• Ph.D. thesis, Univ ersité de P aris VI, LIP6. 196 Collob ert, R. (2011) . Deep learnin g for efficien t discrim inativ e parsin g. In AIST A TS’20 11 . 101 479 , Collob ert, R. and W eston, J. (2008a ). A unified arc hitectu re for natura l langua ge pro cessing : Deep neural net w orks with m ultitas k learnin g. In . , ICML ’2008 473 479 Collob ert, R . and W eston, J. (20 08b). A uni fied ar c hitectu re for natura l lang uage pro cessing : Deep neural netw orks with multit ask learnin g. In . ICML ’2008 537 Collob ert, R., Bengio , S., and Bengio , Y. (2001) . A parall el mixtu re of SVMs for very large scale proble ms. T echnic al Rep ort IDIAP -RR-0 1-12, IDIAP . 452 Collob ert, R., Bengio , S., and Bengio , Y. (2002) . Para llel mixtu re of SVMs for very large scale proble ms. Neur al Comp utation , (5), 1105–1 114. 14 452 Collob ert, R., W eston, J., Bottou , L., Karlen , M., Kavuk cuoglu , K., and Kuksa , P . (2011a ). Natur al langua ge proces sing (almos t) from scratch . The Journ al of Machi ne L e arning R ese ar ch , , 2493–2 537. , , , 12 328 479 537 538 Collob ert, R., Kavuk cuoglu , K., and F arab et, C. (2011b ). T orch7: A Matla b-like en viron- men t for mac hine learnin g. In BigLe arn, NIPS W orksho p . , , 25 210 448 Como n, P . (1994) . Indepe ndent compo nent analys is - a new concep t? Signal Pr o c essing , 36 , 287–31 4. 493 Cortes , C. and V apnik, V. (1995) . Supp ort vector netw orks. Machi ne L e arning , 20 , 273–29 7. , 18 140 Coupr ie, C., F arab et, C., Na jman, L., and LeCun , Y. (2013) . Indo or seman tic segme ntation using depth inform ation. In Intern ationa l Confe r enc e on L e arning R epr esenta tions (ICLR 2013) . , 23 200 Courb ariaux , M., Bengio , Y., and Da vid, J.-P . (2015) . Lo w precisi on arithm etic for deep learnin g. In Arxiv: 1412.7 024, ICLR’ 2015 W orksho p . 454 Courv ille, A., Bergst ra, J., and Bengio , Y. (2011) . Unsup ervise d mo dels of image s b y spik e-and- slab RBMs . In . , ICML ’11 563 683 733 --- Page Break --- BIBLIOGRA PHY Courv ille, A., Desjar dins, G., Bergst ra, J., and Bengio , Y. (2014) . The spik e-and- slab RBM and extens ions to discret e and sparse data distrib utions . Patter n Analy sis and Machi ne Intel ligenc e, IEEE T r ansact ions on , (9), 1874–1 887. 36 684 Co v er, T. M. and Thom as, J. A. (2006) . Eleme nts of Inform ation The ory, 2nd Editio n . Wiley -In terscie nce. 73 Co x, D. and Pinto, N. (2011) . Beyon d simple featur es: A large-s cale featur e search approa c h to uncon straine d face recogn ition. In A utoma tic F ac e & Gestur e R e c o gnition and W orksho ps (FG 2011), 2011 IEEE Intern ationa l Confe r enc e on , pages 8–15. IEEE. 363 Cramé r, H. (1946) . Mathe matic al metho ds of statist ics . Prince ton Univ ersit y Press. , 135 295 Cric k, F. H. C. and Mitch ison, G. (1983) . The functi on of dream sleep. Natur e , 304 , 111–11 4. 611 Cyb enk o, G. (1989) . Appro ximat ion by sup erp osition s of a sigmo idal functi on. Mathe matics of Contr ol, Signal s, and System s , , 303–31 4. 2 197 Dahl, G. E., Ranza to, M., Moham ed, A., and Hinton , G. E. (2010) . Phone recogn ition with the mean- co v arianc e restric ted Boltzm ann machi ne. In . NIPS’ 2010 23 Dahl, G. E., Y u, D., Deng, L., and Acero, A. (2012) . Conte xt-dep enden t pre-tra ined deep neural net w orks for large vocab ulary sp eech recogn ition. IEEE T r ansact ions on Audio , Sp e e ch, and L angua ge Pr o c essing , (1), 33–42. 20 461 Dahl, G. E., Sainat h, T. N., and Hin ton, G. E. (2013) . Impro ving deep neural netw orks for L V CSR using rectifie d linear units and drop out. In . ICASS P’201 3 461 Dahl, G. E., Jaitly , N., and Salakh utdin o v, R. (2014) . Multi- task neural netw orks for QSAR predic tions. arXiv: 1406.1 231. 26 Dauph in, Y . and Bengio , Y. (2013) . Sto chasti c ratio matc hing of RB Ms for sparse high-d imens ional inputs . In . NIPS F ounda tion. NIPS2 6 621 Dauph in, Y., Glorot , X., and Bengio , Y. (2011) . Large- scale learnin g of embed dings with recons tructio n sampl ing. In . ICML ’2011 473 Dauph in, Y., Pascan u, R., Gulceh re, C., Cho, K., Gangu li, S., and Bengio , Y. (2014) . Iden tifying and attack ing the saddle p oint proble m in high-d imens ional non-co nv ex optim ization . In . , , NIPS’ 2014 285 286 288 Da vis, A., Rubin stein, M., W adh w a, N., Mysor e, G., Duran d, F., and F reema n, W. T. (2014) . The visual microp hone: Passiv e reco v ery of sound from video. A CM T r ansact ions on Gr aphics (Pr o c. SIGG RAPH ) , (4), 79:1–7 9:10. 33 454 734 --- Page Break --- BIBLIOGRA PHY Da y an, P . (1990) . Reinfo rceme nt compa rison. In Conne ctionis t Mo dels: Pr o c e e dings of the 1990 Conne ctionis t Summ er Scho ol , San Mateo , CA. 693 Da y an, P . and Hin ton, G. E. (1996) . V arietie s of Helmh oltz machi ne. Neur al Netwo rks , 9 (8), 1385–1 403. 695 Da y an, P ., Hinton , G. E., Ne al, R. M., and Zemel , R. S. (1995) . The Helmh oltz machi ne. Neur al c omput ation , (5), 889–90 4. 7 695 Dean, J., Corrad o, G., Monga , R., Chen, K., Devin , M., Le, Q., Mao, M., Ranza to, M., Senior , A., T uck er, P ., Y ang, K., and Ng, A. Y. (2012) . Large scale distrib uted deep net w orks. In . , NIPS’ 2012 25 449 Dean, T. and Kanaz a w a, K. (1989) . A mo del for reason ing ab out p ersiste nce and causat ion. Comp utation al Intel ligenc e , (3), 142–15 0. 5 664 Deerw ester, S., Duma is, S. T., F urnas, G. W., Landa uer, T. K., and Harsh man, R. (1990) . Indexi ng b y latent seman tic analys is. Journ al of the Ameri c an So ciety for Inform ation Scienc e , (6), 391–40 7. , 41 478 484 Delall eau, O. and Bengio , Y. (2011) . Shallo w vs. deep sum-p ro duct netw orks. In .
  • Ph.D. thesis, Université de Paris VI, LIP6.
    • 翻译:“巴黎第六大学LIP6实验室博士论文”
  • Collobert, R. (2011). Deep learning for efficient discriminative parsing. In AISTATS’2011.
