• S eparat ion of a mixtu re of indepe ndent source s throug h a maxim um likelih oo d approa ch. In , pages 771–77 4. EUSIP CO 493 763 --- Page Break --- BIBLIOGRA PHY Pham , P .-H., Jelaca , D., F arab et, C., Martin i, B., LeCun , Y., and Culurc iello, E. (2012) . NeuFl o w: dataflo w vision pro cessing system -on-a- chip. In Cir cuits and System s (MWS - CAS), 2012 IEEE 55th Intern ationa l Midwe st Symp osium on , pages 1044–1 047. IEEE. 453 Pinhe iro, P . H. O. and Collob ert, R . (2014) . Recur rent con v olution al neural net w orks for scene labelin g. In . ICML ’2014 359 Pinhe iro, P . H. O. and Collob ert, R. (2015) . F rom image -level to pixel-l ev el lab eling with con v olution al net w orks. In Confe r enc e on Comp uter Vision and Patter n R e c o gnition (CVP R) . 359 Pin to, N., Cox, D. D., and DiCar lo, J. J. (2008) . Why is real-w orld visual ob ject recogn ition hard? PL oS Comp ut Biol , . 4 458 Pin to, N., Stone, Z., Zickle r, T., and Cox, D. (2011) . Scalin g up biolog ically- inspire d compu ter vision : A case study in uncon straine d face recogn ition on faceb o ok. In Comp uter Vision and Patter n R e c o gnition W orksho ps (CVP R W), 2011 IEEE Comp uter So ciety Confe r enc e on , pages 35–42. IEEE. 363 P ollac k, J. B. (1990) . Recur siv e distrib uted repres en tation s. A rtificia l Intel ligenc e , 46 (1), 77–105 . 400 P oly ak, B. and Judits ky , A. (1992) . Accele ration of sto chasti c approx imati on by av eragin g. SIAM J. Contr ol and Optim ization , , 838–85 5. 30(4) 322 P oly ak, B. T. (1964) . Some metho ds of sp eeding up the conv ergenc e of iterati on m ethods . USSR Comp utation al Mathe matics and Mathe matic al Physic s , (5), 1–17. 4 296 P o ole, B., Sohl-D ickste in, J., and Gangu li, S. (2014) . Ana lyzing noise in auto enco ders and deep net w orks. , . CoRR abs/1 406.1 831 241 P o on, H. and Domin gos, P . (2011) . Sum-p roduc t netw orks: A new deep archit ecture. In Pr o c e e dings of the Twent y-seve nth Confe r enc e in Unc ertain ty in Artific ial Intel ligenc e (UAI) , Barcel ona, Spain. 556 Presle y , R. K. and Hagga rd, R. L. (1994) . A fixed p oint implem entat ion of the backp ropa- gation learnin g algorit hm. In Southe astc on ’94. Cr e ative T e chnolo gy T r ansfer -A Glob al Affair ., Pr o c e e dings of the 1994 IEEE , pages 136–13 8. IEEE. 453 Price, R. (1958) . A useful theore m for nonlin ear device s having Gauss ian inputs . IEEE T r ansact ions on Inform ation The ory , (2), 69–72. 4 691 Quiro ga, R. Q., Reddy , L., Kreim an, G., K och, C., and F ried, I. (2005) . Inv ariant visual repres en tation b y single neuron s in the human brain. Natur e , 435 (7045) , 1102–1 107. 366 764 --- Page Break --- BIBLIOGRA PHY Radfo rd, A., Metz, L., and Chinta la, S. (2015) . Unsup ervised repres entatio n learnin g with deep con v olution al genera tiv e adv ersaria l net w orks. arXiv pr eprint arXiv: 1511.0 6434 . 554 703 704 , , Raik o, T., Y ao, L., Cho, K., and Bengio , Y. (2014) . Iterati v e neural autore gressiv e distrib ution estima tor (NAD E-k). T echnic al rep ort, arXiv: 1406.1 485. , 678 711 Raina , R., Madh a v an, A., and Ng, A. Y. (2009) . Large- scale deep unsup ervised learnin g using graphi cs pro cessor s. In L. Bottou and M. Littma n, editor s, Pr o c e e dings of the Twent y-sixth Intern ationa l Confe r enc e on Machi ne L e arning (ICML ’09) , pages 873–88 0, New Y ork, NY, USA. ACM. , 27 448 Ramse y , F. P . (1926) . T ruth and probab ility . In R. B. Braith w aite, editor , The F ounda tions of Mathe matics and other L o gic al Essays , c hapter 7, pages 156–19 8. McMa ster Unive rsit y Arc hiv e for the Histor y of Econo mic Thoug ht. 56 Ranza to, M. and Hinton , G. H. (2010) . Mo deling pixel means and co v arianc es using factor ized third-o rder Boltzm ann mac hines. In , pages 2551–2 558. CVPR ’2010 682 Ranza to, M., Poultn ey , C., Chopr a, S., and LeCun , Y. (2007a ). Efficie nt learnin g of sparse repres en tation s with an energy -based model . In . , , , , NIPS’ 2006 14 19 509 530 532 Ranza to, M., Huang , F., Boure au, Y., and LeCun , Y. (2007b ). Unsup ervised learnin g of in v ariant featur e hierar chies with applic ations to ob ject recogn ition. In Pr o c e e dings of the Comp uter Vision and Patter n R e c o gnition Confe r enc e (CVP R’07) . IEEE Press. 364 Ranza to, M., Boure au, Y., and LeCun , Y. (2008) . Sparse featur e learnin g for deep b elief net w orks. In . NIPS’ 2007 509 Ranza to, M., Krizhe vsky , A., and Hinton , G. E. (2010a ). F actore d 3-wa y restric ted Boltzm ann mac hines for mo deling natura l image s. In Pr o c e e dings of AIST A TS 2010 . 680 681 , Ranza to, M., Mnih, V., and Hinton , G. (2010b ). Gener ating more realist ic image s using gated MRFs . In . NIPS’ 2010 682 Rao, C. (1945) . Inform ation and the accura cy attain able in the estima tion of statist ical param eters. Bul letin of the Calcut ta Mathe matic al So ciety , , 81–89. , 37 135 295 Rasm us, A., V alp ola, H., Honk ala, M., Berglu nd, M., and Raik o, T. (2015) . Semi-s up ervised learnin g with ladder net w ork. arXiv pr eprint arXiv: 1507.0 2672 . , 428 532 Rec h t, B., Re, C., W right, S., and Niu, F. (2011) . Hogwi ld: A lo ck-free approa ch to parall elizing stocha stic gradie n t descen t. In . NIPS’ 2011 449 Reic hert, D. P ., Seriès, P ., and Storke y , A. J. (2011) . Neuro nal adapta tion for sampl ing- based probab ilistic inferen ce in p ercept ual bistab ility . In A dvanc es in Neur al Inform ation Pr o c essing System s , pages 2357–2 365. 668 765 --- Page Break --- BIBLIOGRA PHY Rezen de, D. J., Moham ed, S., and Wiers tra, D. (2014) . Sto chasti c backp ropaga tion and a ppro ximat e inferen ce in dee p genera tiv e mod els. In . Prepri n t: ICML ’2014 arXiv: 1401.4 082. , , 654 691 698 Rifai, S., V incen t, P ., Mu ller, X., G lorot, X., and Bengio , Y. (2011a ). Contr activ e auto-e nco ders: Explic it inv arianc e during featur e extrac tion. In . , , ICML ’2011 523 524 525 Rifai, S., Mesni l, G., Vincen t, P ., Muller , X., Bengio , Y., Dauph in, Y., and Glorot , X. (2011b ). Highe r order contra ctiv e auto-e nco der. In . , ECML PKDD 523 524 Rifai, S., Dauph in, Y., Vincen t, P ., Bengio , Y., and Muller , X. (2011c ). Th e manifo ld tangen t classifi er. In .

