T” 发 /t/ 音，“A” 发短元音 /æ/，“T” 发 /t/ 音，“S” 发 /s/ 音。
  • Society for Artificial Intelligence and Statistics.
    • 翻译:“人工智能与统计学协会。”
  • Caruana, R. (1993). Multitask connectionist learning.
    • 翻译:“卡鲁阿纳（Caruana），R.（1993年）。多任务连接主义学习。”
  • In Proc. 1993 Connectionist Models Summer School, pages 372–379.
    • 固定搭配:“Connectionist Models Summer School”意为“连接主义模型暑期学校”。
    • 句子分析:介词短语，说明文章发表的活动及页码。
    • 翻译:“载于1993年连接主义模型暑期学校会议记录，第372 - 379页。”
    • 单词分析:
      • Proc.:缩写词，“Proceedings”的缩写，词义：会议记录。
        • 记忆方法:记住全称的缩写。
        • 形近词:无。
        • 发音解析:
          • 音节分解:Proc /prɒk/
          • 规则:Proc → /prɒk/， “Proc” 发 /prɒk/ 音，其中 “P” 发 /p/ 音，“r” 发 /r/ 音，“o” 发短元音 /ɒ/，“c” 发 /k/ 音。
  • Cauchy, A. (1847). Méthode générale pour la résolution de systèmes d’équations simultanées.
    • 翻译:“柯西（Cauchy），A.（1847年）。求解联立方程组的一般方法。”
  • In Comptes rendus des séances de l’académie des sciences, pages 536–538.
    • 翻译:“载于法国科学院会议报告，第536 - 538页。”
  • BIBLIOGRAPHY
    • 翻译:“参考文献”
  • Kayton, L. (2005). Algorithms for manifold learning.
    • 翻译:“凯顿（Kayton），L.（2005年）。流形学习算法。”
  • Technical Report CS2008 - 0923, UCSD.
    • 翻译:“加州大学圣地亚哥分校技术报告CS2008 - 0923。”
  • Chandola, V., Banerjee, A., and Kumar, V. (2009).
    • 翻译:“钱德拉（Chandola），V.；班纳吉（Banerjee），A.；库马尔（Kumar），V.（2009年）。”

  • Anomaly detection: A survey.
    • 固定搭配:无
    • 句子分析:简单短语，表明主题是异常检测的综述。
    • 翻译:异常检测：综述
    • 单词分析:
      • anomaly:名词，词源来自希腊语 "anomalos"（不规则的），词义：异常；反常。
        • 记忆方法:联想 "an-"（否定）+"omaly"（规则）→ 否定规则 → 异常。
        • 形近词:anomaly/anomalous（异常的）、abnormality（异常）。
        • 发音解析:
          • 音节分解:a + nom + a + ly /əˈnɑːməli/，重音在第二音节
          • 规则:a → /ə/， “a” 发短元音 /ə/。
          • 规则:nom → /nɑːm/， “nom” 发 /nɑːm/ 音，其中 “o” 发长元音 /ɑː/。
          • 规则:a → /ə/， “a” 发短元音 /ə/。
          • 规则:ly → /li/， “ly” 发 /li/ 音，其中 “l” 发 /l/ 音，“y” 发 /i/ 音。

  • ACM computing surveys (CSUR), (3), 15.41
    • 固定搭配:无
    • 句子分析:简单短语，提及ACM计算调查期刊相关信息。
    • 翻译:《ACM计算调查》（CSUR），第3期，15.41（页等相关信息）
  • 102 Chapelle, O., Weston, J., and Schölkopf, B. (2003).
    • 固定搭配:无
    • 句子分析:简单列举作者及年份信息。
    • 翻译:102 查佩尔（O.）、韦斯顿（J.）和朔尔科普夫（B.）（2003年）
  • Cluster kernels for semi-supervised learning.
    • 固定搭配:无
    • 句子分析:简单短语，表明是关于半监督学习的聚类核的内容。
    • 翻译:用于半监督学习的聚类核
    • 单词分析:
      • cluster:名词、动词，词源来自中古英语 "clusteren"，词义：群；簇；使聚集。
        • 记忆方法:联想一群人聚在一起像一个簇。
        • 形近词:cluster/clutch（抓住）、clump（丛；块）。
        • 发音解析:
          • 音节分解:clu + ster /ˈklʌstər/，重音在第一音节
          • 规则:clu → /klʌ/， “clu” 发 /klʌ/ 音，其中 “c” 发 /k/ 音，“l” 发 /l/ 音，“u” 发短元音 /ʌ/。
          • 规则:ster → /stər/， “ster” 发 /stər/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“er” 发 /ər/ 音。
    • semi-supervised:形容词，由 “semi-”（半）和 “supervised”（有监督的）构成，词义：半监督的。
      • 记忆方法:“semi-” 表示半，“supervised” 是有监督的，合起来就是半监督的。
      • 形近词:semi-supervised/supervised（有监督的）、semicircle（半圆）。
      • 发音解析:
        • 音节分解:semi + su + per + vis + ed /ˌsemiˈsuːpəvaɪzd/，重音在第二音节
        • 规则:semi → /ˈsemi/， “semi” 发 /ˈsemi/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/，“mi” 发 /mi/ 音。
        • 规则:su → /suː/， “su” 发 /suː/ 音，其中 “s” 发 /s/ 音，“u” 发长元音 /uː/。
        • 规则:per → /pə(r)/， “per” 发 /pə(r)/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发音。
        • 规则:vis → /vaɪz/， “vis” 发 /vaɪz/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /aɪ/，“s” 发 /z/ 音。
        • 规则:ed → /d/， “ed” 发 /d/ 音。
  • In S. Becker, S. Thrun, and K. Obermayer, editors, Advances in Neural Information Processing Systems 15 (NIPS ’02), pages 585–592, Cambridge, MA. MIT Press.
    • 固定搭配:无
    • 句子分析:介绍文章发表的相关信息，包括编辑、会议名称、页码、地点和出版社等。
    • 翻译:收录于S. 贝克尔、S. 特伦和K. 奥伯迈尔编辑的《神经信息处理系统进展15》（NIPS ’02），第585 - 592页，马萨诸塞州剑桥市。麻省理工学院出版社。
  • 244 Chapelle, O., Schölkopf, B., and Zien, A., editors (2006).
    • 固定搭配:无
    • 句子分析:简单列举作者及年份信息。
    • 翻译:244 查佩尔（O.）、朔尔科普夫（B.）和齐恩（A.）编辑（2006年）
  • Semi-Supervised Learning.
    • 固定搭配:无
    • 句子分析:简单短语，表明主题是半监督学习。
    • 翻译:半监督学习
    • 单词分析:
      • semi-supervised:形容词，由 “semi-”（半）和 “supervised”（有监督的）构成，词义：半监督的。
        • 记忆方法:“semi-” 表示半，“supervised” 是有监督的，合起来就是半监督的。
        • 形近词:semi-supervised/supervised（有监督的）、semicircle（半圆）。
        • 发音解析:
          • 音节分解:semi + su + per + vis + ed /ˌsemiˈsuːpəvaɪzd/，重音在第二音节
          • 规则:semi → /ˈsemi/， “semi” 发 /ˈsemi/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/，“mi” 发 /mi/ 音。
          • 规则:su → /suː/， “su” 发 /suː/ 音，其中 “s” 发 /s/ 音，“u” 发长元音 /uː/。
          • 规则:per → /pə(r)/， “per” 发 /pə(r)/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发音。
          • 规则:vis → /vaɪz/， “vis” 发 /vaɪz/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /aɪ/，“s” 发 /z/ 音。
          • 规则:ed → /d/， “ed” 发 /d/ 音。
  • MIT Press, Cambridge, MA., 244
    • 固定搭配:无
    • 句子分析:简单短语，介绍出版社及相关编号。
    • 翻译:麻省理工学院出版社，马萨诸塞州剑桥市，244
  • 543 Chellapilla, K., Puri, S., and Simard, P. (2006).
    • 固定搭配:无
    • 句子分析:简单列举作者及年份信息。
    • 翻译:543 切拉皮拉（K.）、普里（S.）和西马尔（P.）（2006年）
  • High Performance Convolutional Neural Networks for Document Processing.