    • 固定搭配:“deep learning”意为“深度学习”；“discriminative parsing”意为“判别式句法分析” 。
    • 句子分析:简单句，介绍了Collobert在2011年发表的关于深度学习用于高效判别式句法分析的文章，且该文章发表于AISTATS 2011会议。
    • 翻译:“Collobert, R.（2011年）。深度学习用于高效判别式句法分析。发表于2011年人工智能与统计学年会。”
    • 单词分析:
      • discriminative:形容词，词源来自拉丁语“discriminare”（区分），词义：有辨别力的；判别性的。
        • 记忆方法:“discriminate”（区分）的形容词形式，可联想“能够区分的”。
        • 形近词:discriminative/discriminate（动词，区分）、discrimination（名词，歧视；区分）。
        • 发音解析:
          • 音节分解:dis + crim + i + na + tive /dɪˈskrɪmɪnətɪv/，重音在第二音节
          • 规则:dis → /dɪs/， “dis” 发 /dɪs/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
          • 规则:crim → /krɪm/， “crim” 发 /krɪm/ 音，其中 “c” 发 /k/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/，“m” 发 /m/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:na → /nə/， “na” 发 /nə/ 音，其中 “n” 发鼻音，“a” 发短元音 /ə/。
          • 规则:tive → /tɪv/， “tive” 发 /tɪv/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音。
  • 101 479, Collobert, R. and Weston, J. (2008a). A unified architecture for natural language processing: Deep neural networks with multitask learning. In., ICML ’2008 473 479
    • 固定搭配:“unified architecture”意为“统一架构”；“natural language processing”意为“自然语言处理”；“deep neural networks”意为“深度神经网络”；“multitask learning”意为“多任务学习”。
    • 句子分析:介绍了Collobert和Weston在2008年发表的关于自然语言处理统一架构的文章，该文章发表于2008年国际机器学习会议。
    • 翻译:“101 479，Collobert, R.和Weston, J.（2008a）。自然语言处理的统一架构：基于多任务学习的深度神经网络。发表于2008年国际机器学习会议，473 - 479页。”
    • 单词分析:
      • unified:形容词，词源来自拉丁语“unus”（一），词义：统一的；联合的。
        • 记忆方法:“unify”（使统一）的过去分词形式，可联想“使成为一体的”。
        • 形近词:unified/unify（动词，使统一）、unity（名词，统一；团结）。
        • 发音解析:
          • 音节分解:u + ni + fied /ˈjuːnɪfaɪd/，重音在第一音节
          • 规则:u → /juː/， “u” 发 /juː/ 音，其中 “u” 发长元音 /juː/。
          • 规则:ni → /nɪ/， “ni” 发 /nɪ/ 音，其中 “n” 发鼻音，“i” 发短元音 /ɪ/。
          • 规则:fied → /faɪd/， “fied” 发 /faɪd/ 音，其中 “f” 发 /f/ 音，“i” 发长元音 /aɪ/，“d” 发 /d/ 音。
    • architecture:名词，词源来自希腊语“arkhitekton”（建筑师），词义：架构；建筑学。
      • 记忆方法:“archi-”（主要的）+“tect”（建造）+“-ure”（名词后缀），可联想“主要的建造结构”。
      • 形近词:architecture/architect（名词，建筑师）、architectural（形容词，建筑的）。
      • 发音解析:
        • 音节分解:ar + chi + tec + ture /ˈɑːkɪtektʃə(r)/，重音在第一音节
        • 规则:ar → /ɑː/， “ar” 发 /ɑː/ 音，其中 “a” 发长元音 /ɑː/。
        • 规则:chi → /kɪ/， “chi” 发 /kɪ/ 音，其中 “ch” 发 /k/ 音，“i” 发短元音 /ɪ/。
        • 规则:tec → /tek/， “tec” 发 /tek/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /e/，“c” 发 /k/ 音。
        • 规则:ture → /tʃə(r)/， “ture” 发 /tʃə(r)/ 音，其中 “t” 发 /t/ 音，“u” 不发音，“re” 发 /ʃə(r)/ 音。
    • multitask:形容词，由“multi-”（多）和“task”（任务）组成，词义：多任务的。
      • 记忆方法:直接根据构词理解，“多个任务的”。
      • 形近词:multitask/multimedia（多媒体的）、multinational（跨国的）。
      • 发音解析:
        • 音节分解:mul + ti + task /ˈmʌltitɑːsk/，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:task → /tɑːsk/， “task” 发 /tɑːsk/ 音，其中 “t” 发 /t/ 音，“a” 发长元音 /ɑː/，“s” 发 /s/ 音，“k” 发 /k/ 音。
  • Collobert, R. and Weston, J. (2008b). A unified architecture for natural language processing: Deep neural networks with multitask learning. In. ICML ’2008 537
    • 固定搭配:同上一句的“unified architecture”“natural language processing”“deep neural networks”“multitask learning”。
    • 句子分析:和上一句类似，再次介绍Collobert和Weston在2008年关于自然语言处理统一架构的文章，发表于2008年国际机器学习会议不同页码。
    • 翻译:“Collobert, R.和Weston, J.（2008b）。自然语言处理的统一架构：基于多任务学习的深度神经网络。发表于2008年国际机器学习会议，537页。”
  • Collobert, R., Bengio, S., and Bengio, Y. (2001). A parallel mixture of SVMs for very large scale problems. Technical Report IDIAP - RR - 01 - 12, IDIAP.
    • 固定搭配:“parallel mixture”意为“并行混合”；“very large scale”意为“非常大规模”。
    • 句子分析:介绍了Collobert、Bengio等人在2001年关于大规模问题的支持向量机并行混合的技术报告。
    • 翻译:“Collobert, R.，Bengio, S.和Bengio, Y.（2001年）。用于非常大规模问题的支持向量机并行混合。IDIAP技术报告IDIAP - RR - 01 - 12。”
    • 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:“para-”（旁边）+“llel”，可联想“在旁边并排的”。
        • 形近词:parallel/paralegal（律师助理）、parallax（视差）。
        • 发音解析:
          • 音节分解:pa + ral + lel /ˈpærəlel/，重音在第一音节
          • 规则:pa → /pæ/， “pa” 发 /pæ/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/。
          • 规则:ral → /rəl/， “ral” 发 /rəl/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
          • 规则:lel → /ləl/， “lel” 发 /ləl/ 音，其中 “l” 发 /l/ 音，“e” 发短元音 /ə/，“l” 发 /l/ 音。
    • mixture:名词，词源来自拉丁语“miscere”（混合），词义：混合；混合物。
      • 记忆方法:“mix”（混合）的名词形式，可联想“混合的结果”。
      • 形近词:mixture/mix（动词，混合）、mixable（可混合的）。
      • 发音解析:
        • 音节分解:mix + ture /ˈmɪkstʃə(r)/，重音在第一音节
        • 规则:mix → /mɪks/， “mix” 发 /mɪks/ 音，其中 “m” 发 /m/ 音，“i” 发短元音 /ɪ/，“x” 发 /ks/ 音。
        • 规则:ture → /tʃə(r)/， “ture” 发 /tʃə(r)/ 音，其中 “t” 发 /t/ 音，“u” 不发音，“re” 发 /ʃə(r)/ 音。
  • 452 Collobert, R., Bengio, S., and Bengio, Y. (2002). Parallel mixture of SVMs for very large scale problems. Neural Computation, (5), 1105–1114.
    • 固定搭配:同上一句的“parallel mixture”“very large scale”。
    • 句子分析:再次介绍Collobert、Bengio等人在2002年关于大规模问题的支持向量机并行混合的文章，发表于《神经计算》期刊。
    • 翻译:“452，Collobert, R.，Bengio, S.和Bengio, Y.（2002年）。用于非常大规模问题的支持向量机并行混合。《神经计算》，（5），1105 - 1114页。”
  • Collobert, R., Weston, J., Bottou, L., Karlen, M., Kavukcuoglu, K., and Kuksa, P. (2011a). Natural language processing (almost) from scratch. The Journal of Machine Learning Research, , 2493–2537., , , 12 328 479 537 538
    • 固定搭配:“from scratch”意为“从头开始；从零开始”。
    • 句子分析:介绍了Collobert等人在2011年发表的关于几乎从头开始进行自然语言处理的文章，发表于《机器学习研究杂志》。
    • 翻译:“Collobert, R.，Weston, J.，Bottou, L.，Karlen, M.，Kavukcuoglu, K.和Kuksa, P.（2011a）。几乎从头开始的自然语言处理。《机器学习研究杂志》，2493 - 2537页。12 328 479 537 538”
    • 单词分析:
      • scratch:名词，词源来自古英语“scræccan”（抓），词义：划痕；抓痕；从零开始。
        • 记忆方法:可联想用指甲抓东西留下的痕迹，“from scratch”就是像没有痕迹一样从头开始。
        • 形近词:scratch/scrabble（乱写；抓）、scrape（刮；擦）。
        • 发音解析:
          • 音节分解:sc + ratch /skrætʃ/，重音在第一音节
          • 规则:sc → /sk/， “sc” 发 /sk/ 音，其中 “s” 发 /s/ 音，“c” 发 /k/ 音。
          • 规则:ratch → /rætʃ/， “ratch” 发 /rætʃ/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /æ/，“tch” 发 /tʃ/ 音。
  • Collobert, R., Kavukcuoglu, K., and Farabet, C. (2011b). Torch7: A Matlab - like environment for machine learning. In BigLearn, NIPS Workshop., , 25 210 448
    • 句子分析:介绍了Collobert等人在2011年关于Torch7（一个类似Matlab的机器学习环境）的文章，发表于NIPS研讨会的BigLearn活动。
    • 翻译:“Collobert, R.，Kavukcuoglu, K.和Farabet, C.（2011b）。Torch7：一个类似Matlab的机器学习环境。发表于NIPS研讨会的BigLearn活动。25 210 448”
  • Comon, P. (1994). Independent component analysis - a new concept? Signal Processing, 36, 287–314.
    • 固定搭配:“independent component analysis”意为“独立成分分析”。
    • 句子分析:介绍了Comon在1994年发表的关于独立成分分析是否是一个新概念的文章，发表于《信号处理》期刊。
    • 翻译:“Comon, P.（1994年）。独立成分分析——一个新概念？《信号处理》，36，287 - 314页。”
    • 单词分析:
      • independent:形容词，词源来自拉丁语“independens”，词义：独立的；自主的。
        • 记忆方法:“in-”（否定）+“depend”（依赖），可联想“不依赖的”。
        • 形近词:independent/dependent（依赖的）、independence（名词，独立）。
        • 发音解析:
          • 音节分解:in + de + pend + ent /ˌɪndɪˈpendənt/，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:de → /dɪ/， “de” 发 /dɪ/ 音，其中 “d” 发 /d/ 音，“e” 发短元音 /ɪ/。
          • 规则:pend → /pend/， “pend” 发 /pend/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /e/，“n” 发鼻音，“d” 发 /d/ 音。
          • 规则:ent → /ənt/， “ent” 发 /ənt/ 音，其中 “e” 发短元音 /ə/，“n” 发鼻音，“t” 发 /t/ 音。
    • component:名词，词源来自拉丁语“componere”（组成），词义：成分；组件。
      • 记忆方法:“com-”（共同）+“pon”（放置）+“-ent”（名词后缀），可联想“共同放置在一起组成的部分”。
      • 形近词:component/compose（组成；创作）、composition（作文；组成）。
      • 发音解析:
        • 音节分解:com + po + nent /kəmˈpəʊnənt/，重音在第二音节
        • 规则:com → /kəm/， “com” 发 /kəm/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ə/，“m” 发 /m/ 音。
        • 规则:po → /pəʊ/， “po” 发 /pəʊ/ 音，其中 “p” 发 /p/ 音，“o” 发长元音 /əʊ/。
        • 规则:nent → /nənt/， “nent” 发 /nənt/ 音，其中 “n” 发鼻音，“e” 发短元音 /ə/，“n” 发鼻音，“t” 发 /t/ 音。
  • Cortes, C. and Vapnik, V. (1995). Support vector networks. Machine Learning, 20, 273–297., 18 140
    • 固定搭配:“support vector networks”意为“支持向量网络”。
    • 句子分析:介绍了Cortes和Vapnik在1995年发表的关于支持向量网络的文章，发表于《机器学习》期刊。
    • 翻译:“Cortes, C.和Vapnik, V.（1995年）。支持向量网络。《机器学习》，20，273 - 297页。18 140”
  • Couprie, C., Farabet, C., Najman, L., and LeCun, Y. (2013). Indoor semantic segmentation using depth information. In International Conference on Learning Representations (ICLR 2013).