合并后的文章内容

Separation of a mixture of independent sources through a maximum likelihood approach in EUSIPCO 493 763, pages 771–774.

Pham, P.-H., Jelaca, D., Farabet, C., Martini, B., LeCun, Y., and Culurciello, E. (2012). NeuFlow: dataflow vision processing system-on-a-chip in Circuits and Systems (MWS - CAS), 2012 IEEE 55th International Midwest Symposium on, pages 1044–1047. IEEE.

Pinheiro, P. H. O. and Collobert, R. (2014). Recurrent convolutional neural networks for scene labeling in ICML ’2014.

Pinheiro, P. H. O. and Collobert, R. (2015). From image - level to pixel - level labeling with convolutional networks in Conference on Computer Vision and Pattern Recognition (CVPR).

Pinto, N., Cox, D. D., and DiCarlo, J. J. (2008). Why is real - world visual object recognition hard? PLoS Comput Biol, 4.

Pinto, N., Stone, Z., Zickler, T., and Cox, D. (2011). Scaling up biologically - inspired computer vision: A case study in unconstrained face recognition on Facebook in Computer Vision and Pattern Recognition Workshops (CVPRW), 2011 IEEE Computer Society Conference on, pages 35–42. IEEE.

Pollack, J. B. (1990). Recursive distributed representations. Artificial Intelligence, 46 (1), 77–105.

Polyak, B. and Juditsky, A. (1992). Acceleration of stochastic approximation by averaging. SIAM J.

文章分析

• Separation of a mixture of independent sources through a maximum likelihood approach in EUSIPCO 493 763, pages 771–774.
  • 固定搭配: "maximum likelihood approach"，含义：“最大似然法”。
  • 句子分析: 这是一个名词短语，核心是“Separation”，描述了通过最大似然法对独立源混合物进行分离的研究，在EUSIPCO会议的特定文献中提及。
  • 翻译: “通过最大似然法对独立源混合物进行分离，见于EUSIPCO 493 763，第771 - 774页。”
  • 单词分析:
    • separation: 名词，词源来自拉丁语“separare”（分开），词义：分离；分开。
      • 记忆方法: 联想 “separate”（分开）的名词形式。
      • 形近词: separate / separation / separator（分离器）。
      • 发音解析:
        • 音节分解: sep + a + ra + tion /ˌsepəˈreɪʃn/，重音在第二音节
        • 规则: sep → /sep/， “sep” 发 /sep/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /ɛ/，“p” 发 /p/ 音。
        • 规则: a → /ə/， “a” 发短元音 /ə/。
        • 规则: ra → /reɪ/， “ra” 发 /reɪ/ 音，其中 “r” 发 /r/ 音，“a” 发长元音 /eɪ/。
        • 规则: tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • likelihood: 名词，词源来自 “like”（相似）+ “-hood”（表示状态、性质），词义：可能性；似然性。
    • 记忆方法: “like”（像）+ “-hood”（状态）→ 有相似的状态 → 可能性。
    • 形近词: likely / likelihood 。
    • 发音解析:
      • 音节分解: like + li + hood /ˈlaɪklihʊd/，重音在第一音节
      • 规则: like → /laɪk/， “like” 发 /laɪk/ 音，其中 “l” 发 /l/ 音，“i” 发长元音 /aɪ/，“k” 发 /k/ 音。
      • 规则: li → /li/， “li” 发 /li/ 音，其中 “l” 发 /l/ 音，“i” 发长元音 /i/。
      • 规则: hood → /hʊd/， “hood” 发 /hʊd/ 音，其中 “h” 发 /h/ 音，“oo” 发短元音 /ʊ/，“d” 发 /d/ 音。