    • 固定搭配:无
    • 句子分析:简单短语，表明是用于文档处理的高性能卷积神经网络相关内容。
    • 翻译:用于文档处理的高性能卷积神经网络
    • 单词分析:
      • convolutional:形容词，由 “convolution”（卷积）派生而来，词义：卷积的。
        • 记忆方法:记住 “convolution”（卷积），加 “-al” 变成形容词。
        • 形近词:convolutional/convolution（卷积）、revolutional（革命的）。
        • 发音解析:
          • 音节分解:con + vo + lu + tion + al /ˌkɑːnvəˈluːʃənl/，重音在第二音节
          • 规则:con → /kɑːn/， “con” 发 /kɑːn/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /ɑː/，“n” 发鼻音。
          • 规则:vo → /voʊ/， “vo” 发 /voʊ/ 音，其中 “v” 发 /v/ 音，“o” 发长元音 /oʊ/。
          • 规则:lu → /luː/， “lu” 发 /luː/ 音，其中 “l” 发 /l/ 音，“u” 发长元音 /uː/。
          • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“on” 发 /ən/ 音。
          • 规则:al → /l/， “al” 发 /l/ 音。
  • In Guy Lorette, editor, Tenth International Workshop on Frontiers in Handwriting Recognition, La Baule (France).
    • 固定搭配:无
    • 句子分析:介绍文章发表的会议相关信息，包括编辑、会议名称和地点。
    • 翻译:收录于盖伊·洛雷（编辑）的第十届国际手写识别前沿研讨会，法国拉博勒。
  • Université de Rennes 1, Suvisoft. http://www.suvisoft.com., , 24 27 447
    • 固定搭配:无
    • 句子分析:介绍相关大学、软件公司及网址等信息。
    • 翻译:雷恩第一大学，苏维索夫特公司。网址：http://www.suvisoft.com. ，24 27 447
  • Chen, B., Ting, J.-A., Marlin, B. M., and de Freitas, N. (2010).
    • 固定搭配:无
    • 句子分析:简单列举作者及年份信息。
    • 翻译:陈（B.）、丁（J.-A.）、马林（B. M.）和德弗雷塔斯（N.）（2010年）
  • Deep learning of invariant spatio-temporal features from video.
    • 固定搭配:无
    • 句子分析:简单短语，表明是从视频中进行不变时空特征的深度学习相关内容。
    • 翻译:从视频中进行不变时空特征的深度学习
    • 单词分析:
      • invariant:形容词、名词，词源来自拉丁语 “invarians”，词义：不变的；常数。
        • 记忆方法:“in-”（否定）+ “variant”（可变的）→ 不可变的。
        • 形近词:invariant/variant（变体）、variable（可变的）。
        • 发音解析:
          • 音节分解:in + var + i + ant /ɪnˈveriənt/，重音在第二音节
          • 规则:in → /ɪn/， “in” 发 /ɪn/ 音，其中 “i” 发短元音 /ɪ/，“n” 发鼻音。
          • 规则:var → /ver/， “var” 发 /ver/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /e/。
          • 规则:i → /i/， “i” 发短元音 /i/。
          • 规则:ant → /ənt/， “ant” 发 /ənt/ 音，其中 “a” 发短元音 /ə/，“n” 发鼻音，“t” 发 /t/ 音。
    • spatio-temporal:形容词，由 “spatio-”（空间的）和 “temporal”（时间的）构成，词义：时空的。
      • 记忆方法:记住 “spatial”（空间的）和 “temporal”（时间的），组合起来就是时空的。
      • 形近词:spatio-temporal/spatial（空间的）、temporal（时间的）。
      • 发音解析:
        • 音节分解:spa + tio + tem + po + ral /ˌspeɪʃioʊˈtempərəl/，重音在第三音节
        • 规则:spa → /speɪ/， “spa” 发 /speɪ/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“a” 发长元音 /eɪ/。
        • 规则:tio → /ʃioʊ/， “tio” 发 /ʃioʊ/ 音，其中 “t” 发 /ʃ/ 音，“i” 发长元音 /i/，“o” 发长元音 /oʊ/。
        • 规则:tem → /tem/， “tem” 发 /tem/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /e/，“m” 发 /m/ 音。
        • 规则:po → /poʊ/， “po” 发 /poʊ/ 音，其中 “p” 发 /p/ 音，“o” 发长元音 /oʊ/。
        • 规则:ral → /rəl/， “ral” 发 /rəl/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
  • NIPS* 2010 Deep Learning and Unsupervised Feature Learning Workshop.
    • 固定搭配:无
    • 句子分析:简单短语，介绍会议名称。
    • 翻译:2010年神经信息处理系统大会深度学习与无监督特征学习研讨会
  • Chen, S. F. and Goodman, J. T. (1999).
    • 固定搭配:无
    • 句子分析:简单列举作者及年份信息。
    • 翻译:陈（S. F.）和古德曼（J. T.）（1999年）
  • An empirical study of smoothing techniques for language modeling.
    • 固定搭配:无
    • 句子分析:简单短语，表明是关于语言建模平滑技术的实证研究。
    • 翻译:语言建模平滑技术的实证研究
    • 单词分析:
      • empirical:形容词，词源来自希腊语 “empeiria”（经验），词义：经验主义的；实证的。
        • 记忆方法:联想 “empire”（帝国），有了帝国的经验 → 经验主义的。
        • 形近词:empirical/empiricism（经验主义）、imperial（帝国的）。
        • 发音解析:
          • 音节分解:em + pir + i + cal /ɪmˈpɪrɪkl/，重音在第二音节
          • 规则:em → /ɪm/， “em” 发 /ɪm/ 音，其中 “e” 发短元音 /ɪ/，“m” 发 /m/ 音。
          • 规则:pir → /pɪr/， “pir” 发 /pɪr/ 音，其中 “p” 发 /p/ 音，“i” 发短元音 /ɪ/，“r” 发音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:cal → /kl/， “cal” 发 /kl/ 音，其中 “c” 发 /k/ 音，“a” 不发音，“l” 发 /l/ 音。
    • smoothing:动词现在分词，由 “smooth”（使平滑）派生而来，词义：平滑处理。
      • 记忆方法:记住 “smooth”（平滑的），加 “-ing” 变成现在分词形式。
      • 形近词:smoothing/smooth（平滑的）、soothing（安慰的）。
      • 发音解析:
        • 音节分解:smooth + ing /ˈsmuːðɪŋ/，重音在第一音节
        • 规则:smooth → /smuːð/， “smooth” 发 /smuːð/ 音，其中 “s” 发 /s/ 音，“m” 发 /m/ 音，“oo” 发长元音 /uː/，“th” 发 /ð/ 音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
  • Computer, Speech and Language, (4), 359–393.
    • 固定搭配:无
    • 句子分析:简单短语，介绍期刊及页码信息。
    • 翻译:《计算机、语音与语言》，第4期，359 - 393页
  • 13 464
    • 固定搭配:无
    • 句子分析:简单数字信息。
    • 翻译:13 464
  • 475 Chen, T., Du, Z., Sun, N., Wang, J., Wu, C., Chen, Y., and Temam, O. (2014a).
    • 固定搭配:无
    • 句子分析:简单列举作者及年份信息。
    • 翻译:475 陈（T.）、杜（Z.）、孙（N.）、王（J.）、吴（C.）、陈（Y.）和特马姆（O.）（2014a年）
  • DianNao: A small-footprint high-throughput accelerator for ubiquitous machine-learning.