    • 固定搭配:“semantic segmentation”意为“语义分割”；“depth information”意为“深度信息”。
    • 句子分析:介绍了Couprie等人在2013年发表的关于利用深度信息进行室内语义分割的文章，发表于国际学习表征会议（ICLR 2013）。
    • 翻译:“Couprie, C.，Farabet, C.，Najman, L.和LeCun, Y.（2013年）。利用深度信息的室内语义分割。发表于国际学习表征会议（ICLR 2013）。”
    • 单词分析:
      • semantic:形容词，词源来自希腊语“sēmantikos”（有意义的），词义：语义的。
        • 记忆方法:可联想“和意义相关的”。
        • 形近词:semantic/semantics（名词，语义学）。
        • 发音解析:
          • 音节分解:se + man + tic /sɪˈmæntɪk/，重音在第二音节
          • 规则:se → /sɪ/， “se” 发 /sɪ/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /ɪ/。
          • 规则:man → /mæn/， “man” 发 /mæn/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /æ/，“n” 发鼻音。
          • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
    • segmentation:名词，词源来自拉丁语“segmentum”（段；部分），词义：分割；分段。
      • 记忆方法:“segment”（分割）的名词形式，可联想“分割的行为或结果”。
      • 形近词:segmentation/segment（名词，段；部分；动词，分割）。
      • 发音解析:
        • 音节分解:seg + men + ta + tion /ˌseɡmenˈteɪʃn/，重音在第三音节
        • 规则:seg → /seɡ/， “seg” 发 /seɡ/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/，“g” 发 /ɡ/ 音。
        • 规则:men → /men/， “men” 发 /men/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /e/，“n” 发鼻音。
        • 规则:ta → /tə/， “ta” 发 /tə/ 音，其中 “t” 发 /t/ 音，“a” 发短元音 /ə/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发长元音 /ɪ/，“o” 不发音，“n” 发鼻音。
  • Courbariaux, M., Bengio, Y., and David, J. - P. (2015). Low precision arithmetic for deep learning. In Arxiv: 1412.7024, ICLR’2015 Workshop.
    • 固定搭配:“low precision arithmetic”意为“低精度算术”。
    • 句子分析:介绍了Courbariaux等人在2015年发表的关于深度学习的低精度算术的文章，发表于ICLR 2015研讨会，文章编号为Arxiv: 1412.7024。
    • 翻译:“Courbariaux, M.，Bengio, Y.和David, J. - P.（2015年）。深度学习的低精度算术。发表于Arxiv: 1412.7024，ICLR 2015研讨会。”
    • 单词分析:
      • precision:名词，词源来自拉丁语“praecidere”（切割），词义：精度；精确。
        • 记忆方法:“pre-”（预先）+“cision”（切割），可联想“预先切割得很精确”。
        • 形近词:precision/precise（形容词，精确的）、preciseness（名词，精确；严谨）。
        • 发音解析:
          • 音节分解:pre + ci + sion /prɪˈsɪʒn/，重音在第二音节
          • 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:ci → /sɪ/， “ci” 发 /sɪ/ 音，其中 “c” 发 /s/ 音，“i” 发短元音 /ɪ/。
          • 规则:sion → /ʒn/， “sion” 发 /ʒn/ 音，其中 “s” 发 /ʒ/ 音，“i” 不发音，“o” 不发音，“n” 发鼻音。
    • arithmetic:名词，词源来自希腊语“arithmos”（数字），词义：算术；计算。
      • 记忆方法:可联想和数字计算相关的内容。
      • 形近词:arithmetic/arithmetical（形容词，算术的）。
      • 发音解析:
        • 音节分解:a + rith + me + tic /əˈrɪθmətɪk/，重音在第二音节
        • 规则:a → /ə/， “a” 发 /ə/ 音，其中 “a” 发短元音 /ə/。
        • 规则:rith → /rɪθ/， “rith” 发 /rɪθ/ 音，其中 “r” 发 /r/ 音，“i” 发短元音 /ɪ/，“th” 发 /θ/ 音。
        • 规则:me → /mə/， “me” 发 /mə/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /ə/。
        • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
  • Courville, A., Bergstra, J., and Bengio, Y. (2011). Unsupervised models of images by spike - and - slab RBMs. In., ICML ’11 563 683 733
    • 固定搭配:“unsupervised models”意为“无监督模型”；“spike - and - slab RBMs”意为“尖峰 - 平板受限玻尔兹曼机”。
    • 句子分析:介绍了Courville等人在2011年发表的关于利用尖峰 - 平板受限玻尔兹曼机的图像无监督模型的文章，发表于2011年国际机器学习会议。
    • 翻译:“Courville, A.，Bergstra, J.和Bengio, Y.（2011年）。利用尖峰 - 平板受限玻尔兹曼机的图像无监督模型。发表于2011年国际机器学习会议，563 683 733页。”
    • 单词分析:
      • unsupervised:形容词，由“un-”（否定）+“supervised”（有监督的）组成，词义：无监督的。
        • 记忆方法:直接根据构词理解，“没有监督的”。
        • 形近词:unsupervised/supervised（有监督的）、supervise（动词，监督）。
        • 发音解析:
          • 音节分解:un + su + per + vised /ˌʌnsuːˈpaɪzd/，重音在第二音节
          • 规则:un → /ʌn/， “un” 发 /ʌn/ 音，其中 “u” 发短元音 /ʌ/，“n” 发鼻音。
          • 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:vised → /vaɪzd/， “vised” 发 /vaɪzd/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /aɪ/，“s” 发 /z/ 音，“ed” 发 /d/ 音。
    • spike:名词，词源来自古英语“spica”（尖），词义：尖峰；钉。
      • 记忆方法:可联想尖锐的东西，如钉子。
      • 形近词:spike/spider（蜘蛛）、spine（脊柱；刺）。
      • 发音解析:
        • 音节分解:spi + ke /spaɪk/，重音在第一音节
        • 规则:spi → /spaɪ/， “spi” 发 /spaɪ/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“i” 发长元音 /aɪ/。
        • 规则:ke → /k/， “ke” 发 /k/ 音，其中 “k” 发 /k/ 音，“e” 不发音。
    • slab:名词，词源来自古挪威语“slabba”（厚板），词义：平板；厚块。
      • 记忆方法:可联想一块厚厚的板子。
      • 形近词:slab/slap（拍打）、slave（奴隶）。
      • 发音解析:
        • 音节分解:sl + ab /slæb/，重音在第一音节
        • 规则:sl → /sl/， “sl” 发 /sl/ 音，其中 “s” 发 /s/ 音，“l” 发 /l/ 音。
        • 规则:ab → /æb/， “ab” 发 /æb/ 音，其中 “a” 发短元音 /æ/，“b” 发 /b/ 音。

  • BIBLIOGRAPHY Courville, A., Desjardins, G., Bergstra, J., and Bengio, Y. (2014).
    • 单词分析:
      • BIBLIOGRAPHY:名词，词源来自希腊语 "biblion"（书）和 "graphia"（书写），词义：参考书目；文献目录。
        • 记忆方法:联想 "biblio"（书）+"graphy"（书写）→ 关于书的书写 → 文献目录。
        • 形近词:bibliography/bibliophile（爱书者）、bibliotheca（图书馆）。
        • 发音解析:
          • 音节分解:bib + li + og + ra + phy /ˌbɪbliˈɑːɡrəfi/，重音在第二音节
          • 规则:bib → /bɪb/， “bib” 发 /bɪb/ 音，其中 “b” 发 /b/ 音，“i” 发短元音 /ɪ/。
          • 规则:li → /lɪ/， “li” 发短音 /lɪ/，类似于 “lid” 的发音。
          • 规则:og → /ɑːɡ/， “og” 发 /ɑːɡ/ 音，其中 “o” 发长元音 /ɑː/，“g” 发 /ɡ/ 音。
          • 规则:ra → /rə/， “ra” 发 /rə/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /ə/。
          • 规则:phy → /fi/， “phy” 发 /fi/ 音，其中 “ph” 发 /f/ 音，“y” 发 /i/ 音。

  • The spike-and-slab RBM and extensions to discrete and sparse data distributions.