• Pham, P.-H., Jelaca, D., Farabet, C., Martini, B., LeCun, Y., and Culurciello, E. (2012). NeuFlow: dataflow vision processing system - on - a - chip in Circuits and Systems (MWS - CAS), 2012 IEEE 55th International Midwest Symposium on, pages 1044–1047. IEEE.
  • 句子分析: 这是一篇文献的作者信息及文献内容介绍，指出NeuFlow（数据流视觉处理片上系统）相关研究发表在2012年IEEE第55届国际中西部电路与系统研讨会上。
  • 翻译: “Pham, P.-H., Jelaca, D., Farabet, C., Martini, B., LeCun, Y.和Culurciello, E.（2012年）。NeuFlow：数据流视觉处理片上系统，见于《电路与系统》（MWS - CAS），2012年IEEE第55届国际中西部研讨会，第1044 - 1047页。IEEE。”
  • 单词分析:
    • dataflow: 名词，由 “data”（数据）和 “flow”（流动）组合而成，词义：数据流。
      • 记忆方法: 直接由 “data” 和 “flow” 组合记忆。
      • 形近词: data / flow / dataflow 。
      • 发音解析:
        • 音节分解: data + flow /ˈdeɪtəfləʊ/，重音在第一音节
        • 规则: data → /ˈdeɪtə/， “data” 发 /ˈdeɪtə/ 音，其中 “d” 发 /d/ 音，“a” 发长元音 /eɪ/，“t” 发 /t/ 音，“a” 发短元音 /ə/。
        • 规则: flow → /fləʊ/， “flow” 发 /fləʊ/ 音，其中 “f” 发 /f/ 音，“l” 发 /l/ 音，“ow” 发长元音 /əʊ/。

• Pinheiro, P. H. O. and Collobert, R. (2014). Recurrent convolutional neural networks for scene labeling in ICML ’2014.
  • 句子分析: 介绍Pinheiro和Collobert在2014年的研究，关于用于场景标注的循环卷积神经网络，发表在ICML ’2014会议上。
  • 翻译: “Pinheiro, P. H. O.和Collobert, R.（2014年）。用于场景标注的循环卷积神经网络，见于ICML ’2014。”
  • 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）→ 再跑回来 → 循环的。
      • 形近词: recur / recurrent / recurrence（复发；循环）。
      • 发音解析:
        • 音节分解: re + cur + rent /rɪˈkʌrənt/，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 → /kʌr/， “cur” 发 /kʌr/ 音，其中 “c” 发 /k/ 音，“u” 发短元音 /ʌ/，“r” 发 /r/ 音。
        • 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。
  • 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）后加 “-al” 变成形容词。
    • 形近词: convolution / convolutional 。
    • 发音解析:
      • 音节分解: con + vo + lu + tion + al /ˌkɒnvəˈluːʃənl/，重音在第二音节
      • 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: vo → /vəʊ/， “vo” 发 /vəʊ/ 音，其中 “v” 发 /v/ 音，“o” 发长元音 /əʊ/。
      • 规则: lu → /luː/， “lu” 发 /luː/ 音，其中 “l” 发 /l/ 音，“u” 发长元音 /uː/。
      • 规则: tion → /ʃn/， “tion” 发 /ʃn/ 音。
      • 规则: al → /l/， “al” 发 /l/ 音。

• Pinheiro, P. H. O. and Collobert, R. (2015). From image - level to pixel - level labeling with convolutional networks in Conference on Computer Vision and Pattern Recognition (CVPR).
  • 句子分析: 讲述Pinheiro和Collobert在2015年的研究，关于利用卷积网络从图像级到像素级标注，发表在计算机视觉与模式识别会议（CVPR）上。
  • 翻译: “Pinheiro, P. H. O.和Collobert, R.（2015年）。利用卷积网络从图像级到像素级标注，见于计算机视觉与模式识别会议（CVPR）。”

• Pinto, N., Cox, D. D., and DiCarlo, J. J. (2008). Why is real - world visual object recognition hard? PLoS Comput Biol, 4.
  • 句子分析: 是Pinto等人在2008年提出的问题，关于现实世界中视觉对象识别困难的原因，发表在《PLoS计算生物学》第4期。
  • 翻译: “Pinto, N., Cox, D. D.和DiCarlo, J. J.（2008年）。为什么现实世界中的视觉对象识别如此困难？《PLoS计算生物学》，第4期。”

• Pinto, N., Stone, Z., Zickler, T., and Cox, D. (2011). Scaling up biologically - inspired computer vision: A case study in unconstrained face recognition on Facebook in Computer Vision and Pattern Recognition Workshops (CVPRW), 2011 IEEE Computer Society Conference on, pages 35–42. IEEE.
  • 句子分析: 介绍Pinto等人在2011年的研究，关于扩展生物启发的计算机视觉，以Facebook上的无约束人脸识别为例，发表在计算机视觉与模式识别研讨会（CVPRW）上。
  • 翻译: “Pinto, N., Stone, Z., Zickler, T.和Cox, D.（2011年）。扩展生物启发的计算机视觉：以Facebook上的无约束人脸识别为例，见于计算机视觉与模式识别研讨会（CVPRW），2011年IEEE计算机协会会议，第35 - 42页。IEEE。”
  • 单词分析:
    • scaling: 动词 “scale” 的现在分词形式，“scale” 词源来自拉丁语 “scala”（梯子；刻度），这里 “scaling up” 词义为扩大；扩展。
      • 记忆方法: 联想 “scale” 有“攀爬；刻度”的意思，“scaling up” 就像顺着刻度往上爬，即扩大。
      • 形近词: scale / scaling / scalable（可扩展的）。
      • 发音解析:
        • 音节分解: scale + ing /ˈskeɪlɪŋ/，重音在第一音节
        • 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。
        • 规则: ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音。
  • unconstrained: 形容词，由 “un-”（否定）+ “constrained”（受约束的）组成，词义：无约束的；不受限制的。
    • 记忆方法: “un-”（不）+ “constrained”（被约束的）→ 不被约束的。
    • 形近词: constrain / constrained / unconstrained 。
    • 发音解析:
      • 音节分解: un + con + strain + ed /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 /n/ 音。
      • 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: strain → /streɪn/， “strain” 发 /streɪn/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“r” 发 /r/ 音，“ai” 发长元音 /eɪ/，“n” 发 /n/ 音。
      • 规则: ed → /d/， “ed” 发 /d/ 音。