    • 固定搭配:无
    • 句子分析:简单短语，介绍 “DianNao” 是用于普遍机器学习的小尺寸高吞吐量加速器。
    • 翻译: DianNao：用于普遍机器学习的小尺寸高吞吐量加速器
    • 单词分析:
      • footprint:名词，由 “foot”（脚）和 “print”（印记）构成，词义：足迹；占用空间。
        • 记忆方法:联想脚留下的印记 → 足迹，也可引申为占用空间。
        • 形近词:footprint/footstep（脚步）、fingerprint（指纹）。
        • 发音解析:
          • 音节分解:foot + print /ˈfʊtprɪnt/，重音在第一音节
          • 规则:foot → /fʊt/， “foot” 发 /fʊt/ 音，其中 “f” 发 /f/ 音，“oo” 发短元音 /ʊ/，“t” 发 /t/ 音。
          • 规则:print → /prɪnt/， “print” 发 /prɪnt/ 音，其中 “p” 发 /p/ 音，“r” 发音，“i” 发短元音 /ɪ/，“n” 发鼻音，“t” 发 /t/ 音。
    • throughput:名词，由 “through”（通过）和 “put”（放置）构成，词义：吞吐量。
      • 记忆方法:联想通过的量 → 吞吐量。
      • 形近词:throughput/throughway（通道）、output（输出）。
      • 发音解析:
        • 音节分解:through + put /ˈθruːpʊt/，重音在第一音节
        • 规则:through → /θruː/， “through” 发 /θruː/ 音，其中 “th” 发 /θ/ 音，“r” 发音，“ou” 发长元音 /uː/。
        • 规则:put → /pʊt/， “put” 发 /pʊt/ 音，其中 “p” 发 /p/ 音，“u” 发短元音 /ʊ/，“t” 发 /t/ 音。
    • ubiquitous:形容词，词源来自拉丁语 “ubique”（到处），词义：普遍存在的；无所不在的。
      • 记忆方法:联想 “ubi-”（到处）+ “quit”（离开）+ “ous”（形容词后缀）→ 到处都能离开，说明到处都有 → 普遍存在的。
      • 形近词:ubiquitous/ubiquity（普遍存在）、equity（公平）。
      • 发音解析:
        • 音节分解:u + bi + qui + tous /juːˈbɪkwɪtəs/，重音在第二音节
        • 规则:u → /juː/， “u” 发 /juː/ 音，其中 “u” 发长元音 /juː/。
        • 规则:bi → /bɪ/， “bi” 发 /bɪ/ 音，其中 “b” 发 /b/ 音，“i” 发短元音 /ɪ/。
        • 规则:qui → /kwɪ/， “qui” 发 /kwɪ/ 音，其中 “q” 发 /kw/ 音，“u” 不发音，“i” 发短元音 /ɪ/。
        • 规则:tous → /təs/， “tous” 发 /təs/ 音，其中 “t” 发 /t/ 音，“o” 发短元音 /ə/，“u” 不发音，“s” 发 /s/ 音。
  • In Proceedings of the 19th international conference on Architectural support for programming languages and operating systems, pages 269–284.
    • 固定搭配:“Proceedings of...” 意为 “……的会议记录；……的论文集”。
    • 句子分析:介绍文章发表的会议相关信息及页码。
    • 翻译:收录于第19届编程语言与操作系统架构支持国际会议论文集，第269 - 284页。
  • ACM.
    • 固定搭配:无
    • 句子分析:简单缩写，代表美国计算机协会。
    • 翻译:美国计算机协会
  • 453 Chen, T., Li, M., Li, Y., Lin, M., Wang, N., Wang, M., Xiao, T., Xu, B., Zhang, C., and Zhang, Z. (2015).
    • 固定搭配:无
    • 句子分析:简单列举作者及年份信息。
    • 翻译:453 陈（T.）、李（M.）、李（Y.）、林（M.）、王（N.）、王（M.）、肖（T.）、徐（B.）、张（C.）和张（Z.）（2015年）
  • MXNet: A flexible and efficient machine learning library for heterogeneous distributed systems.
    • 固定搭配:无
    • 句子分析:简单短语，介绍MXNet是用于异构分布式系统的灵活高效的机器学习库。
    • 翻译:MXNet：用于异构分布式系统的灵活高效的机器学习库
    • 单词分析:
      • flexible:形容词，词源来自拉丁语 “flexibilis”，词义：灵活的；柔韧的。
        • 记忆方法:联想 “flex”（弯曲）+ “-ible”（可……的）→ 可弯曲的 → 灵活的。
        • 形近词:flexible/flexibility（灵活性）、reflect（反射）。
        • 发音解析:
          • 音节分解:flex + i + ble /ˈfleksəbl/，重音在第一音节
          • 规则:flex → /fleks/， “flex” 发 /fleks/ 音，其中 “f” 发 /f/ 音，“l” 发 /l/ 音，“e” 发短元音 /e/，“x” 发 /ks/ 音。
          • 规则:i → /ə/， “i” 发短元音 /ə/。
          • 规则:ble → /bl/， “ble” 发 /bl/ 音，其中 “b” 发 /b/ 音，“l” 发 /l/ 音。
    • heterogeneous:形容词，词源来自希腊语 “heteros”（不同的）和 “genos”（种类），词义：异构的；异质的。
      • 记忆方法:联想 “hetero-”（不同的）+ “gene”（基因）+ “-ous”（形容词后缀）→ 不同基因的 → 异构的。
      • 形近词:heterogeneous/heterogeneity（异质性）、homogeneous（同质的）。
      • 发音解析:
        • 音节分解:het + ero + ge + ne + ous /ˌhetərəˈdʒiːniəs/，重音在第三音节
        • 规则:het → /het/， “het” 发 /het/ 音，其中 “h” 发 /h/ 音，“e” 发短元音 /e/，“t” 发 /t/ 音。
        • 规则:ero → /ərə/， “ero” 发 /ərə/ 音，其中 “e” 发短元音 /ə/，“r” 发音，“o” 发短元音 /ə/。
        • 规则:ge → /dʒiː/， “ge” 发 /dʒiː/ 音，其中 “g” 发 /dʒ/ 音，“e” 发长元音 /iː/。
        • 规则:ne → /ni/， “ne” 发 /ni/ 音，其中 “n” 发 /n/ 音，“e” 发短元音 /i/。
        • 规则:ous → /əs/， “ous” 发 /əs/ 音，其中 “o” 发短元音 /ə/，“u” 不发音，“s” 发 /s/ 音。
  • arXiv preprint arXiv: 1512.01274.
    • 固定搭配:无
    • 句子分析:简单短语，介绍预印本相关信息。
    • 翻译:arXiv预印本，编号：1512.01274
  • 25
    • 固定搭配:无
    • 句子分析:简单数字信息。
    • 翻译:25
  • Chen, Y., Luo, T., Liu, S., Zhang, S., He, L., Wang, J., Li, L., Chen, T., Xu, Z., Sun, N., et al. Microarchitecture (2014b).
    • 固定搭配:无
    • 句子分析:简单列举作者及相关年份和主题信息。
    • 翻译:陈（Y.）、罗（T.）、刘（S.）、张（S.）、何（L.）、王（J.）、李（L.）、陈（T.）、徐（Z.）、孙（N.）等。微架构（2014b年）

  • DaDia nNao: A machi ne-lear ning sup ercom puter.
    • 句子分析:简单句，介绍了“DaDia nNao”是一台机器学习超级计算机。
    • 翻译:“大电脑：一台机器学习超级计算机。”

  • In (MICR O), 2014 47th A nnual IEEE/ A CM Intern ationa l Symp osium on , pages 609–62 2.
    • 句子分析:该句表述不完整，推测是说明某文献发表于2014年第47届IEEE/ACM国际研讨会（MICRO），页码在609 - 622页。
    • 翻译:“在（MICRO），2014年第47届IEEE/ACM国际研讨会，第609 - 622页。”
    • 单词分析:
      • symposium:名词，词源来自希腊语“symposion”，词义：研讨会；座谈会。
        • 记忆方法:联想“sym-”（共同） + “posium”（喝） → 大家聚在一起边喝边讨论 → 研讨会。
        • 形近词:symposium/symptom（症状）、symmetry（对称）。
        • 发音解析:
          • 音节分解:sym + po + si + um /sɪmˈpoʊziəm/，重音在第二音节
          • 规则:sym → /sɪm/， “sym” 发 /sɪm/ 音，其中 “s” 发 /s/ 音，“y” 发短元音 /ɪ/，“m” 发鼻音。
          • 规则:po → /poʊ/， “po” 发 /poʊ/ 音，类似于 “pole” 的发音。
          • 规则:si → /zi/， “si” 发 /zi/ 音，其中 “s” 发 /z/ 音，“i” 发长元音 /i/。
          • 规则:um → /əm/， “um” 发 /əm/ 音，其中 “u” 发短元音 /ə/，“m” 发鼻音。
  • IEEE. 453 Chilim bi, T., Suzue , Y., Apaci ble, J., and Kalya naram an, K. (2014) .
    • 句子分析:介绍了IEEE相关文献的作者及年份。
    • 翻译:“IEEE。453 奇利姆比，T.，铃木，Y.，阿帕西布尔，J.，和卡利亚纳拉曼，K.（2014年）。”
  • Pro ject Adam : Buildi ng an efficien t and scalab le deep learnin g trainin g system .