    • 固定搭配:“spike-and-slab”可理解为 “尖峰 - 平板” 这种特定的组合形式；“data distributions” 意为 “数据分布”。
    • 句子分析:简单句，介绍了 “spike-and-slab RBM” 以及其对离散和稀疏数据分布的扩展。
    • 翻译:“尖峰 - 平板受限玻尔兹曼机及其对离散和稀疏数据分布的扩展。”
    • 单词分析:
      • spike:名词，词源可能来自古挪威语 “spik”（钉子），词义：尖峰；钉。
        • 记忆方法:联想 “像钉子一样尖锐” → 尖峰。
        • 形近词:spike/spiky（多刺的）、spider（蜘蛛）。
        • 发音解析:
          • 音节分解:spi + ke /spaɪk/，重音在第一音节
          • 规则:spi → /spaɪ/， “spi” 发 /spaɪ/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“i” 发长元音 /aɪ/。
          • 规则:ke → /k/， “ke” 发 /k/ 音，“e” 不发音。
    • slab:名词，词源来自中古英语 “slabbe”，词义：平板；厚板。
      • 记忆方法:联想 “一块厚厚的板子” → 平板。
      • 形近词:slab/slap（拍打）、slope（斜坡）。
      • 发音解析:
        • 音节分解:sla + b /slæb/，重音在第一音节
        • 规则:sla → /slæ/， “sla” 发 /slæ/ 音，其中 “s” 发 /s/ 音，“l” 发 /l/ 音，“a” 发短元音 /æ/。
        • 规则:b → /b/， “b” 发 /b/ 音。
    • discrete:形容词，词源来自拉丁语 “discretus”（分开的），词义：离散的；不连续的。
      • 记忆方法:“dis-”（分开）+“crete”（可联想 “create” 创造出不同的个体）→ 分开的 → 离散的。
      • 形近词:discrete/discreet（谨慎的）、discretion（谨慎；判断力）。
      • 发音解析:
        • 音节分解:dis + crete /dɪˈskriːt/，重音在第二音节
        • 规则:dis → /dɪs/， “dis” 发 /dɪs/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
        • 规则:crete → /kriːt/， “crete” 发 /kriːt/ 音，其中 “c” 发 /k/ 音，“re” 发长元音 /iː/，“te” 发 /t/ 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 “s” 像散落的点，“parse” 可联想 “解析”，散落开来解析 → 稀疏的。
      • 形近词:sparse/sparrow（麻雀）、spark（火花）。
      • 发音解析:
        • 音节分解:spar + se /spɑːrs/，重音在第一音节
        • 规则:spar → /spɑːr/， “spar” 发 /spɑːr/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“a” 发长元音 /ɑː/，“r” 发 /r/ 音。
        • 规则:se → /s/， “se” 发 /s/ 音，“e” 不发音。
  • Pattern Analysis and Machine Intelligence, IEEE Transactions on, (9), 1874–1887.
    • 固定搭配:“Pattern Analysis” 意为 “模式分析”；“Machine Intelligence” 意为 “机器智能”；“IEEE Transactions on” 是 “电气与电子工程师协会汇刊” 的固定表达。
    • 句子分析:介绍了文章发表的期刊相关信息。
    • 翻译:“《模式分析与机器智能》，电气与电子工程师协会汇刊，第9期，1874 - 1887页。”
  • Cover, T. M. and Thomas, J. A. (2006).
  • Elements of Information Theory, 2nd Edition.
    • 固定搭配:“Elements of...” 意为 “……的要素；……的基础”。
    • 句子分析:介绍了书籍的名称和版本。
    • 翻译:“《信息论基础》，第二版。”
  • Wiley-Interscience.
    • 句子分析:指出书籍的出版社。
    • 翻译:“威利 - 国际科学出版社。”
  • Cox, D. and Pinto, N. (2011).
  • Beyond simple features: A large-scale feature search approach to unconstrained face recognition.
    • 固定搭配:“Beyond simple features” 意为 “超越简单特征”；“large-scale” 意为 “大规模的”；“unconstrained face recognition” 意为 “无约束人脸识别”。
    • 句子分析:介绍了研究的主题，即一种用于无约束人脸识别的大规模特征搜索方法。
    • 翻译:“超越简单特征：一种用于无约束人脸识别的大规模特征搜索方法。”
    • 单词分析:
      • unconstrained:形容词，词源来自 “un-”（否定）+“constrained”（受约束的），词义：无约束的；不受限制的。
        • 记忆方法:“un-”（不）+“constrained”（被约束）→ 不被约束的 → 无约束的。
        • 形近词:unconstrained/constrain（约束）、constraint（约束；限制）。
        • 发音解析:
          • 音节分解:un + con + strained /ˌʌnkənˈstreɪnd/，重音在第二音节
          • 规则:un → /ʌn/， “un” 发 /ʌn/ 音，其中 “u” 发短元音 /ʌ/，“n” 发鼻音。
          • 规则:con → /kən/， “con” 发 /kən/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ə/。
          • 规则:strained → /streɪnd/， “strained” 发 /streɪnd/ 音，其中 “str” 发 /str/ 音，“ai” 发长元音 /eɪ/，“n” 发 /n/ 音，“d” 发 /d/ 音。
  • In Automatic Face & Gesture Recognition and Workshops (FG 2011), 2011 IEEE International Conference on, pages 8–15.
    • 固定搭配:“Automatic Face & Gesture Recognition” 意为 “自动人脸与手势识别”；“IEEE International Conference on” 是 “电气与电子工程师协会国际会议” 的固定表达。
    • 句子分析:说明文章发表在该会议上，以及所在的页码。
    • 翻译:“在2011年电气与电子工程师协会自动人脸与手势识别国际会议及研讨会（FG 2011）上，第8 - 15页。”
  • IEEE.
    • 句子分析:代表 “电气与电子工程师协会”。
    • 翻译:“电气与电子工程师协会。”
  • Cramér, H. (1946).
  • Mathematical methods of statistics.
    • 句子分析:介绍了书籍的主题。
    • 翻译:“《统计学的数学方法》。”
  • Princeton University Press.
    • 句子分析:指出书籍的出版社。
    • 翻译:“普林斯顿大学出版社。”
  • Crick, F. H. C. and Mitchison, G. (1983).
  • The function of dream sleep.
    • 句子分析:介绍了研究的主题。
    • 翻译:“梦睡眠的功能。”
  • Nature, 304, 111–114.
    • 句子分析:说明文章发表在《自然》杂志上，以及所在的卷号和页码。
    • 翻译:“《自然》杂志，第304卷，第111 - 114页。”
  • Cybenko, G. (1989).
  • Approximation by superpositions of a sigmoidal function.
    • 固定搭配:“Approximation by...” 意为 “通过……进行逼近”；“superpositions of...” 意为 “……的叠加”。
    • 句子分析:介绍了研究的内容，即通过S形函数的叠加进行逼近。
    • 翻译:“通过S形函数的叠加进行逼近。”
    • 单词分析:
      • approximation:名词，词源来自拉丁语 “approximare”（接近），词义：逼近；近似。
        • 记忆方法:“approximate”（接近）的名词形式，联想 “不断接近目标” → 逼近。
        • 形近词:approximation/approximate（近似的；接近）、proximity（接近；临近）。
        • 发音解析:
          • 音节分解:ap + prox + i + ma + tion /əˌprɑːksɪˈmeɪʃn/，重音在第三音节
          • 规则:ap → /əp/， “ap” 发 /əp/ 音，其中 “a” 发短元音 /ə/，“p” 发 /p/ 音。
          • 规则:prox → /prɑːks/， “prox” 发 /prɑːks/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发长元音 /ɑː/，“x” 发 /ks/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ma → /meɪ/， “ma” 发 /meɪ/ 音，其中 “m” 发 /m/ 音，“a” 发长元音 /eɪ/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“on” 发 /n/ 音。
    • superpositions:名词复数，词源来自拉丁语 “superponere”（放置在上面），词义：叠加；重叠。
      • 记忆方法:“super-”（在上面）+“position”（位置）→ 放在上面的位置 → 叠加。
      • 形近词:superpositions/superpose（叠加；使重叠）、position（位置）。
      • 发音解析:
        • 音节分解:su + per + po + si + tions /ˌsuːpəˈpəʊʒnz/，重音在第二音节
        • 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:po → /pəʊ/， “po” 发 /pəʊ/ 音，其中 “p” 发 /p/ 音，“o” 发长元音 /əʊ/。
        • 规则:si → /ʒ/， “si” 发 /ʒ/ 音，“s” 发 /ʒ/ 音，“i” 不发音。
        • 规则:tions → /nz/， “tions” 发 /nz/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“ons” 发 /nz/ 音。
    • sigmoidal:形容词，词源可能与 “sigmoid”（S形的）相关，词义：S形的。
      • 记忆方法:联想 “sigmoid”（S形曲线）+“-al”（形容词后缀）→ S形的。
      • 形近词:sigmoidal/sigmoid（S形曲线）、signify（表示；意味着）。
      • 发音解析:
        • 音节分解:sig + moi + dal /sɪɡˈmɔɪdl/，重音在第二音节
        • 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:moi → /mɔɪ/， “moi” 发 /mɔɪ/ 音，其中 “m” 发 /m/ 音，“o” 发长元音 /ɔɪ/。
        • 规则:dal → /dl/， “dal” 发 /dl/ 音，“d” 发 /d/ 音，“a” 不发音，“l” 发 /l/ 音。
  • Mathematics of Control, Signals, and Systems, , 303–314.