• Pollack, J. B. (1990). Recursive distributed representations. Artificial Intelligence, 46 (1), 77–105.
  • 句子分析: 介绍Pollack在1990年关于递归分布式表示的研究，发表在《人工智能》第46卷第1期，第77 - 105页。
  • 翻译: “Pollack, J. B.（1990年）。递归分布式表示。《人工智能》，46（1），第77 - 105页。”
  • 单词分析:
    • recursive: 形容词，词源来自拉丁语“recurrere”（跑回来），词义：递归的；循环的。
      • 记忆方法: 与 “recurrent” 类似，“re-”（再）+ “cur”（跑）+ “-sive”（形容词后缀）→ 再跑回来 → 递归的。
      • 形近词: recur / recursive / recurrence 。
      • 发音解析:
        • 音节分解: re + cur + sive /rɪˈkɜːsɪv/，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: sive → /sɪv/， “sive” 发 /sɪv/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音。

• Polyak, B. and Juditsky, A. (1992). Acceleration of stochastic approximation by averaging. SIAM J.
  • 句子分析: 介绍Polyak和Juditsky在1992年关于通过平均法加速随机逼近的研究，发表在《SIAM杂志》上。
  • 翻译: “Polyak, B.和Juditsky, A.（1992年）。通过平均法加速随机逼近。《SIAM杂志》。”
  • 单词分析:
    • acceleration: 名词，由 “accelerate”（加速）派生而来，词源来自拉丁语 “accelerare”（加速），词义：加速；加速度。
      • 记忆方法: “ac-”（加强）+ “celer”（速度）+ “-ation”（名词后缀）→ 加强速度 → 加速。
      • 形近词: accelerate / acceleration / accelerator（加速器）。
      • 发音解析:
        • 音节分解: ac + ce + ler + a + tion /əkˌseləˈreɪʃn/，重音在第二音节
        • 规则: ac → /ək/， “ac” 发 /ək/ 音，其中 “a” 发短元音 /ə/，“c” 发 /k/ 音。
        • 规则: ce → /siː/， “ce” 发 /siː/ 音，其中 “c” 发 /s/ 音，“e” 发长元音 /iː/。
        • 规则: ler → /lə(r)/， “ler” 发 /lə(r)/ 音，其中 “l” 发 /l/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
        • 规则: a → /ə/， “a” 发短元音 /ə/。
        • 规则: tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • stochastic: 形容词，词源来自希腊语 “stokhazesthai”（猜测），词义：随机的；不确定性的。
    • 记忆方法: 可以想象猜测的结果是不确定的，所以是随机的。
    • 形近词: stochastic / stochastically（随机地）。
    • 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 → /kæz/， “chas” 发 /kæz/ 音，其中 “ch” 发 /k/ 音，“a” 发短元音 /æ/，“s” 发 /z/ 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。

• Control and Optimization, 838–855. 30(4) 322 Polyak, B. T. (1964).
  • 句子分析:这是文献引用信息，表明了文献的主题“Control and Optimization”（控制与优化）、页码范围、卷号、期号、作者及发表年份。
  • 翻译:《控制与优化》，第838 - 855页。第30卷第4期 322 波利亚克，B. T.（1964年）。

• Some methods of speeding up the convergence of iteration methods.
  • 固定搭配:"speed up"意为“加速”；“convergence of...”意为“……的收敛”。
  • 句子分析:简单句，“Some methods”是主语，“of speeding up the convergence of iteration methods”是后置定语修饰“methods”。
  • 翻译:一些加速迭代方法收敛的方法。
  • 单词分析:
    • convergence:名词，词源来自拉丁语“convergere”（汇聚），词义：收敛；汇聚。
      • 记忆方法:“con-”（共同）+“verge”（边缘）→ 共同向边缘靠近 → 收敛。
      • 形近词:convergence/converge（动词，收敛）、divergence（分歧）。
      • 发音解析:
        • 音节分解:con + ver + gence /kənˈvɜːdʒəns/，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:ver → /vɜːr/，“ver”发 /vɜːr/ 音，其中“v”发 /v/ 音，“er”发长元音 /ɜːr/。
        • 规则:gence → /dʒəns/，“gence”发 /dʒəns/ 音，其中“g”发 /dʒ/ 音，“e”发短元音 /ə/，“nce”发 /ns/ 音。

• USSR Computational Mathematics and Mathematical Physics, (5), 1–17.
  • 句子分析:这是文献引用信息，表明了文献发表的期刊《苏联计算数学与数学物理》、期号和页码范围。
  • 翻译:《苏联计算数学与数学物理》，第5期，第1 - 17页。

• 4 296 Poole, B., Sohl-Dickstein, J., and Ganguli, S. (2014).
  • 句子分析:这是文献引用信息，表明了文献编号、作者及发表年份。
  • 翻译:4 296 普尔，B.，索尔 - 迪克斯坦，J.，和甘古利，S.（2014年）。

• Analyzing noise in autoencoders and deep networks.
  • 句子分析:动名词短语作标题，表达对自编码器和深度网络中噪声的分析。
  • 翻译:分析自编码器和深度网络中的噪声。
  • 单词分析:
    • autoencoder:名词，由“auto-”（自动）和“encoder”（编码器）组成，词义：自编码器。
      • 记忆方法:“auto-”（自动）+“encoder”（编码器）→ 自动编码器。
      • 形近词:autoencoder/encoder（编码器）、decoder（解码器）。
      • 发音解析:
        • 音节分解:au + to + en + co + der /ˌɔːtəʊɪnˈkəʊdə(r)/，重音在第三音节。
        • 规则:au → /ɔː/，“au”发 /ɔː/ 音。
        • 规则:to → /təʊ/，“to”发 /təʊ/ 音。
        • 规则:en → /ɪn/，“en”发 /ɪn/ 音。
        • 规则:co → /kəʊ/，“co”发 /kəʊ/ 音。
        • 规则:der → /də(r)/，“der”发 /də(r)/ 音。