    • 句子分析:简单句，说明“Project Adam”是关于构建一个高效且可扩展的深度学习训练系统。
    • 翻译:“亚当项目：构建一个高效且可扩展的深度学习训练系统。”
    • 单词分析:
      • efficient:形容词，词源来自拉丁语“efficere”（完成），词义：有效率的；高效的。
        • 记忆方法:联想“ef-”（出） + “fic”（做） + “-ient”（形容词后缀） → 做出成果的 → 有效率的。
        • 形近词:efficient/inefficient（无效率的）、deficient（缺乏的）。
        • 发音解析:
          • 音节分解:ef + fi + cient /ɪˈfɪʃnt/，重音在第二音节
          • 规则:ef → /ɪf/， “ef” 发 /ɪf/ 音，其中 “e” 发短元音 /ɪ/，“f” 发 /f/ 音。
          • 规则:fi → /fɪ/， “fi” 发 /fɪ/ 音，类似于 “fit” 的发音。
          • 规则:cient → /ʃnt/， “cient” 发 /ʃnt/ 音，其中 “c” 发 /ʃ/ 音，“i” 不发音，“ent” 发 /nt/ 音。
    • scalable:形容词，由“scale”（规模；缩放） + “-able”（可……的）构成，词义：可扩展的；可伸缩的。
      • 记忆方法:“scale”（规模） + “-able”（可……的） → 可改变规模的 → 可扩展的。
      • 形近词:scalable/scale（规模）、scald（烫伤）。
      • 发音解析:
        • 音节分解:sca + la + ble /ˈskeɪləbl/，重音在第一音节
        • 规则:sca → /skeɪ/， “sca” 发 /skeɪ/ 音，其中 “s” 发 /s/ 音，“c” 发 /k/ 音，“a” 发长元音 /eɪ/。
        • 规则:la → /lə/， “la” 发 /lə/ 音，其中 “l” 发 /l/ 音，“a” 发短元音 /ə/。
        • 规则:ble → /bl/， “ble” 发 /bl/ 音，其中 “b” 发 /b/ 音，“le” 不发音。
  • In 11th USEN IX Symp osium on Op er ating System s Design and Implem entat ion (OSDI ’14) .
    • 句子分析:说明某内容发表于第11届USENIX操作系统设计与实现研讨会（2014年）。
    • 翻译:“在第11届USENIX操作系统设计与实现研讨会（OSDI ’14）。”
    • 单词分析:
      • implementation:名词，由“implement”（实施；执行） + “-ation”（名词后缀）构成，词义：实施；执行；实现。
        • 记忆方法:“implement”（执行） + “-ation”（名词后缀） → 执行的行为 → 实施。
        • 形近词:implementation/implement（实施）、complement（补充）。
        • 发音解析:
          • 音节分解:im + ple + men + ta + tion /ˌɪmplɪˈmen teɪʃn/，重音在第三音节
          • 规则:im → /ɪm/， “im” 发 /ɪm/ 音，其中 “i” 发短元音 /ɪ/，“m” 发鼻音。
          • 规则:ple → /pl/， “ple” 发 /pl/ 音，其中 “p” 发 /p/ 音，“l” 发 /l/ 音，“e” 不发音。
          • 规则:men → /mən/， “men” 发 /mən/ 音，其中 “m” 发鼻音，“e” 发短元音 /ə/，“n” 发鼻音。
          • 规则:ta → /teɪ/， “ta” 发 /teɪ/ 音，类似于 “tale” 的发音。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发短元音 /ɪ/，“on” 发 /n/ 音。
  • 449 Cho, K., Raiko , T., and Ilin, A. (2010) .
    • 句子分析:介绍文献作者及年份。
    • 翻译:“449 赵，K.，赖科，T.，和伊林，A.（2010年）。”
  • P arallel temp ering is efficien t for learnin g restric ted Boltzm ann mac hines.
    • 句子分析:简单句，表明并行回火法对于学习受限玻尔兹曼机是有效的。
    • 翻译:“并行回火法对于学习受限玻尔兹曼机是有效的。”
    • 单词分析:
      • parallel:形容词，词源来自希腊语“parallēlos”，词义：平行的；并行的。
        • 记忆方法:联想“para-”（旁边） + “llel” → 并排的 → 平行的。
        • 形近词:parallel/parallax（视差）、paradox（悖论）。
        • 发音解析:
          • 音节分解:par + al + lel /ˈpærəlel/，重音在第一音节
          • 规则:par → /pær/， “par” 发 /pær/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/，“r” 发 /r/ 音。
          • 规则:al → /ə/， “al” 发 /ə/ 音，其中 “a” 发短元音 /ə/，“l” 发 /l/ 音。
          • 规则:lel → /lel/， “lel” 发 /lel/ 音，其中 “l” 发 /l/ 音，“e” 发短元音 /e/，“l” 发 /l/ 音。
    • tempering:名词，由“temper”（调节；调和） + “-ing”（名词后缀）构成，词义：回火；调和。
      • 记忆方法:“temper”（调节） + “-ing”（名词后缀） → 调节的行为 → 回火。
      • 形近词:tempering/temper（脾气；调节）、temperature（温度）。
      • 发音解析:
        • 音节分解:tem + per + ing /ˈtempərɪŋ/，重音在第一音节
        • 规则:tem → /tem/， “tem” 发 /tem/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /e/，“m” 发 /m/ 音。
        • 规则:per → /pər/， “per” 发 /pər/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“n” 发鼻音，“g” 发 /ŋ/ 音。
    • restricted:形容词，由“restrict”（限制） + “-ed”（形容词后缀）构成，词义：受限的；受限制的。
      • 记忆方法:“restrict”（限制） + “-ed”（形容词后缀） → 被限制的 → 受限的。
      • 形近词:restricted/restrict（限制）、district（地区）。
      • 发音解析:
        • 音节分解:re + strict + ed /rɪˈstrɪktɪd/，重音在第二音节
        • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
        • 规则:strict → /strɪkt/， “strict” 发 /strɪkt/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音，“t” 发 /t/ 音。
        • 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音，其中 “e” 发短元音 /ɪ/，“d” 发 /d/ 音。
  • In . , IJCNN ’2010 605 616 731
    • 句子分析:表述不完整，推测是说明某文献发表于2010年国际神经网络联合会议（IJCNN），页码相关信息。
    • 翻译:“在……，2010年国际神经网络联合会议 605 616 731”
  • L1-- Page Break ---
    • 句子分析:表示页面分隔。
    • 翻译:“--- 分页符 ---”
  • BIBLIOGRA PHY Cho, K., Raiko , T., and Ilin, A. (2011) .
    • 句子分析:在参考文献部分介绍作者及年份。
    • 翻译:“参考文献 赵，K.，赖科，T.，和伊林，A.（2011年）。”
  • Enhan ced gradie n t and adapti v e learnin g rate for trainin g restric ted Boltzm ann mac hines.
    • 句子分析:说明用于训练受限玻尔兹曼机的增强梯度和自适应学习率。
    • 翻译:“用于训练受限玻尔兹曼机的增强梯度和自适应学习率。”
    • 单词分析:
      • enhanced:形容词，由“enhance”（提高；增强） + “-ed”（形容词后缀）构成，词义：增强的；提高的。
        • 记忆方法:“enhance”（增强） + “-ed”（形容词后缀） → 被增强的 → 增强的。
        • 形近词:enhanced/enhance（增强）、enchanted（着迷的）。
        • 发音解析:
          • 音节分解:en + hance + ed /ɪnˈhænst/，重音在第二音节
          • 规则:en → /ɪn/， “en” 发 /ɪn/ 音，其中 “e” 发短元音 /ɪ/，“n” 发鼻音。
          • 规则:hance → /hæns/， “hance” 发 /hæns/ 音，其中 “h” 发 /h/ 音，“a” 发短元音 /æ/，“n” 发 /n/ 音，“c” 发 /s/ 音，“e” 不发音。
          • 规则:ed → /t/， “ed” 发 /t/ 音，因为 “enhance” 以清辅音结尾，所以 “ed” 发 /t/ 音。
    • adaptive:形容词，由“adapt”（适应） + “-ive”（形容词后缀）构成，词义：自适应的；适应的。
      • 记忆方法:“adapt”（适应） + “-ive”（形容词后缀） → 具有适应能力的 → 自适应的。
      • 形近词:adaptive/adapt（适应）、addictive（上瘾的）。
      • 发音解析:
        • 音节分解:ad + apt + ive /əˈdæptɪv/，重音在第二音节
        • 规则:ad → /əd/， “ad” 发 /əd/ 音，其中 “a” 发短元音 /ə/，“d” 发 /d/ 音。
        • 规则:apt → /æpt/， “apt” 发 /æpt/ 音，其中 “a” 发短元音 /æ/，“p” 发 /p/ 音，“t” 发 /t/ 音。
        • 规则:ive → /ɪv/， “ive” 发 /ɪv/ 音，其中 “i” 发短元音 /ɪ/，“v” 发 /v/ 音，“e” 不发音。
  • In , pages 105–11 2.