    • 句子分析:说明文章发表在该期刊上，以及所在的页码。
    • 翻译:“《控制、信号与系统数学》，第303 - 314页。”
  • Dahl, G. E., Ranzato, M., Mohamed, A., and Hinton, G. E. (2010).
  • Phone recognition with the mean-covariance restricted Boltzmann machine.
    • 固定搭配:“Phone recognition” 意为 “语音识别”；“mean-covariance restricted” 意为 “均值 - 协方差受限的”；“Boltzmann machine” 意为 “玻尔兹曼机”。
    • 句子分析:介绍了研究的主题，即使用均值 - 协方差受限的玻尔兹曼机进行语音识别。
    • 翻译:“使用均值 - 协方差受限的玻尔兹曼机进行语音识别。”
    • 单词分析:
      • covariance:名词，词源来自 “co-”（共同）+“variance”（方差），词义：协方差。
        • 记忆方法:“co-”（共同）+“variance”（方差）→ 共同的方差 → 协方差。
        • 形近词:covariance/variance（方差）、variant（变体；变种）。
        • 发音解析:
          • 音节分解:co + var + i + ance /kəʊˈveəriəns/，重音在第二音节
          • 规则:co → /kəʊ/， “co” 发 /kəʊ/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /əʊ/。
          • 规则:var → /veə(r)/， “var” 发 /veə(r)/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eə(r)/。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ance → /əns/， “ance” 发 /əns/ 音，其中 “a” 发短元音 /ə/，“n” 发 /n/ 音，“ce” 发 /s/ 音。
  • In.
  • NIPS’ 2010 23
    • 句子分析:说明文章发表在2010年神经信息处理系统大会（NIPS）上。
    • 翻译:“2010年神经信息处理系统大会（NIPS），第23期。”
  • Dahl, G. E., Yu, D., Deng, L., and Acero, A. (2012).

  • Context-dependent pre-trained deep neural networks for large vocabulary speech recognition.
    • 固定搭配:“context-dependent”意为“依赖上下文的”；“pre-trained”意为“预训练的”；“deep neural networks”意为“深度神经网络”；“speech recognition”意为“语音识别”。
    • 句子分析:简单的名词短语，描述了用于大词汇量语音识别的依赖上下文的预训练深度神经网络。
    • 翻译:用于大词汇量语音识别的依赖上下文的预训练深度神经网络。
    • 单词分析:
      • context-dependent:形容词，由“context”（上下文）和“dependent”（依赖的）组合而成，词义：依赖上下文的。
        • 记忆方法:联想“context”和“dependent”的含义，即依赖上下文的。
        • 形近词:context/contextual（上下文的）；dependent/independent（独立的）。
        • 发音解析:
          • 音节分解:con + text + de + pend + ent /ˈkɒntekst dɪˈpendənt/，重音在第一和第四音节
          • 规则:con → /kɒn/， “con” 发 /kɒn/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ɒ/。
          • 规则:text → /tekst/， “text” 发 /tekst/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /e/，“x” 发 /ks/ 音。
          • 规则:de → /dɪ/， “de” 发短音 /dɪ/，类似于 “desk” 的发音。
          • 规则:pend → /pend/， “pend” 发 /pend/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音，“d” 发 /d/ 音。
          • 规则:ent → /ənt/， “ent” 发 /ənt/ 音，其中 “e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
    • pre-trained:形容词，“pre-”表示“预先”，“trained”是“train”的过去分词，词义：预训练的。
      • 记忆方法:“pre-”（预先）+“trained”（训练过的）→ 预训练的。
      • 形近词:pre-/preview（预览）；trained/trainer（训练者）。
      • 发音解析:
        • 音节分解:pre + trained /priː treɪnd/，重音在第一音节
        • 规则:pre → /priː/， “pre” 发 /priː/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发长元音 /iː/。
        • 规则:trained → /treɪnd/， “trained” 发 /treɪnd/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“ai” 发长元音 /eɪ/，“n” 发 /n/ 音，“d” 发 /d/ 音。
    • neural:形容词，词源来自拉丁语“neuralis”，词义：神经的。
      • 记忆方法:联想“neuron”（神经元），“-al”是形容词后缀，所以“neural”是神经的。
      • 形近词:neural/neutral（中立的）。
      • 发音解析:
        • 音节分解:neu + ral /ˈnjʊərəl/，重音在第一音节
        • 规则:neu → /njʊə/， “neu” 发 /njʊə/ 音，其中 “n” 发 /n/ 音，“eu” 发 /jʊə/ 音。
        • 规则:ral → /rəl/， “ral” 发 /rəl/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
    • vocabulary:名词，词源来自拉丁语“vocabulum”，词义：词汇；词汇量。
      • 记忆方法:“voc-”（声音，话语）+“-abulary”（表集合）→ 词汇集合 → 词汇量。
      • 形近词:vocabulary/vocal（声音的）。
      • 发音解析:
        • 音节分解:vo + ca + bu + la + ry /vəˈkæbjʊləri/，重音在第二音节
        • 规则:vo → /və/， “vo” 发 /və/ 音，其中 “v” 发 /v/ 音，“o” 发短元音 /ə/。
        • 规则:ca → /kæ/， “ca” 发 /kæ/ 音，其中 “c” 发 /k/ 音，“a” 发短元音 /æ/。
        • 规则:bu → /bjʊ/， “bu” 发 /bjʊ/ 音，其中 “b” 发 /b/ 音，“u” 发 /jʊ/ 音。
        • 规则:la → /lə/， “la” 发 /lə/ 音，其中 “l” 发 /l/ 音，“a” 发短元音 /ə/。
        • 规则:ry → /ri/， “ry” 发 /ri/ 音，其中 “r” 发 /r/ 音，“y” 发 /i/ 音。

  • IEEE Transactions on Audio, Speech, and Language Processing, (1), 33–42.
    • 固定搭配:“IEEE Transactions on...”意为“电气与电子工程师协会关于……的汇刊”。
    • 句子分析:简单的引用信息，表明文章发表的期刊、卷号和页码。
    • 翻译:《电气与电子工程师协会音频、语音和语言处理汇刊》，第1期，33 - 42页。
    • 单词分析:
      • Transactions:名词，词源来自拉丁语“transactio”，词义：汇刊；交易。这里指学术期刊的汇刊。
        • 记忆方法:“trans-”（转移）+“act”（行动）+“-ion”（名词后缀）→ 转移行动的记录 → 汇刊。
        • 形近词:Transactions/transaction（交易）。
        • 发音解析:
          • 音节分解:tran + sac + tions /trænˈzækʃənz/，重音在第二音节
          • 规则:tran → /træn/， “tran” 发 /træn/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“a” 发短元音 /æ/，“n” 发 /n/ 音。
          • 规则:sac → /sæk/， “sac” 发 /sæk/ 音，其中 “s” 发 /s/ 音，“a” 发短元音 /æ/，“c” 发 /k/ 音。
          • 规则:tions → /ʃənz/， “tions” 发 /ʃənz/ 音，其中 “t” 不发音，“i” 发短元音 /ə/，“o” 不发音，“n” 发 /n/ 音，“s” 发 /z/ 音。
  • 20461 Dahl, G. E., Sainath, T. N., and Hinton, G. E. (2013).
    • 句子分析:简单的引用信息，列出作者和年份。
    • 翻译:20461 达尔，G. E.，赛纳特，T. N.，和辛顿，G. E.（2013年）。
  • Improving deep neural networks for LVCSR using rectified linear units and dropout.
    • 固定搭配:“LVCSR”是“Large Vocabulary Continuous Speech Recognition”的缩写，意为“大词汇量连续语音识别”；“rectified linear units”意为“修正线性单元”；“dropout”在深度学习中意为“随机失活”。
    • 句子分析:动名词短语作主语，表示使用修正线性单元和随机失活来改进用于大词汇量连续语音识别的深度神经网络。
    • 翻译:使用修正线性单元和随机失活改进用于大词汇量连续语音识别的深度神经网络。
    • 单词分析:
      • rectified:形容词，“rectify”的过去分词形式，词源来自拉丁语“rectificare”，词义：修正的；矫正的。
        • 记忆方法:“rect-”（直的）+“-ify”（使……化）→ 使变直 → 修正。
        • 形近词:rectified/rectify（修正）、rectangle（长方形）。
        • 发音解析:
          • 音节分解:rec + ti + fied /ˈrektɪfaɪd/，重音在第一音节
          • 规则:rec → /rek/， “rec” 发 /rek/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /e/，“c” 发 /k/ 音。
          • 规则:ti → /tɪ/， “ti” 发短音 /tɪ/，类似于 “tip” 的发音。
          • 规则:fied → /faɪd/， “fied” 发 /faɪd/ 音，其中 “f” 发 /f/ 音，“i” 发长元音 /aɪ/，“d” 发 /d/ 音。
    • linear:形容词，词源来自拉丁语“linearis”，词义：线性的。
      • 记忆方法:“line”（线）+“-ar”（形容词后缀）→ 线的 → 线性的。
      • 形近词:linear/line（线）、delinearize（去线性化）。
      • 发音解析:
        • 音节分解:li + near /ˈlɪniə(r)/，重音在第一音节
        • 规则:li → /lɪ/， “li” 发短音 /lɪ/，类似于 “lip” 的发音。
        • 规则:near → /nɪə(r)/， “near” 发 /nɪə(r)/ 音，其中 “n” 发 /n/ 音，“e” 发长元音 /ɪə/，“r” 发音。
  • In. ICASSP’2013
    • 句子分析:简单的引用信息，表明文章发表的会议。
    • 翻译:收录于2013年国际声学、语音和信号处理会议。
  • 461 Dahl, G. E., Jaitly, N., and Salakhutdinov, R. (2014).