• CoRR abs/1406.1831
  • 句子分析:这是文献引用信息，表明了文献在CoRR（计算机研究报告库）中的编号。
  • 翻译:计算机研究报告库编号 abs/1406.1831

• 241 Poon, H. and Domingos, P. (2011).
  • 句子分析:这是文献引用信息，表明了文献编号、作者及发表年份。
  • 翻译:241 潘，H. 和多明戈斯，P.（2011年）。

• Sum-product networks: A new deep architecture.
  • 句子分析:简单句，冒号后对“Sum - product networks”进行解释说明。
  • 翻译:和积网络：一种新的深度架构。
  • 单词分析:
    • architecture:名词，词源来自希腊语“arkhitekton”（建筑师），词义：架构；建筑风格。
      • 记忆方法:“archi-”（主要的）+“tect”（建造）+“-ure”（名词后缀）→ 主要的建造方式 → 架构。
      • 形近词:architecture/architect（建筑师）、tectonic（构造的）。
      • 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。
        • 规则:chi → /kɪ/，“chi”发 /kɪ/ 音。
        • 规则:tec → /tek/，“tec”发 /tek/ 音。
        • 规则:ture → /tʃə(r)/，“ture”发 /tʃə(r)/ 音。

• In Proceedings of the Twenty-seventh Conference in Uncertainty in Artificial Intelligence (UAI), Barcelona, Spain.
  • 固定搭配:"Proceedings of..."意为“……的会议记录；……的论文集”。
  • 句子分析:这是文献引用信息，表明了文献发表的会议名称、地点。
  • 翻译:收录于《第二十七届人工智能不确定性会议（UAI）论文集》，西班牙巴塞罗那。

• 556 Presley, R. K. and Haggard, R. L. (1994).
  • 句子分析:这是文献引用信息，表明了文献编号、作者及发表年份。
  • 翻译:556 普雷斯利，R. K. 和哈格德，R. L.（1994年）。

• A fixed point implementation of the backpropagation learning algorithm.
  • 固定搭配:"fixed point"意为“定点”；“backpropagation learning algorithm”意为“反向传播学习算法”。
  • 句子分析:简单句，“A fixed point implementation”是主语，“of the backpropagation learning algorithm”是后置定语修饰“implementation”。
  • 翻译:反向传播学习算法的定点实现。
  • 单词分析:
    • implementation:名词，词源来自“implement”（实施；执行），词义：实施；实现。
      • 记忆方法:“implement”（实施）+“-ation”（名词后缀）→ 实施的行为 → 实施；实现。
      • 形近词:implementation/implement（动词，实施）、implementer（实施者）。
      • 发音解析:
        • 音节分解:im + ple + men + ta + tion /ˌɪmplɪmenˈteɪʃn/，重音在第四音节。
        • 规则:im → /ɪm/，“im”发 /ɪm/ 音。
        • 规则:ple → /plɪ/，“ple”发 /plɪ/ 音。
        • 规则:men → /men/，“men”发 /men/ 音。
        • 规则:ta → /tə/，“ta”发 /tə/ 音。
        • 规则:tion → /ʃn/，“tion”发 /ʃn/ 音。

• In Southeastcon ’94. Creative Technology Transfer - A Global Affair., Proceedings of the 1994 IEEE, pages 136–138.
  • 句子分析:这是文献引用信息，表明了文献发表的会议名称、主题、所属会议论文集及页码范围。
  • 翻译:收录于1994年东南会议。《创新技术转移——全球事务》，1994年电气与电子工程师协会会议论文集，第136 - 138页。

• IEEE. 453 Price, R. (1958).
  • 句子分析:这是文献引用信息，表明了文献所属机构、编号、作者及发表年份。
  • 翻译:电气与电子工程师协会。453 普赖斯，R.（1958年）。

• A useful theorem for nonlinear devices having Gaussian inputs.
  • 固定搭配:"Gaussian inputs"意为“高斯输入”。
  • 句子分析:简单句，“A useful theorem”是主语，“for nonlinear devices having Gaussian inputs”是后置定语修饰“theorem”。
  • 翻译:一个适用于具有高斯输入的非线性设备的有用定理。
  • 单词分析:
    • nonlinear:形容词，由“non-”（非）和“linear”（线性的）组成，词义：非线性的。
      • 记忆方法:“non-”（非）+“linear”（线性的）→ 非线性的。
      • 形近词:nonlinear/linear（线性的）、nonliving（非生物的）。
      • 发音解析:
        • 音节分解:non + lin + ear /ˌnɒnˈlɪniə(r)/，重音在第二音节。
        • 规则:non → /nɒn/，“non”发 /nɒn/ 音。
        • 规则:lin → /lɪn/，“lin”发 /lɪn/ 音。
        • 规则:ear → /iə(r)/，“ear”发 /iə(r)/ 音。
  • Gaussian:形容词，词源来自数学家高斯（Gauss）的名字，词义：高斯的；高斯分布的。
    • 记忆方法:联想高斯的名字。
    • 形近词:Gaussian/Gauss（高斯）、Gaussion（错误拼写）。
    • 发音解析:
      • 音节分解:Gaus + si + an /ˈɡaʊsiən/，重音在第一音节。
      • 规则:Gaus → /ɡaʊs/，“Gaus”发 /ɡaʊs/ 音。
      • 规则:si → /si/，“si”发 /si/ 音。
      • 规则:an → /ən/，“an”发 /ən/ 音。

• IEEE Transactions on Information Theory, (2), 69–72.
  • 句子分析:这是文献引用信息，表明了文献发表的期刊《电气与电子工程师协会信息论汇刊》、期号和页码范围。
  • 翻译:《电气与电子工程师协会信息论汇刊》，第2期，第69 - 72页。