    • 句子分析:说明文献所在页码范围。
    • 翻译:“在……，第105 - 112页。”
  • ICML ’2011 676 Cho, K., v an Merrië nbo er, B., Gulceh re, C., Bouga res, F., Sch w enk, H., and Bengio , Y. (2014a ).
    • 句子分析:介绍在2011年国际机器学习会议（ICML）相关文献的作者及年份。
    • 翻译:“2011年国际机器学习会议 676 赵，K.，范·梅里恩博尔，B.，古尔塞赫雷，C.，布加雷斯，F.，施文克，H.，和本吉奥，Y.（2014a）。”
  • Learni ng phrase repres entatio ns using RNN enco der-de co der for statist ical mac hine transla tion.
    • 句子分析:说明使用RNN编码器 - 解码器学习短语表示用于统计机器翻译。
    • 翻译:“使用RNN编码器 - 解码器学习短语表示用于统计机器翻译。”
    • 单词分析:
      • representation:名词，由“represent”（代表；表现） + “-ation”（名词后缀）构成，词义：表示；代表；表现。
        • 记忆方法:“represent”（代表） + “-ation”（名词后缀） → 代表的行为或结果 → 表示。
        • 形近词:representation/represent（代表）、reputation（名声）。
        • 发音解析:
          • 音节分解:re + pre + sent + a + tion /ˌreprɪˈzen teɪʃn/，重音在第三音节
          • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
          • 规则:pre → /prɪ/， “pre” 发 /prɪ/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发短元音 /ɪ/。
          • 规则:sent → /sent/， “sent” 发 /sent/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音，“t” 发 /t/ 音。
          • 规则:a → /ə/， “a” 发 /ə/ 音，其中 “a” 发短元音 /ə/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发短元音 /ɪ/，“on” 发 /n/ 音。
    • statistical:形容词，由“statistic”（统计数据） + “-al”（形容词后缀）构成，词义：统计的；统计学的。
      • 记忆方法:“statistic”（统计） + “-al”（形容词后缀） → 与统计有关的 → 统计的。
      • 形近词:statistical/statistic（统计数据）、stationary（静止的）。
      • 发音解析:
        • 音节分解:sta + tis + ti + cal /stəˈtɪstɪkl/，重音在第二音节
        • 规则:sta → /stə/， “sta” 发 /stə/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“a” 发短元音 /ə/。
        • 规则:tis → /tɪs/， “tis” 发 /tɪs/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
        • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
        • 规则:cal → /kl/， “cal” 发 /kl/ 音，其中 “c” 发 /k/ 音，“a” 不发音，“l” 发 /l/ 音。
  • In Pr o c e e dings of the Empir icial Metho ds in Natur al L angua ge Pr o c essing (EMN LP 2014) . , , 396 476 477
    • 句子分析:说明某文献发表于2014年自然语言处理经验方法会议（EMNLP 2014）的会议记录中。
    • 翻译:“在2014年自然语言处理经验方法会议（EMNLP 2014）的会议记录中。…… 396 476 477”
    • 单词分析:
      • proceedings:名词，由“proceed”（进行；继续） + “-ings”（名词后缀）构成，词义：会议记录；诉讼程序。
        • 记忆方法:“proceed”（进行） + “-ings”（名词后缀） → 进行的过程或结果 → 会议记录。
        • 形近词:proceedings/proceed（进行）、recede（后退）。
        • 发音解析:
          • 音节分解:pro + ceed + ings /prəˈsiːdɪŋz/，重音在第二音节
          • 规则:pro → /prə/， “pro” 发 /prə/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发短元音 /ə/。
          • 规则:ceed → /siːd/， “ceed” 发 /siːd/ 音，其中 “c” 发 /s/ 音，“e” 发长元音 /iː/，“e” 不发音，“d” 发 /d/ 音。
          • 规则:ings → /ɪŋz/， “ings” 发 /ɪŋz/ 音，其中 “i” 发短元音 /ɪ/，“n” 发鼻音，“g” 发 /ŋ/ 音，“s” 发 /z/ 音。
    • empirical:形容词，词源来自希腊语“empeiria”（经验），词义：经验主义的；实证的。
      • 记忆方法:联想“em-”（进入） + “pir”（尝试） + “-ical”（形容词后缀） → 进入尝试的状态 → 基于经验的。
      • 形近词:empirical/empire（帝国）、imperial（帝国的）。
      • 发音解析:
        • 音节分解:em + pir + i + cal /ɪmˈpɪrɪkl/，重音在第二音节
        • 规则:em → /ɪm/， “em” 发 /ɪm/ 音，其中 “e” 发短元音 /ɪ/，“m” 发鼻音。
        • 规则:pir → /pɪr/， “pir” 发 /pɪr/ 音，其中 “p” 发 /p/ 音，“i” 发短元音 /ɪ/，“r” 发 /r/ 音。
        • 规则:i → /ɪ/， “i” 发 /ɪ/ 音，其中 “i” 发短元音 /ɪ/。
        • 规则:cal → /kl/， “cal” 发 /kl/ 音，其中 “c” 发 /k/ 音，“a” 不发音，“l” 发 /l/ 音。
  • Cho, K., V an Merrië n b oer, B., Bahda nau, D., and Bengio , Y. (2014b ).
    • 句子分析:介绍文献作者及年份。
    • 翻译:“赵，K.，范·梅里恩博尔，B.，巴赫达诺，D.，和本吉奥，Y.（2014b）。”
  • On the prop- erties of neural machi ne transla tion: Encod er-dec o der approa ches. , ArXiv e-prin ts abs/1 409.1 259 .
    • 句子分析:讨论神经机器翻译的特性，提及编码器 - 解码器方法，并给出ArXiv预印本编号。
    • 翻译:“关于神经机器翻译的特性：编码器 - 解码器方法。…… ArXiv预印本 abs/1409.1259。”
    • 单词分析:
      • properties:名词复数，由“property”（特性；属性） + “-ies”（复数后缀）构成，词义：特性；属性。
        • 记忆方法:“property”（特性） + “-ies”（复数后缀） → 多个特性。
        • 形近词:properties/property（特性）、prophet（先知）。
        • 发音解析:
          • 音节分解:pro + per + ty + ies /ˈprɑːpərtiz/，重音在第一音节
          • 规则:pro → /prɑː/， “pro” 发 /prɑː/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发长元音 /ɑː/。
          • 规则:per → /pə/， “per” 发 /pə/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
          • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发短元音 /ɪ/。
          • 规则:ies → /iz/， “ies” 发 /iz/ 音，其中 “i” 发长元音 /iː/，“e” 不发音，“s” 发 /z/ 音。
    • neural:形容词，词源来自拉丁语“neuralis”，词义：神经的；神经网络的。
      • 记忆方法:联想“neur”（神经） + “-al”（形容词后缀） → 与神经有关的 → 神经的。
      • 形近词:neural/neuron（神经元）、neutral（中立的）。
      • 发音解析:
        • 音节分解:neu + ral /ˈnʊrəl/，重音在第一音节
        • 规则:neu → /nʊ/， “neu” 发 /nʊ/ 音，其中 “n” 发 /n/ 音，“e” 发短元音 /ʊ/。
        • 规则:ral → /rəl/， “ral” 发 /rəl/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
  • 413 Choro mansk a, A., Henaff , M., Mathi eu, M., Arous , G. B., and LeCun , Y. (2014) .
    • 句子分析:介绍文献作者及年份。
    • 翻译:“413 乔罗曼斯卡，A.，埃纳夫，M.，马蒂厄，M.，阿劳斯，G. B.，和勒昆，Y.（2014年）。”
  • The loss surfac e of m ultila y er net w orks. , 285 286
    • 句子分析:说明多层网络的损失表面相关内容及页码。
    • 翻译:“多层网络的损失表面。…… 285 286”
    • 单词分析:
      • multilayer:形容词，由“multi-”（多） + “layer”（层）构成，词义：多层的。
        • 记忆方法:“multi-”（多） + “layer”（层） → 有多层的 → 多层的。
        • 形近词:multilayer/multiply（乘）、layer（层）。
        • 发音解析:
          • 音节分解:mul + ti + layer /ˈmʌltɪleɪər/，重音在第一音节
          • 规则:mul → /mʌl/， “mul” 发 /mʌl/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ʌ/，“l” 发 /l/ 音。
          • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
          • 规则:layer → /leɪər/， “layer” 发 /leɪər/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/，“y” 不发音，“er” 发 /ər/ 音。
  • Choro wski, J., Bahda nau, D., Cho, K., and Bengio , Y. (2014) .