    • 句子分析:简单的引用信息，列出作者和年份。
    • 翻译:461 达尔，G. E.，杰特利，N.，和萨拉赫丁诺夫，R.（2014年）。
  • Multi-task neural networks for QSAR predictions.
    • 固定搭配:“Multi-task”意为“多任务的”；“QSAR”是“Quantitative Structure - Activity Relationship”的缩写，意为“定量构效关系”。
    • 句子分析:简单的名词短语，描述了用于定量构效关系预测的多任务神经网络。
    • 翻译:用于定量构效关系预测的多任务神经网络。
    • 单词分析:
      • Multi-task:形容词，“multi-”表示“多”，“task”意为“任务”，词义：多任务的。
        • 记忆方法:“multi-”（多）+“task”（任务）→ 多任务的。
        • 形近词:Multi-task/multiple（多个的）、task/tasks（任务，复数）。
        • 发音解析:
          • 音节分解:mul + ti + task /ˈmʌltitaːsk/，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” 发短音 /tɪ/，类似于 “tip” 的发音。
          • 规则:task → /taːsk/， “task” 发 /taːsk/ 音，其中 “t” 发 /t/ 音，“a” 发长元音 /aː/，“s” 发 /s/ 音，“k” 发 /k/ 音。
  • arXiv: 1406.1231.
    • 句子分析:简单的引用信息，表明文章的预印本编号。
    • 翻译:预印本编号：1406.1231。
  • 26 Dauphin, Y. and Bengio, Y. (2013).
    • 句子分析:简单的引用信息，列出作者和年份。
    • 翻译:26 多芬，Y. 和本吉奥，Y.（2013年）。
  • Stochastic ratio matching of RBMs for sparse high-dimensional inputs.
    • 固定搭配:“Stochastic ratio matching”意为“随机比率匹配”；“RBMs”是“Restricted Boltzmann Machines”的缩写，意为“受限玻尔兹曼机”；“sparse high-dimensional inputs”意为“稀疏高维输入”。
    • 句子分析:简单的名词短语，描述了针对稀疏高维输入的受限玻尔兹曼机的随机比率匹配。
    • 翻译:针对稀疏高维输入的受限玻尔兹曼机的随机比率匹配。
    • 单词分析:
      • Stochastic:形容词，词源来自希腊语“stokhazesthai”，词义：随机的。
        • 记忆方法:谐音“死都开死”，随机的事情可能会让人觉得很无奈，像死都要面对一样。
        • 形近词:Stochastic/stock（股票）、stochast（随机变量）。
        • 发音解析:
          • 音节分解:sto + chas + tic /stəˈkæstɪk/，重音在第二音节
          • 规则:sto → /stə/， “sto” 发 /stə/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“o” 发短元音 /ə/。
          • 规则:chas → /kæs/， “chas” 发 /kæs/ 音，其中 “ch” 发 /k/ 音，“a” 发短元音 /æ/，“s” 发 /s/ 音。
          • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
    • sparse:形容词，词源来自拉丁语“sparsus”，词义：稀疏的。
      • 记忆方法:联想“spar”（少量），“-se”是形容词后缀，所以“sparse”是稀疏的。
      • 形近词:sparse/spar（船桅）、sparrow（麻雀）。
      • 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/，“r” 发音。
        • 规则:se → /s/， “se” 发 /s/ 音。
    • high-dimensional:形容词，“high-”表示“高的”，“dimensional”意为“维度的”，词义：高维的。
      • 记忆方法:“high-”（高）+“dimensional”（维度的）→ 高维的。
      • 形近词:high-dimensional/high（高的）、dimensional/dimension（维度）。
      • 发音解析:
        • 音节分解:high + di + men + sion + al /ˌhaɪdaɪˈmenʃənl/，重音在第二音节
        • 规则:high → /haɪ/， “high” 发 /haɪ/ 音，其中 “h” 发 /h/ 音，“i” 发长元音 /aɪ/。
        • 规则:di → /daɪ/， “di” 发 /daɪ/ 音，其中 “d” 发 /d/ 音，“i” 发长元音 /aɪ/。
        • 规则:men → /men/， “men” 发 /men/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音。
        • 规则:sion → /ʃən/， “sion” 发 /ʃən/ 音，其中 “s” 发 /ʃ/ 音，“i” 发短元音 /ə/，“o” 不发音，“n” 发 /n/ 音。
        • 规则:al → /l/， “al” 发 /l/ 音。
  • In. NIPS Foundation. NIPS26
    • 句子分析:简单的引用信息，表明文章发表的会议和会议编号。
    • 翻译:收录于神经信息处理系统大会基金会。第26届神经信息处理系统大会。
  • 621 Dauphin, Y., Glorot, X., and Bengio, Y. (2011).
    • 句子分析:简单的引用信息，列出作者和年份。
    • 翻译:621 多芬，Y.，格洛罗，X.，和本吉奥，Y.（2011年）。
  • Large-scale learning of embeddings with reconstruction sampling.
    • 固定搭配:“Large-scale”意为“大规模的”；“reconstruction sampling”意为“重建采样”。
    • 句子分析:简单的名词短语，描述了使用重建采样的大规模嵌入学习。
    • 翻译:使用重建采样的大规模嵌入学习。
    • 单词分析:
      • Large-scale:形容词，“large”意为“大的”，“scale”意为“规模”，词义：大规模的。
        • 记忆方法:“large”（大）+“scale”（规模）→ 大规模的。
        • 形近词:Large-scale/large（大的）、scale/scales（规模，复数）。
        • 发音解析:
          • 音节分解:large + scale /ˈlɑːdʒskeɪl/，重音在第一音节
          • 规则:large → /lɑːdʒ/， “large” 发 /lɑːdʒ/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /ɑː/，“r” 发音，“g” 发 /dʒ/ 音。
          • 规则:scale → /skeɪl/， “scale” 发 /skeɪl/ 音，其中 “s” 发 /s/ 音，“c” 发 /k/ 音，“a” 发长元音 /eɪ/，“l” 发 /l/ 音。
    • embeddings:名词，“embed”的动名词形式，词源来自古法语“em-”（使）+“beder”（床），词义：嵌入；嵌入物。
      • 记忆方法:联想“把东西嵌入到床里”，所以“embedding”是嵌入。
      • 形近词:embeddings/embed（嵌入）、embellish（装饰）。
      • 发音解析:
        • 音节分解:em + bed + dings /ɪmˈbedɪŋz/，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:bed → /bed/， “bed” 发 /bed/ 音，其中 “b” 发 /b/ 音，“e” 发短元音 /e/，“d” 发 /d/ 音。
        • 规则:dings → /dɪŋz/， “dings” 发 /dɪŋz/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/，“n” 发 /ŋ/ 音，“s” 发 /z/ 音。
    • reconstruction:名词，“re-”表示“再”，“construct”意为“建造”，“-ion”是名词后缀，词义：重建；重构。
      • 记忆方法:“re-”（再）+“construct”（建造）+“-ion”（名词后缀）→ 再建造 → 重建。
      • 形近词:reconstruction/reconstruct（重建）、construction（建设）。
      • 发音解析:
        • 音节分解:re + con + struc + tion /ˌriːkənˈstrʌkʃn/，重音在第三音节
        • 规则:re → /riː/， “re” 发 /riː/ 音，其中 “r” 发 /r/ 音，“e” 发长元音 /iː/。
        • 规则:con → /kən/， “con” 发 /kən/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ə/，“n” 发 /n/ 音。
        • 规则:struc → /strʌk/， “struc” 发 /strʌk/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“r” 发 /r/ 音，“u” 发短元音 /ʌ/，“c” 发 /k/ 音。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发短元音 /ə/，“o” 不发音，“n” 发 /n/ 音。
  • In. ICML ’2011
    • 句子分析:简单的引用信息，表明文章发表的会议。
    • 翻译:收录于2011年国际机器学习会议。
  • 473 Dauphin, Y., Pascanu, R., Gulcehre, C., Cho, K., Ganguli, S., and Bengio, Y. (2014).
    • 句子分析:简单的引用信息，列出作者和年份。
    • 翻译:473 多芬，Y.，帕斯卡努，R.，古尔塞赫雷，C.，赵，K.，甘古利，S.，和本吉奥，Y.（2014年）。
  • Identifying and attacking the saddle point problem in high-dimensional non-convex optimization.