• 4 691 Quiroga, R. Q., Reddy, L., Kreiman, G., Koch, C., and Fried, I. (2005).
  • 句子分析:这是文献引用信息，表明了文献编号、作者及发表年份。
  • 翻译:4 691 基罗斯加，R. Q.，雷迪，L.，克莱曼，G.，科赫，C.，和弗里德，I.（2005年）。

• Invariant visual representation by single neurons in the human brain.
  • 句子分析:简单句，“Invariant visual representation”是主语，“by single neurons in the human brain”是后置定语修饰“representation”。
  • 翻译:人类大脑中单个神经元的不变视觉表征。
  • 单词分析:
    • invariant:形容词，词源来自拉丁语“in-”（不）+“varius”（变化的），词义：不变的；恒定的。
      • 记忆方法:“in-”（不）+“variant”（变化的）→ 不变的。
      • 形近词:invariant/variant（变体；变化的）、invariably（不变地）。
      • 发音解析:
        • 音节分解:in + var + i + ant /ɪnˈveəriənt/，重音在第二音节。
        • 规则:in → /ɪn/，“in”发 /ɪn/ 音。
        • 规则:var → /veə(r)/，“var”发 /veə(r)/ 音。
        • 规则:i → /i/，“i”发 /i/ 音。
        • 规则:ant → /ənt/，“ant”发 /ənt/ 音。
  • representation:名词，词源来自“represent”（代表；表现），词义：表征；表现。
    • 记忆方法:“represent”（代表）+“-ation”（名词后缀）→ 代表的行为 → 表征。
    • 形近词:representation/represent（动词，代表）、representative（代表；有代表性的）。
    • 发音解析:
      • 音节分解:re + pre + sen + ta + tion /ˌreprɪzenˈteɪʃn/，重音在第四音节。
      • 规则:re → /rɪ/，“re”发 /rɪ/ 音。
      • 规则:pre → /pre/，“pre”发 /pre/ 音。
      • 规则:sen → /sen/，“sen”发 /sen/ 音。
      • 规则:ta → /tə/，“ta”发 /tə/ 音。
      • 规则:tion → /ʃn/，“tion”发 /ʃn/ 音。

• Nature, 435 (7045), 1102–1107.
  • 句子分析:这是文献引用信息，表明了文献发表的期刊《自然》、卷号、期号和页码范围。
  • 翻译:《自然》，第435卷（第7045期），第1102 - 1107页。

• Radford, A., Metz, L., and Chintala, S. (2015).
  • 句子分析:这是文献引用信息，表明了作者及发表年份。
  • 翻译:拉德福德，A.，梅茨，L.，和钦塔拉，S.（2015年）。

• Unsupervised representation learning with deep convolutional generative adversarial networks.
  • 固定搭配:"unsupervised learning"意为“无监督学习”；“generative adversarial networks”意为“生成对抗网络”。
  • 句子分析:复杂名词短语作标题，描述了一种学习方式。
  • 翻译:使用深度卷积生成对抗网络的无监督表征学习。
  • 单词分析:
    • unsupervised:形容词，由“un-”（无；不）和“supervised”（有监督的）组成，词义：无监督的。
      • 记忆方法:“un-”（无）+“supervised”（有监督的）→ 无监督的。
      • 形近词:unsupervised/supervised（有监督的）、unsuit（不适合）。
      • 发音解析:
        • 音节分解:un + su + per + vis + ed /ˌʌnsuːpəˈvaɪzd/，重音在第三音节。
        • 规则:un → /ʌn/，“un”发 /ʌn/ 音。
        • 规则:su → /suː/，“su”发 /suː/ 音。
        • 规则:per → /pə(r)/，“per”发 /pə(r)/ 音。
        • 规则:vis → /vaɪz/，“vis”发 /vaɪz/ 音。
        • 规则:ed → /d/，“ed”发 /d/ 音。
  • convolutional:形容词，由“convolution”（卷积）+“-al”（形容词后缀）组成，词义：卷积的。
    • 记忆方法:“convolution”（卷积）+“-al”（形容词后缀）→ 卷积的。
    • 形近词:convolutional/convolution（名词，卷积）、revolutional（革命的）。
    • 发音解析:
      • 音节分解:con + vo + lu + tion + al /ˌkɒnvəˈluːʃənl/，重音在第三音节。
      • 规则:con → /kɒn/，“con”发 /kɒn/ 音。
      • 规则:vo → /vəʊ/，“vo”发 /vəʊ/ 音。
      • 规则:lu → /luː/，“lu”发 /luː/ 音。
      • 规则:tion → /ʃn/，“tion”发 /ʃn/ 音。
      • 规则:al → /l/，“al”发 /l/ 音。
  • generative:形容词，由“generate”（生成）+“-ive”（形容词后缀）组成，词义：生成的。
    • 记忆方法:“generate”（生成）+“-ive”（形容词后缀）→ 生成的。
    • 形近词:generative/generate（动词，生成）、generosity（慷慨）。
    • 发音解析:
      • 音节分解:gen + er + a + tive /ˈdʒenərətɪv/，重音在第一音节。
      • 规则:gen → /dʒen/，“gen”发 /dʒen/ 音。
      • 规则:er → /ər/，“er”发 /ər/ 音。
      • 规则:a → /ə/，“a”发 /ə/ 音。
      • 规则:tive → /tɪv/，“tive”发 /tɪv/ 音。
  • adversarial:形容词，由“adverse”（不利的；敌对的）+“-arial”（形容词后缀）组成，词义：对抗的；敌对的。
    • 记忆方法:“adverse”（敌对的）+“-arial”（形容词后缀）→ 对抗的。
    • 形近词:adversarial/adverse（不利的；敌对的）、advertise（广告）。
    • 发音解析:
      • 音节分解:ad + ver + sar + ial /ˌædvəˈseəriəl/，重音在第三音节。
      • 规则:ad → /æd/，“ad”发 /æd/ 音。
      • 规则:ver → /və(r)/，“ver”发 /və(r)/ 音。
      • 规则:sar → /sə(r)/，“sar”发 /sə(r)/ 音。
      • 规则:ial → /iəl/，“ial”发 /iəl/ 音。