    • 句子分析:介绍文献作者及年份。
    • 翻译:“乔罗夫斯基，J.，巴赫达诺，D.，赵，K.，和本吉奥，Y.（2014年）。”
  • End -to-end con tin uous sp eec h recogn ition using atten tion-b ased recurr en t NN: First results . arXiv: 1412.1 602.
    • 句子分析:说明使用基于注意力的循环神经网络进行端到端连续语音识别的首次结果，并给出ArXiv编号。
    • 翻译:“使用基于注意力的循环神经网络进行端到端连续语音识别：首次结果。ArXiv: 1412.1602。”
    • 单词分析:
      • continuous:形容词，由“continue”（继续） + “-ous”（形容词后缀）构成，词义：连续的；持续的。
        • 记忆方法:“continue”（继续） + “-ous”（形容词后缀） → 具有继续的性质 → 连续的。
        • 形近词:continuous/continue（继续）、continent（大陆）。
        • 发音解析:
          • 音节分解:con + tin + ue + ous /kənˈtɪnjuəs/，重音在第二音节
          • 规则:con → /kən/， “con” 发 /kən/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ə/，“n” 发鼻音。
          • 规则:tin → /tɪn/， “tin” 发 /tɪn/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“n” 发 /n/ 音。
          • 规则:ue → /juː/， “ue” 发 /juː/ 音，其中 “u” 发长元音 /juː/，“e” 不发音。
          • 规则:ous → /əs/， “ous” 发 /əs/ 音，其中 “o” 发短元音 /ə/，“u” 不发音，“s” 发 /s/ 音。
    • recurrent:形容词，由“recur”（复发；重现） + “-ent”（形容词后缀）构成，词义：循环的；反复出现的。
      • 记忆方法:“recur”（复发） + “-ent”（形容词后缀） → 具有复发性质的 → 循环的。
      • 形近词:recurrent/recur（复发）、current（当前的）。
      • 发音解析:
        • 音节分解:re + cur + rent /rɪˈkɜːrənt/，重音在第二音节
        • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
        • 规则:cur → /kɜːr/， “cur” 发 /kɜːr/ 音，其中 “c” 发 /k/ 音，“u” 发长元音 /ɜːr/。
        • 规则:rent → /rənt/， “rent” 发 /rənt/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
  • 462 Christ ianson , B. (1992) .
    • 句子分析:介绍文献作者及年份。
    • 翻译:“462 克里斯蒂安森，B.（1992年）。”
  • Autom atic Hessia ns by revers e accum ulatio n.
    • 句子分析:说明通过反向累积实现自动海森矩阵。
    • 翻译:“通过反向累积实现自动海森矩阵。”
    • 单词分析:
      • automatic:形容词，由“auto-”（自动） + “-matic”（形容词后缀）构成，词义：自动的。
        • 记忆方法:“auto-”（自动） + “-matic”（形容词后缀） → 自动的。
        • 形近词:automatic/automobile（汽车）、autonomy（自治）。
        • 发音解析:
          • 音节分解:au + to + mat + ic /ˌɔːtəˈmætɪk/，重音在第三音节
          • 规则:au → /ɔː/， “au” 发 /ɔː/ 音，其中 “a” 发长元音 /ɔː/，“u” 不发音。
          • 规则:to → /tə/， “to” 发 /tə/ 音，其中 “t” 发 /t/ 音，“o” 发短元音 /ə/。
          • 规则:mat → /mæt/， “mat” 发 /mæt/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /æ/，“t” 发 /t/ 音。
          • 规则:ic → /ɪk/， “ic” 发 /ɪk/ 音，其中 “i” 发短元音 /ɪ/，“c” 发 /k/ 音。
    • accumulation:名词，由“accumulate”（积累；积聚） + “-ion”（名词后缀）构成，词义：积累；积聚。
      • 记忆方法:“accumulate”（积累） + “-ion”（名词后缀） → 积累的行为或结果 → 积累。
      • 形近词:accumulation/accumulate（积累）、accumulator（累加器）。
      • 发音解析:
        • 音节分解:ac + cu + mu + la + tion /əˌkjuːmjəˈleɪʃn/，重音在第四音节
        • 规则:ac → /ə/， “ac” 发 /ə/ 音，其中 “a” 发短元音 /ə/，“c” 不发音。
        • 规则:cu → /kjuː/， “cu” 发 /kjuː/ 音，其中 “c” 发 /k/ 音，“u” 发长元音 /juː/。
        • 规则:mu → /mjuː/， “mu” 发 /mjuː/ 音，其中 “m” 发 /m/ 音，“u” 发长元音 /juː/。
        • 规则:la → /lə/， “la” 发 /lə/ 音，其中 “l” 发 /l/ 音，“a” 发短元音 /ə/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发短元音 /ɪ/，“on” 发 /n/ 音。
  • IMA Journ al of Nume ric al Analy sis , (2), 135–15 0.
    • 句子分析:说明文献发表于IMA数值分析杂志，卷号（2），页码135 - 150。
    • 翻译:“IMA数值分析杂志（2），第135 - 150页。”
    • 单词分析:
      • numerical:形容词，由“number”（数字） + “-ical”（形容词后缀）构成，词义：数值的；数字的。
        • 记忆方法:“number”（数字） + “-ical”（形容词后缀） → 与数字有关的 → 数值的。
        • 形近词:numerical/number（数字）、numerator（分子）。
        • 发音解析:
          • 音节分解:nu + me + ri + cal /njuːˈmerɪkl/，重音在第二音节
          • 规则:nu → /njuː/， “nu” 发 /njuː/ 音，其中 “n” 发 /n/ 音，“u” 发长元音 /juː/。
          • 规则:me → /me/， “me” 发 /me/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /e/。
          • 规则:ri → /rɪ/， “ri” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“i” 发短元音 /ɪ/。
          • 规则:cal → /kl/， “cal” 发 /kl/ 音，其中 “c” 发 /k/ 音，“a” 不发音，“l” 发 /l/ 音。
  • 12 224 Chrup ala, G., Kadar , A., and Alisha hi, A. (2015) .
    • 句子分析:介绍文献作者及年份。
    • 翻译:“12 224 赫鲁帕拉，G.，卡达尔，A.，和阿利沙希，A.（2015年）。”
  • Learni ng langua ge throug h pictur es. arXiv 1506.0 3694.
    • 句子分析:说明通过图片学习语言，并给出ArXiv编号。
    • 翻译:“通过图片学习语言。ArXiv 1506.03694。”
  • 413 Ch ung, J., Gulceh re, C., Cho, K., and Bengio , Y. (2014) .
    • 句子分析:介绍文献作者及年份。
    • 翻译:“413 钟，J.，古尔塞赫雷，C.，赵，K.，和本吉奥，Y.（2014年）。”
  • Empir ical ev aluatio n of gated recurr en t neural net w orks on sequen ce mo deling .
    • 句子分析:说明对门控循环神经网络在序列建模方面的实证评估。
    • 翻译:“对门控循环神经网络在序列建模方面的实证评估。”
    • 单词分析:
      • evaluation:名词，由“evaluate”（评估；评价） + “-ation”（名词后缀）构成，词义：评估；评价。
        • 记忆方法:“evaluate”（评估） + “-ation”（名词后缀） → 评估的行为或结果 → 评估。
        • 形近词:evaluation/evaluate（评估）、valuation（估价）。
        • 发音解析:
          • 音节分解:e + val + u + a + tion /ɪˌvæljuˈeɪʃn/，重音在第三音节
          • 规则:e → /ɪ/， “e” 发 /ɪ/ 音，其中 “e” 发短元音 /ɪ/。
          • 规则:val → /væl/， “val” 发 /væl/ 音，其中 “v” 发 /v/ 音，“a” 发短元音 /æ/，“l” 发 /l/ 音。
          • 规则:u → /juː/， “u” 发 /juː/ 音，其中 “u” 发长元音 /juː/。
          • 规则:a → /ə/， “a” 发 /ə/ 音，其中 “a” 发短元音 /ə/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发短元音 /ɪ/，“on” 发 /n/ 音。
    • sequence:名词，词源来自拉丁语“sequi”（跟随），词义：序列；顺序。
      • 记忆方法:联想“se-”（分开） + “quence”（跟随） → 依次跟随 → 序列。
      • 形近词:sequence/sequent（随后的）、consequence（结果）。
      • 发音解析:
        • 音节分解:se + quence /ˈsiːkwəns/，重音在第一音节
        • 规则:se → /siː/， “se” 发 /siː/ 音，其中 “s” 发 /s/ 音，“e” 发长元音 /iː/。
        • 规则:quence → /kwəns/， “quence” 发 /kwəns/ 音，其中 “qu” 发 /kw/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“c” 发 /s/ 音，“e” 不发音。
  • NIPS’ 2014 Deep Learni ng works hop, arXiv 1412.3 555. , 413 462
    • 句子分析:说明在2014年神经信息处理系统大会（NIPS）深度学习研讨会上的相关内容及ArXiv编号和页码。
    • 翻译:“2014年神经信息处理系统大会深度学习研讨会，ArXiv 1412.3555。…… 413 462”
  • Ch ung, J., Gülçeh re, Ç., Cho, K., and Bengio , Y. (2015a ).