    • 固定搭配:“saddle point problem”意为“鞍点问题”；“high-dimensional non-convex optimization”意为“高维非凸优化”。
    • 句子分析:动名词短语作主语，表示识别和解决高维非凸优化中的鞍点问题。
    • 翻译:识别和解决高维非凸优化中的鞍点问题。
    • 单词分析:
      • Identifying:动名词，“identify”的动名词形式，词源来自拉丁语“identificare”，词义：识别；鉴定。
        • 记忆方法:“ident-”（相同）+“-ify”（使……化）→ 使相同 → 识别。
        • 形近词:Identifying/identify（识别）、identity（身份）。
        • 发音解析:
          • 音节分解:i + den + ti + fy + ing /aɪˈdentɪfaɪɪŋ/，重音在第二音节
          • 规则:i → /aɪ/， “i” 发长元音 /aɪ/。
          • 规则:den → /den/， “den” 发 /den/ 音，其中 “d” 发 /d/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音。
          • 规则:ti → /tɪ/， “ti” 发短音 /tɪ/，类似于 “tip” 的发音。
          • 规则:fy → /faɪ/， “fy” 发 /faɪ/ 音，其中 “f” 发 /f/ 音，“y” 发长元音 /aɪ/。
          • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“n” 发 /ŋ/ 音。
    • saddle:名词，词源来自古英语“sadol”，词义：鞍；鞍状物。这里指数学中的鞍点。
      • 记忆方法:谐音“赛兜”，想象在赛场上坐在兜状的鞍上。
      • 形近词:saddle/sad（悲伤的）、addled（混乱的）。
      • 发音解析:
        • 音节分解:sad + dle /ˈsædl/，重音在第一音节
        • 规则:sad → /sæd/， “sad” 发 /sæd/ 音，其中 “s” 发 /s/ 音，“a” 发短元音 /æ/，“d” 发 /d/ 音。
        • 规则:dle → /dl/， “dle” 发 /dl/ 音。
    • non-convex:形容词，“non-”表示“非”，“convex”意为“凸的”，词义：非凸的。
      • 记忆方法:“non-”（非）+“convex”（凸的）→ 非凸的。
      • 形近词:non-convex/non（非）、convex（凸的）。
      • 发音解析:
        • 音节分解:non + con + vex /ˌnɒnˈkɒnveks/，重音在第二音节
        • 规则:non → /nɒn/， “non” 发 /nɒn/ 音，其中 “n” 发 /n/ 音，“o” 发短元音 /ɒ/。
        • 规则:con → /kɒn/， “con” 发 /kɒn/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ɒ/，“n” 发 /n/ 音。
        • 规则:vex → /veks/， “vex” 发 /veks/ 音，其中 “v” 发 /v/ 音，“e” 发短元音 /e/，“x” 发 /ks/ 音。
    • optimization:名词，“optimize”的名词形式，词源来自拉丁语“optimus”（最好的），词义：优化；最优化。
      • 记忆方法:“optim-”（最好）+“-ization”（名词后缀）→ 达到最好 → 优化。
      • 形近词:optimization/optimize（优化）、optimal（最优的）。
      • 发音解析:
        • 音节分解:op + ti + mi + za + tion /ˌɒptɪmaɪˈzeɪʃn/，重音在第三音节
        • 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” 发短音 /tɪ/，类似于 “tip” 的发音。
        • 规则:mi → /maɪ/， “mi” 发 /maɪ/ 音，其中 “m” 发 /m/ 音，“i” 发长元音 /aɪ/。
        • 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” 不发音，“i” 发短元音 /ə/，“o” 不发音，“n” 发 /n/ 音。
  • In., , NIPS’2014 285 286 288
    • 句子分析:简单的引用信息，表明文章发表的会议和页码。
    • 翻译:收录于2014年神经信息处理系统大会，第285、286、288页。
  • Davis, A., Rubinstein, M., Wadhwa, N., Mysore, G., Durand, F., and Freeman, W. T. (2014).
    • 句子分析:简单的引用信息，列出作者和年份。
    • 翻译:戴维斯，A.，鲁宾斯坦，M.，瓦德瓦，N.，迈索尔，G.，杜兰德，F.，和弗里曼，W. T.（2014年）。
  • The visual microphone: Passive recovery of sound from video.
    • 固定搭配:“visual microphone”意为“视觉麦克风”；“passive recovery”意为“被动恢复”。
    • 句子分析:简单的名词短语，描述了视觉麦克风可以从视频中被动恢复声音。
    • 翻译:视觉麦克风：从视频中被动恢复声音。
    • 单词分析:
      • visual:形容词，词源来自拉丁语“visus”（看），词义：视觉的。
        • 记忆方法:“vis-”（看）+“-ual”（形容词后缀）→ 与看有关的 → 视觉的。
        • 形近词:visual/vision（视力）、visible（可见的）。
        • 发音解析:
          • 音节分解:vi + su + al /ˈvɪʒuəl/，重音在第一音节
          • 规则:vi → /vɪ/， “vi” 发短音 /vɪ/，类似于 “victory” 的发音。
          • 规则:su → /ʒuː/， “su” 发 /ʒuː/ 音，其中 “s” 发 /ʒ/ 音，“u” 发长元音 /uː/。
          • 规则:al → /əl/， “al” 发 /əl/ 音，其中 “a” 发短元音 /ə/，“l” 发 /l/ 音。
    • passive:形容词，词源来自拉丁语“passivus”，词义：被动的。
      • 记忆方法:“pass-”（忍受）+“-ive”（形容词后缀）→ 忍受外界的 → 被动的。
      • 形近词:passive/pass（通过）、passion（激情）。
      • 发音解析:
        • 音节分解:pas + sive /ˈpæsɪv/，重音在第一音节
        • 规则:pas → /pæs/， “pas” 发 /pæs/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/，“s” 发 /s/ 音。
        • 规则:sive → /ɪv/， “sive” 发 /ɪv/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音。
    • recovery:名词，“re-”表示“再”，“cover”意为“覆盖”，“-y”是名词后缀，词义：恢复；复原。
      • 记忆方法:“re-”（再）+“cover”（覆盖）+“-y”（名词后缀）→ 再次覆盖失去的东西 → 恢复。
      • 形近词:recovery/recover（恢复）、coverage（覆盖范围）。
      • 发音解析:
        • 音节分解:re + cov + ery /rɪˈkʌvəri/，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:cov → /kʌv/， “cov” 发 /kʌv/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ʌ/，“v” 发 /v/ 音。
        • 规则:ery → /əri/， “ery” 发 /əri/ 音，其中 “e” 发短元音 /ə/，“r” 发音，“y” 发 /i/ 音。
  • ACM Transactions on Graphics (Proc. SIGGRAPH), (4), 79:1–79:10.
    • 固定搭配:“ACM Transactions on Graphics”意为“美国计算机协会图形学汇刊”；“Proc. SIGGRAPH”是“Proceedings of the ACM SIGGRAPH”的缩写，意为“美国计算机协会计算机图形和交互技术特别兴趣小组会议录”。
    • 句子分析:简单的引用信息，表明文章发表的期刊、卷号和页码。
    • 翻译:《美国计算机协会图形学汇刊》（美国计算机协会计算机图形和交互技术特别兴趣小组会议录），第4期，79:1 - 79:10页。
  • 33 454 734
    • 句子分析:简单的编号信息。
    • 翻译:33 454 734
  • L1-- Page Break ---
    • 句子分析:简单的分页标记。
    • 翻译:--- 分页符 ---
  • BIBLIOGRAPHY
    • 句子分析:简单的标题，意为“参考文献”。
    • 翻译:参考文献
  • Dayan, P. (1990).
    • 句子分析:简单的引用信息，列出作者和年份。
    • 翻译:戴扬，P.（1990年）。

  • Reinforcement comparison.
    • 翻译:“强化比较”

  • In Connectionist Models: Proceedings of the 1990 Connectionist Summer School, San Mateo, CA.
    • 固定搭配:“Proceedings of...” 意为 “……的会议记录；……的论文集”。
    • 句子分析:这是一个简单的介绍说明性短语，介绍了关于连接主义模型的1990年连接主义暑期学校的论文集相关信息。
    • 翻译:“在《连接主义模型：1990年连接主义暑期学校论文集》中，加利福尼亚州圣马特奥”
    • 单词分析:
      • Connectionist:形容词，词源来自 “connection”（连接），词义：连接主义的。
        • 记忆方法:“connection”（连接） + “-ist”（表示……主义者或与……相关的） → 连接主义的。
        • 形近词:connection/connectional（连接的）、connective（连接的；连接词）。
        • 发音解析:
          • 音节分解:con + nec + tion + ist /kəˌnekʃənɪst/，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/。
          • 规则:nec → /nek/， “nec” 发 /nek/ 音，其中 “n” 发 /n/ 音，“e” 发短元音 /ɛ/，“c” 发 /k/ 音。
          • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，是常见的名词后缀发音。
          • 规则:ist → /ɪst/， “ist” 发 /ɪst/ 音，是常见的表示……主义者或与……相关的后缀发音。
  • 693 Dayan, P. and Hinton, G. E. (1996).
    • 翻译:“693 戴扬，P. 和辛顿，G. E.（1996年）”
  • Varieties of Helmholtz machine.