• arXiv preprint arXiv:1511.06434.
  • 句子分析:这是文献引用信息，表明了文献在arXiv预印本平台上的编号。
  • 翻译:arXiv预印本 arXiv:1511.06434。

• Raiko, T., Yao, L., Cho, K., and Bengio, Y. (2014).
  • 句子分析:这是文献引用信息，表明了作者及发表年份。
  • 翻译:赖科，T.，姚，L.，赵，K.，和本吉奥，Y.（2014年）。

• Iterative neural autoregressive distribution estimator (NADE - k).
  • 句子分析:简单句，介绍了一种迭代的神经自回归分布估计器。
  • 翻译:迭代神经自回归分布估计器（NADE - k）。
  • 单词分析:
    • iterative:形容词，词源来自拉丁语“iterare”（重复），词义：迭代的；反复的。
      • 记忆方法:“itera-”（重复）+“-tive”（形容词后缀）→ 迭代的。
      • 形近词:iterative/iterate（动词，迭代）、iteration（迭代）。
      • 发音解析:
        • 音节分解:it + er + a + tive /ˈɪtərətɪv/，重音在第一音节。
        • 规则:it → /ɪt/，“it”发 /ɪt/ 音。
        • 规则:er → /ər/，“er”发 /ər/ 音。
        • 规则:a → /ə/，“a”发 /ə/ 音。
        • 规则:tive → /tɪv/，“tive”发 /tɪv/ 音。
  • autoregressive:形容词，由“auto-”（自动）+“regressive”（回归的）组成，词义：自回归的。
    • 记忆方法:“auto-”（自动）+“regressive”（回归的）→ 自回归的。
    • 形近词:autoregressive/regressive（回归的）、autobiography（自传）。
    • 发音解析:
      • 音节分解:au + to + re + gres + sive /ˌɔːtəʊrɪˈɡresɪv/，重音在第三音节。
      • 规则:au → /ɔː/，“au”发 /ɔː/ 音。
      • 规则:to → /təʊ/，“to”发 /təʊ/ 音。
      • 规则:re → /rɪ/，“re”发 /rɪ/ 音。
      • 规则:gres → /ɡres/，“gres”发 /ɡres/ 音。
      • 规则:sive → /sɪv/，“sive”发 /sɪv/ 音。
  • estimator:名词，由“estimate”（估计）+“-or”（表示人或物的后缀）组成，词义：估计器。
    • 记忆方法:“estimate”（估计）+“-or”（表示人或物的后缀）→ 估计器。
    • 形近词:estimator/estimate（动词，估计）、evaluation（评估）。
    • 发音解析:
      • 音节分解:es + ti + ma + tor /ˈestɪmeɪtə(r)/，重音在第一音节。
      • 规则:es → /es/，“es”发 /es/ 音。
      • 规则:ti → /tɪ/，“ti”发 /tɪ/ 音。
      • 规则:ma → /meɪ/，“ma”发 /meɪ/ 音。
      • 规则:tor → /tə(r)/，“tor”发 /tə(r)/ 音。

• Technical report, arXiv:1406.1485.
  • 句子分析:这是文献引用信息，表明了文献类型和在arXiv平台上的编号。
  • 翻译:技术报告，arXiv:1406.1485。

• Raina, R., Madhavan, A., and Ng, A. Y. (2009).
  • 句子分析:这是文献引用信息，表明了作者及发表年份。
  • 翻译:雷纳，R.，马德哈万，A.，和吴，A. Y.（2009年）。

• Large - scale deep unsupervised learning using graphics processors.
  • 固定搭配:"large - scale"意为“大规模的”。
  • 句子分析:简单句，描述了一种使用图形处理器的学习方式。
  • 翻译:使用图形处理器的大规模深度无监督学习。
  • 单词分析:
    • large - scale:形容词，由“large”（大的）和“scale”（规模）组成，词义：大规模的。
      • 记忆方法:“large”（大的）+“scale”（规模）→ 大规模的。
      • 形近词:large - scale/large（大的）、scale（规模）。
      • 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。
        • 规则:scale → /skeɪl/，“scale”发 /skeɪl/ 音。

• Littman, editors, Proceedings of the Twenty - sixth International Conference on Machine Learning (ICML ’09), pages 873–880, New York, NY, USA.
  • 固定搭配:“Proceedings of...”意为“……的会议记录/论文集”。
  • 句子分析:这是一个关于文献信息的表述，介绍了作者、会议名称、页码和地点等信息。
  • 翻译:利特曼，编辑，《第二十六届国际机器学习会议（ICML ’09）论文集》，第873 - 880页，美国纽约。
  • 单词分析:
    • Proceedings:名词，词源来自拉丁语“procedere”（前进），词义：会议记录；论文集。
      • 记忆方法:联想“pro -”（向前）+“ceed”（走）+“ings”，表示向前推进的东西，即会议推进过程的记录。
      • 形近词:proceed（继续进行）、procedure（程序）。
      • 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。

• ACM., 27 448 Ramsey, F. P. (1926). Truth and probability.
  • 句子分析:介绍了ACM（美国计算机协会）相关文献，以及作者拉姆齐和其作品《真理与概率》。
  • 翻译:美国计算机协会。27 448，拉姆齐，F. P.（1926年）。《真理与概率》。