    • 句子分析:介绍文献作者及年份。
    • 翻译:“钟，J.，居尔塞赫雷，Ç.，赵，K.，和本吉奥，Y.（2015a）。”
  • Gated feedba ck recurr en t neural net w orks.
    • 句子分析:介绍门控反馈循环神经网络。
    • 翻译:“门控反馈循环神经网络。”
    • 单词分析:
      • feedback:名词，由“feed”（供给；喂养） + “back”（返回）构成，词义：反馈。
        • 记忆方法:“feed”（供给） + “back”（返回） → 供给后返回的信息 → 反馈。
        • 形近词:feedback/feed（喂养）、back（后面）。
        • 发音解析:
          • 音节分解:feed + back /ˈfiːdbæk/，重音在第一音节
          • 规则:feed → /fiːd/， “feed” 发 /fiːd/ 音，其中 “f” 发 /f/ 音，“e” 发长元音 /iː/，“e” 不发音，“d” 发 /d/ 音。
          • 规则:back → /bæk/， “back” 发 /bæk/ 音，其中 “b” 发 /b/ 音，“a” 发短元音 /æ/，“c” 发 /k/ 音，“k” 发 /k/ 音。
  • In .
    • 句子分析:表述不完整。
    • 翻译:“在……”

  • ICML ’15 413 Chung, J., Kastner, K., Dinh, L., Goel, K., Courville, A., and Bengio, Y. (2015b). A recurrent latent variable model for sequential data.
    • 固定搭配:无
    • 句子分析:句子介绍了ICML会议相关信息及作者，以及提出的用于序列数据的循环潜变量模型。“recurrent latent variable model”是专业术语，“for sequential data”作后置定语修饰“model”。
    • 翻译:《ICML ’15 413》，钟（Chung）、卡斯特纳（Kastner）、丁（Dinh）、戈尔（Goel）、库尔维尔（Courville）和本吉奥（Bengio）（2015b）。用于序列数据的循环潜变量模型。
    • 单词分析:
      • recurrent:形容词，词源来自拉丁语“recurrere”（跑回来），词义：循环的；反复出现的。
        • 记忆方法:“re-”（再、又）+“cur”（跑）+“-ent”（形容词后缀），联想反复跑回来就是循环的。
        • 形近词:recur（动词，复发；重现）、recurrence（名词，复发；重现）。
        • 发音解析:
          • 音节分解:re + cur + rent /rɪˈkɜːrənt/，重音在第二音节
          • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
          • 规则:cur → /kɜːr/， “cur” 发 /kɜːr/ 音，其中 “c” 发 /k/ 音，“u” 发长元音 /ɜːr/。
          • 规则:rent → /rənt/， “rent” 发 /rənt/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
    • latent:形容词，词源来自拉丁语“latere”（隐藏），词义：潜在的；潜伏的。
      • 记忆方法:联想“late”（晚的），潜在的东西往往是后来才显现的。
      • 形近词:latency（名词，潜伏期；延迟）。
      • 发音解析:
        • 音节分解:la + tent /ˈleɪtənt/，重音在第一音节
        • 规则:la → /leɪ/， “la” 发 /leɪ/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/。
        • 规则:tent → /tənt/， “tent” 发 /tənt/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。

  • NIPS’ 2015 700 Ciresan, D., Meier, U., Masci, J., and Schmidhuber, J. (2012). Multi-column deep neural network for traffic sign classification.
    • 固定搭配:“deep neural network”意为“深度神经网络”；“traffic sign classification”意为“交通标志分类”。
    • 句子分析:句子介绍了NIPS会议相关信息及作者，以及用于交通标志分类的多列深度神经网络。“for traffic sign classification”作后置定语修饰“network”。
    • 翻译:《NIPS’ 2015 700》，奇雷桑（Ciresan）、迈尔（Meier）、马斯奇（Masci）和施密德胡伯（Schmidhuber）（2012）。用于交通标志分类的多列深度神经网络。
    • 单词分析:
      • multi-column:形容词，“multi-”是前缀表示“多”，“column”是“列”的意思，词义：多列的。
        • 记忆方法:“multi-”（多）+“column”（列），直接组合记忆。
        • 形近词:multicolumn（多栏的）。
        • 发音解析:
          • 音节分解:mul + ti + col + umn /ˈmʌltɪkɒləm/，重音在第一音节
          • 规则:mul → /mʌl/， “mul” 发 /mʌl/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ʌ/，“l” 发 /l/ 音。
          • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
          • 规则:col → /kɒl/， “col” 发 /kɒl/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ɒ/，“l” 发 /l/ 音。
          • 规则:umn → /əm/， “umn” 发 /əm/ 音，其中 “u” 发短元音 /ə/，“m” 发 /m/ 音，“n” 不发音。
  • Neural Networks, , 333–338.
    • 固定搭配:无
    • 句子分析:简单陈述期刊名称及页码范围。
    • 翻译:《神经网络》，第333 - 338页。
  • 23200 Ciresan, D. C., Meier, U., Gambardella, L. M., and Schmidhuber, J. (2010). Deep big simple neural nets for handwritten digit recognition.
    • 固定搭配:“handwritten digit recognition”意为“手写数字识别”。
    • 句子分析:句子介绍了相关编号、作者及用于手写数字识别的深度大型简单神经网络。“for handwritten digit recognition”作后置定语修饰“nets”。
    • 翻译:23200，奇雷桑（Ciresan）、迈尔（Meier）、甘巴德拉（Gambardella）和施密德胡伯（Schmidhuber）（2010）。用于手写数字识别的深度大型简单神经网络。
  • Neural Computation, 22, 1–14.
    • 固定搭配:无
    • 句子分析:简单陈述期刊名称、卷号及页码范围。
    • 翻译:《神经计算》，第22卷，第1 - 14页。
  • 2427448, , Coates, A. and Ng, A. Y. (2011). The importance of encoding versus training with sparse coding and vector quantization.
    • 固定搭配:“sparse coding”意为“稀疏编码”；“vector quantization”意为“矢量量化”。
    • 句子分析:句子介绍了编号、作者及关于编码与训练的重要性的研究，涉及稀疏编码和矢量量化。“versus”表示对比。
    • 翻译:2427448，科茨（Coates）和吴（Ng）（2011）。编码与使用稀疏编码和矢量量化进行训练的重要性对比。
    • 单词分析:
      • encoding:名词，“encode”的动名词形式，“en-”（使……）+“code”（编码），词义：编码。
        • 记忆方法:“en-”（使）+“code”（代码），使变成代码就是编码。
        • 形近词:encode（动词，编码）、decoding（名词，解码）。
        • 发音解析:
          • 音节分解:en + cod + ing /ɪnˈkəʊdɪŋ/，重音在第二音节
          • 规则:en → /ɪn/， “en” 发 /ɪn/ 音，其中 “e” 发短元音 /ɪ/，“n” 发 /n/ 音。
          • 规则:cod → /kəʊd/， “cod” 发 /kəʊd/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /əʊ/，“d” 发 /d/ 音。
          • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“n” 发 /ŋ/ 音。
    • sparse:形容词，词源来自拉丁语“sparsus”（分散的），词义：稀疏的；稀少的。
      • 记忆方法:联想“spare”（多余的），稀疏的东西往往是有多余空间的。
      • 形近词:sparsely（副词，稀疏地）、sparseness（名词，稀疏）。
      • 发音解析:
        • 音节分解:spar + se /spɑːs/，重音在第一音节
        • 规则:spar → /spɑː/， “spar” 发 /spɑː/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“a” 发长元音 /ɑː/。
        • 规则:se → /s/， “se” 发 /s/ 音，其中 “s” 发 /s/ 音，“e” 不发音。
    • quantization:名词，“quantize”的名词形式，“quant-”（数量）+“-ization”（名词后缀），词义：量化。
      • 记忆方法:“quant-”（数量）+“-ization”（……化），把东西变成数量就是量化。
      • 形近词:quantize（动词，量化）、quantitative（形容词，定量的）。
      • 发音解析:
        • 音节分解:quan + ti + za + tion /ˌkwɒntɪˈzeɪʃn/，重音在第二音节
        • 规则:quan → /kwɒn/， “quan” 发 /kwɒn/ 音，其中 “q” 发 /kw/ 音，“u” 发短元音 /ɒ/，“a” 发短元音 /ɒ/，“n” 发 /n/ 音。
        • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
        • 规则:za → /zeɪ/， “za” 发 /zeɪ/ 音，其中 “z” 发 /z/ 音，“a” 发长元音 /eɪ/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“o” 不发音，“n” 发 /n/ 音。
  • ICML ’2011 27256500 Coates, A., Lee, H., and Ng, A. Y. (2011). An analysis of single-layer networks in unsupervised feature learning.