    • 翻译:“亥姆霍兹机的种类”
    • 单词分析:
      • Varieties:名词复数，词源来自拉丁语 “varietas”，词义：种类；多样。
        • 记忆方法:“vary”（变化） + “-ety”（表示性质、状态） → 有变化的状态 → 种类、多样。
        • 形近词:variety/variant（变体；变种）、variable（可变的；变量）。
        • 发音解析:
          • 音节分解:va + ri + e + ties /vəˈraɪətiz/，重音在第二音节
          • 规则:va → /və/， “va” 发 /və/ 音，其中 “v” 发 /v/ 音，“a” 发短元音 /ə/。
          • 规则:ri → /raɪ/， “ri” 发 /raɪ/ 音，其中 “r” 发 /r/ 音，“i” 发长元音 /aɪ/。
          • 规则:e → 不发音，在这个单词中 “e” 作为词尾不发音。
          • 规则:ties → /tiz/， “ties” 发 /tiz/ 音，其中 “t” 发 /t/ 音，“i” 发长元音 /iː/，“es” 发 /z/ 音。
    • Helmholtz:名词，词源是人名，词义：亥姆霍兹（人名）。
      • 记忆方法:可通过直接记忆人名来记住该单词。
      • 形近词:无明显形近词。
      • 发音解析:
        • 音节分解:Helm + holtz /ˈhɛlmhoʊlts/，重音在第一音节
        • 规则:Helm → /hɛlm/， “Helm” 发 /hɛlm/ 音，其中 “H” 发 /h/ 音，“e” 发短元音 /ɛ/，“l” 发 /l/ 音，“m” 发 /m/ 音。
        • 规则:holtz → /hoʊlts/， “holtz” 发 /hoʊlts/ 音，其中 “h” 发 /h/ 音，“o” 发长元音 /oʊ/，“l” 发 /l/ 音，“t” 发 /t/ 音，“z” 发 /z/ 音。
  • Neural Networks, 9 (8), 1385–1403.
    • 翻译:“《神经网络》，第9卷第8期，1385 - 1403页”
  • 695 Dayan, P., Hinton, G. E., Neal, R. M., and Zemel, R. S. (1995).
    • 翻译:“695 戴扬，P.，辛顿，G. E.，尼尔，R. M. 和泽梅尔，R. S.（1995年）”
  • The Helmholtz machine.
    • 翻译:“亥姆霍兹机”
  • Neural computation, (5), 889–904.
    • 翻译:“《神经计算》，第5期，889 - 904页”
  • 7 695 Dean, J., Corrado, G., Monga, R., Chen, K., Devin, M., Le, Q., Mao, M., Ranzato, M., Senior, A., Tucker, P., Yang, K., and Ng, A. Y. (2012).
    • 翻译:“7 695 迪恩，J.，科拉多，G.，蒙加，R.，陈，K.，德文，M.，勒，Q.，毛，M.，兰扎托，M.，西尼尔，A.，塔克，P.，杨，K. 和吴，A. Y.（2012年）”
  • Large scale distributed deep networks.
    • 固定搭配:“Large scale” 意为 “大规模的”；“distributed deep networks” 意为 “分布式深度网络”。
    • 句子分析:简单的名词短语，描述了一种网络类型。
    • 翻译:“大规模分布式深度网络”
    • 单词分析:
      • Distributed:形容词，词源来自 “distribute”（分配；分布），词义：分布式的。
        • 记忆方法:“distribute”（分配） + “-ed”（形容词后缀） → 被分配的 → 分布式的。
        • 形近词:distribute/distributor（经销商；分配器）、distribution（分配；分布）。
        • 发音解析:
          • 音节分解:dis + trib + ut + ed /dɪˈstrɪbjutɪd/，重音在第二音节
          • 规则:dis → /dɪs/， “dis” 发 /dɪs/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
          • 规则:trib → /trɪb/， “trib” 发 /trɪb/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/，“b” 发 /b/ 音。
          • 规则:ut → /juːt/， “ut” 发 /juːt/ 音，其中 “u” 发长元音 /juː/，“t” 发 /t/ 音。
          • 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音，作为动词过去式和过去分词后缀发音。
  • In., NIPS’ 2012 25 449
    • 翻译:“在……，2012年神经信息处理系统大会 25 449”
  • Dean, T. and Kanazawa, K. (1989).
    • 翻译:“迪恩，T. 和金泽，K.（1989年）”
  • A model for reasoning about persistence and causation.
    • 固定搭配:“reason about” 意为 “关于……进行推理”；“persistence and causation” 意为 “持续性和因果关系”。
    • 句子分析:简单的名词短语，描述了一个用于特定推理的模型。
    • 翻译:“一个用于推理持续性和因果关系的模型”
    • 单词分析:
      • Persistence:名词，词源来自拉丁语 “persistere”（坚持；持续），词义：持续性；坚持。
        • 记忆方法:“persist”（坚持；持续） + “-ence”（名词后缀） → 坚持的状态 → 持续性；坚持。
        • 形近词:persist/persistent（持续的；坚持不懈的）、persevere（坚持不懈）。
        • 发音解析:
          • 音节分解:per + sis + tence /pərˈsɪstəns/，重音在第二音节
          • 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:sis → /sɪs/， “sis” 发 /sɪs/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
          • 规则:tence → /təns/， “tence” 发 /təns/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“c” 发 /s/ 音。
    • Causation:名词，词源来自拉丁语 “causa”（原因），词义：因果关系；原因。
      • 记忆方法:“cause”（原因） + “-ation”（名词后缀） → 原因的相关概念 → 因果关系；原因。
      • 形近词:cause/causal（因果的；有原因的）、causative（使役的；成为原因的）。
      • 发音解析:
        • 音节分解:cau + sa + tion /kɔːˈzeɪʃn/，重音在第二音节
        • 规则:cau → /kɔː/， “cau” 发 /kɔː/ 音，其中 “c” 发 /k/ 音，“au” 发长元音 /ɔː/。
        • 规则:sa → /seɪ/， “sa” 发 /seɪ/ 音，其中 “s” 发 /s/ 音，“a” 发长元音 /eɪ/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，是常见的名词后缀发音。
  • Computational Intelligence, (3), 142–150.
    • 翻译:“《计算智能》，第3期，142 - 150页”
  • 5 664 Deerwester, S., Dumais, S. T., Furnas, G. W., Landauer, T. K., and Harshman, R. (1990).
    • 翻译:“5 664 迪尔韦斯特，S.，杜迈斯，S. T.，弗纳斯，G. W.，兰道尔，T. K. 和哈什曼，R.（1990年）”
  • Indexing by latent semantic analysis.
    • 固定搭配:“latent semantic analysis” 意为 “潜在语义分析”。
    • 句子分析:简单的名词短语，描述了一种索引方法。
    • 翻译:“通过潜在语义分析进行索引”
    • 单词分析:
      • Latent:形容词，词源来自拉丁语 “latere”（隐藏），词义：潜在的；隐藏的。
        • 记忆方法:联想 “late”（晚的） + “-nt” → 晚出现的 → 潜在的、隐藏的。
        • 形近词:latent/lateral（侧面的；横向的）、latitude（纬度）。
        • 发音解析:
          • 音节分解:la + tent /ˈleɪtnt/，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 → /tnt/， “tent” 发 /tnt/ 音，其中 “t” 发 /t/ 音，“e” 不发音，“n” 发 /n/ 音，“t” 发 /t/ 音。
    • Semantic:形容词，词源来自希腊语 “sēmantikos”（有意义的），词义：语义的。
      • 记忆方法:联想 “sema”（信号） + “-ntic” → 与信号意义相关的 → 语义的。
      • 形近词:semantic/semantics（语义学）、semiotic（符号学的）。
      • 发音解析:
        • 音节分解:se + man + tic /sɪˈmæntɪk/，重音在第二音节
        • 规则:se → /sɪ/， “se” 发 /sɪ/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /ɪ/。
        • 规则:man → /mæn/， “man” 发 /mæn/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /æ/，“n” 发 /n/ 音。
        • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
  • Journal of the American Society for Information Science, (6), 391–407., 41 478 484
    • 翻译:“《美国信息科学学会杂志》，第6期，391 - 407页，41 478 484”
  • Delalleau, O. and Bengio, Y. (2011).
    • 翻译:“德拉洛，O. 和本吉奥，Y.（2011年）”
  • Shallow vs. deep sum-product networks.
    • 固定搭配:“vs.” 意为 “与……相对；对抗”；“sum-product networks” 意为 “和积网络”。
    • 句子分析:简单的名词短语，对比了浅层和深层的和积网络。
    • 翻译:“浅层与深层和积网络”
    • 单词分析:
      • Shallow:形容词，词源来自古英语 “sceald”，词义：浅的；肤浅的。
        • 记忆方法:联想 “sh”（像水流动的声音） + “allow”（允许） → 允许水浅浅地流动 → 浅的。
        • 形近词:shallow/shallowness（浅薄；肤浅）、shadow（阴影）。
        • 发音解析:
          • 音节分解:sha + low /ˈʃæloʊ/，重音在第一音节
          • 规则:sha → /ʃæ/， “sha” 发 /ʃæ/ 音，其中 “sh” 发 /ʃ/ 音，“a” 发短元音 /æ/。
          • 规则:low → /loʊ/， “low” 发 /loʊ/ 音，其中 “l” 发 /l/ 音，“o” 发长元音 /oʊ/。
    • Sum-product:复合词，由 “sum”（和）和 “product”（积）组成，词义：和积。
      • 记忆方法:直接由 “sum” 和 “product” 组合记忆。
      • 形近词:无明显形近词。
      • 发音解析:
        • 音节分解:sum + pro + duct /ˈsʌmprɒdʌkt/，重音在第一音节
        • 规则:sum → /sʌm/， “sum” 发 /sʌm/ 音，其中 “s” 发 /s/ 音，“u” 发短元音 /ʌ/，“m” 发 /m/ 音。
        • 规则:pro → /prɒ/， “pro” 发 /prɒ/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发短元音 /ɒ/。
        • 规则:duct → /dʌkt/， “duct” 发 /dʌkt/ 音，其中 “d” 发 /d/ 音，“u” 发短元音 /ʌ/，“c” 发 /k/ 音，“t” 发 /t/ 音。
  • In.
    • 翻译:“在……”
# 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