    • 固定搭配:“single-layer networks”意为“单层网络”；“unsupervised feature learning”意为“无监督特征学习”。
    • 句子分析:句子介绍了ICML会议相关信息、作者及对单层网络在无监督特征学习中的分析。“of single-layer networks”作后置定语修饰“analysis”，“in unsupervised feature learning”作状语。
    • 翻译:《ICML ’2011 27256500》，科茨（Coates）、李（Lee）和吴（Ng）（2011）。单层网络在无监督特征学习中的分析。
    • 单词分析:
      • unsupervised:形容词，“un-”（否定）+“supervise”（监督）+“-d”（过去分词后缀），词义：无监督的。
        • 记忆方法:“un-”（不）+“supervise”（监督），不被监督就是无监督的。
        • 形近词:supervise（动词，监督）、supervision（名词，监督）。
        • 发音解析:
          • 音节分解:un + su + per + vis + ed /ˌʌnsuːpəˈvaɪzd/，重音在第二音节
          • 规则:un → /ʌn/， “un” 发 /ʌn/ 音，其中 “u” 发短元音 /ʌ/，“n” 发 /n/ 音。
          • 规则:su → /suː/， “su” 发 /suː/ 音，其中 “s” 发 /s/ 音，“u” 发长元音 /uː/。
          • 规则:per → /pə(r)/， “per” 发 /pə(r)/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
          • 规则:vis → /vaɪz/， “vis” 发 /vaɪz/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /aɪ/，“s” 发 /z/ 音。
          • 规则:ed → /d/， “ed” 发 /d/ 音，其中 “e” 不发音，“d” 发 /d/ 音。
  • In Proceedings of the Thirteenth International Conference on Artificial Intelligence and Statistics (AISTATS 2011).
    • 固定搭配:“Proceedings of...”意为“……的会议记录；……的论文集”；“Artificial Intelligence”意为“人工智能”。
    • 句子分析:句子说明上述研究发表在第十三届人工智能与统计国际会议的论文集中。
    • 翻译:收录于《第十三届人工智能与统计国际会议论文集（AISTATS 2011）》。
  • 363 364 457 732
    • 固定搭配:无
    • 句子分析:简单的编号信息。
    • 翻译:363 364 457 732
  • Coates, A., Huvall, B., Wang, T., Wu, D., Catanzaro, B., and Andrew, N. (2013). Deep learning with COTS HPC systems.
    • 固定搭配:“deep learning”意为“深度学习”；“COTS HPC systems”意为“商用现货高性能计算系统”。
    • 句子分析:句子介绍了作者及关于使用商用现货高性能计算系统进行深度学习的研究。
    • 翻译:科茨（Coates）、胡瓦尔（Huvall）、王（Wang）、吴（Wu）、卡坦扎罗（Catanzaro）和安德鲁（Andrew）（2013）。使用商用现货高性能计算系统进行深度学习。
  • In S. Dasgupta and D. McAllester, editors, Proceedings of the 30th International Conference on Machine Learning (ICML - 13), volume 28 (3), pages 1337–1345.
    • 固定搭配:“Proceedings of...”意为“……的会议记录；……的论文集”。
    • 句子分析:句子说明上述研究发表在第30届机器学习国际会议的论文集中，给出了编辑、卷号、页码等信息。
    • 翻译:收录于由S.达斯古普塔（Dasgupta）和D.麦卡利斯特（McAllester）编辑的《第30届机器学习国际会议论文集（ICML - 13）》，第28卷（第3期），第1337 - 1345页。
  • JMLR Workshop and Conference Proceedings.
    • 固定搭配:无
    • 句子分析:简单陈述期刊名称。
    • 翻译:《机器学习研究杂志研讨会与会议论文集》。
  • 2427364449
    • 固定搭配:无
    • 句子分析:简单的编号信息。
    • 翻译:2427364449
  • Cohen, N., Sharir, O., and Shashua, A. (2015). On the expressive power of deep learning: A tensor analysis. arXiv: 1509.05009.
    • 固定搭配:“expressive power”意为“表达能力”；“tensor analysis”意为“张量分析”。
    • 句子分析:句子介绍了作者及关于深度学习表达能力的张量分析研究，还给出了arXiv编号。
    • 翻译:科恩（Cohen）、沙里尔（Sharir）和沙舒阿（Shashua）（2015）。关于深度学习的表达能力：张量分析。arXiv编号：1509.05009。
    • 单词分析:
      • expressive:形容词，“express”（表达）+“-ive”（形容词后缀），词义：有表现力的；表达的。
        • 记忆方法:“express”（表达）+“-ive”（……的），能表达的就是有表现力的。
        • 形近词:express（动词，表达）、expression（名词，表达；表情）。
        • 发音解析:
          • 音节分解:ex + pres + sive /ɪkˈspresɪv/，重音在第二音节
          • 规则:ex → /ɪk/， “ex” 发 /ɪk/ 音，其中 “e” 发短元音 /ɪ/，“x” 发 /k/ 音。
          • 规则:pres → /pres/， “pres” 发 /pres/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发短元音 /e/，“s” 发 /s/ 音。
          • 规则:sive → /sɪv/， “sive” 发 /sɪv/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音，“e” 不发音。
    • tensor:名词，词源来自拉丁语“tendere”（拉伸），词义：张量。
      • 记忆方法:联想“tense”（拉紧），张量和拉伸有一定关联。
      • 形近词:tensile（形容词，可拉伸的）。
      • 发音解析:
        • 音节分解:ten + sor /ˈtensə(r)/，重音在第一音节
        • 规则:ten → /ten/， “ten” 发 /ten/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音。
        • 规则:sor → /sə(r)/， “sor” 发 /sə(r)/ 音，其中 “s” 发 /s/ 音，“o” 发短元音 /ə/，“r” 发 /r/ 音。
  • 556
    • 固定搭配:无
    • 句子分析:简单的编号信息。
    • 翻译:556
  • Collobert, R. (2004). Large Scale Machine Learning.
    • 固定搭配:“Large Scale”意为“大规模”；“Machine Learning”意为“机器学习”。
    • 句子分析:句子介绍了作者及关于大规模机器学习的研究。
    • 翻译:科洛贝尔（Collobert）（2004）。大规模机器学习。
# 学习
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

实战攻略｜提示词工程从零入门：角色设定与Few-shot落地技巧

avatar AtomGit开源社区

为什么AI代码审查工具降低缺陷率总失败？先把这3个环节校准再谈30%

摘要：AI代码审查工具实现30%缺陷率下降是有明确路径的，但前提是阈值配置、误报处理、反馈闭环三个环节必须同时校准。 引言：一个被忽视的前提条件 “我们引入了AI代码审查，缺陷率只下降了不到10%。” 这是分析了超过300个技术团队落地数据后发现的典型反馈。超过65%的团队在引入AI代码审查后，实际缺陷率降幅远低于30%的预期目标——问题不在工具能力不足，而

avatar AtomGit开源社区

深度测评：GEO优化的文章结构到底改了什么？一个监控闭环的实战拆解

分析了300篇被AI搜索引擎引用的文章后发现，超过70%的高引用内容在结构上与精心优化的SEO文章存在根本差异——它们赢得引用的方式，不是“最相关”，而是“最可信”。GEO优化的核心不是关键词密度，而是让内容结构符合AI搜索引擎的可信度优先的引用逻辑。本文拆解2个关键差异和持续监控的方法。 一、核心差异：AI搜索引擎如何判断内容“值得引用” 传统SEO的逻辑

avatar AtomGit开源社区