• In R. B. Braithwaite, editor, The Foundations of Mathematics and other Logical Essays, chapter 7, pages 156–198.
  • 句子分析:说明文献《数学基础及其他逻辑论文》的编辑、章节和页码信息。
  • 翻译:在R. B. 布雷斯韦特编辑的《数学基础及其他逻辑论文》中，第7章，第156 - 198页。
  • 单词分析:
    • Foundations:名词，词源来自拉丁语“fundare”（建立），词义：基础；根据。
      • 记忆方法:联想“found”（建立）+“ation”（名词后缀），表示建立起来的东西，即基础。
      • 形近词:found（建立）、foundation（基础）。
      • 发音解析:
        • 音节分解:foun + da + tion /faʊnˈdeɪʃn/，重音在第二音节
        • 规则:foun → /faʊn/， “foun” 发 /faʊn/ 音，其中 “f” 发 /f/ 音，“ou” 发 /aʊ/ 音，“n” 发 /n/ 音。
        • 规则:da → /deɪ/， “da” 发 /deɪ/ 音，其中 “d” 发 /d/ 音，“a” 发长元音 /eɪ/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 发 /t/ 音，“i” 不发音，“on” 发 /ʃn/ 音。

• McMaster University Archive for the History of Economic Thought.
  • 句子分析:介绍了麦克马斯特大学经济思想史档案馆。
  • 翻译:麦克马斯特大学经济思想史档案馆。
  • 单词分析:
    • Archive:名词，词源来自希腊语“arkheion”（行政办公室），词义：档案馆；档案。
      • 记忆方法:谐音“啊快”，想象快速找到档案的场景。
      • 形近词:arch（拱门）、architect（建筑师）。
      • 发音解析:
        • 音节分解:ar + chive /ˈɑːkaɪv/，重音在第一音节
        • 规则:ar → /ɑː/， “ar” 发 /ɑː/ 音，其中 “a” 发长元音 /ɑː/，“r” 发 /r/ 音。
        • 规则:chive → /kaɪv/， “chive” 发 /kaɪv/ 音，其中 “ch” 发 /k/ 音，“i” 发长元音 /aɪ/，“v” 发 /v/ 音。

• Ranzato, M. and Hinton, G. H. (2010). Modeling pixel means and covariances using factorized third - order Boltzmann machines.
  • 句子分析:介绍了作者兰扎托和辛顿以及他们在2010年的研究内容，即使用因式分解的三阶玻尔兹曼机对像素均值和协方差进行建模。
  • 翻译:兰扎托，M. 和辛顿，G. H.（2010年）。使用因式分解的三阶玻尔兹曼机对像素均值和协方差进行建模。
  • 单词分析:
    • Covariances:名词，词源来自“co -”（共同）+“variance”（方差），词义：协方差。
      • 记忆方法:联想“co -”（共同）+“variance”（方差），表示两个变量共同的变化情况。
      • 形近词:variance（方差）、variant（变体）。
      • 发音解析:
        • 音节分解:co + var + i + ance /kəʊˈveərɪəns/，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/， “var” 发 /veə/ 音，其中 “v” 发 /v/ 音，“a” 发 /eə/ 音，“r” 发 /r/ 音。
        • 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。
  • Factorized:形容词，词源来自“factor”（因数）+“- ize”（使……化），词义：因式分解的。
    • 记忆方法:联想“factor”（因数）+“- ize”（使……化），表示将一个数分解成因数的形式。
    • 形近词:factor（因数）、factory（工厂）。
    • 发音解析:
      • 音节分解:fac + tor + ized /ˈfæktəraɪzd/，重音在第一音节
      • 规则:fac → /fæk/， “fac” 发 /fæk/ 音，其中 “f” 发 /f/ 音，“a” 发短元音 /æ/，“c” 发 /k/ 音。
      • 规则:tor → /tə/， “tor” 发 /tə/ 音，其中 “t” 发 /t/ 音，“o” 发短元音 /ə/，“r” 发 /r/ 音。
      • 规则:ized → /aɪzd/， “ized” 发 /aɪzd/ 音，其中 “i” 发长元音 /aɪ/，“z” 发 /z/ 音，“ed” 发 /d/ 音。

• In, pages 2551–2558. CVPR ’2010
  • 句子分析:说明文献在CVPR ’2010会议中的页码范围。
  • 翻译:在CVPR ’2010会议中，第2551 - 2558页。

• Ranzato, M., Poultney, C., Chopra, S., and LeCun, Y. (2007a). Efficient learning of sparse representations with an energy - based model.
  • 句子分析:介绍了作者兰扎托等人在2007年的研究内容，即使用基于能量的模型进行稀疏表示的高效学习。
  • 翻译:兰扎托，M.，波尔特尼，C.，乔普拉，S.，和勒昆，Y.（2007a）。使用基于能量的模型进行稀疏表示的高效学习。
  • 单词分析:
    • 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”（像丝线）+“parse”（解析），丝线分散开来，即稀疏的。
      • 形近词:spare（备用的）、spark（火花）。
      • 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 /r/ 音。
        • 规则:se → /s/， “se” 发 /s/ 音。
  • Representations:名词，词源来自“represent”（代表）+“- ation”（名词后缀），词义：表示；代表。
    • 记忆方法:联想“represent”（代表）+“- ation”（名词后缀），表示代表的事物或方式。
    • 形近词:represent（代表）、representation（表现）。
    • 发音解析:
      • 音节分解:re + pre + sent + ation /ˌreprɪzenˈteɪʃn/，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:ation → /eɪʃn/， “ation” 发 /eɪʃn/ 音，其中 “a” 发长元音 /eɪ/，“t” 发 /t/ 音，“ion” 发 /ʃn/ 音。

• In.,,,, NIPS’ 2006 14 19 509 530 532
  • 句子分析:说明文献在NIPS’ 2006会议中的相关信息。
  • 翻译:在NIPS’ 2006会议中，（页码等信息）14 19 509 530 532。

• Ranzato, M., Huang, F., Boureau, Y., and LeCun, Y. (2007b). Unsupervised learning of invariant feature hierarchies with applications to object recognition.
  • 句子分析:介绍了作者兰扎托等人在2007年的另一项研究内容，即无监督学习不变特征层次结构及其在目标识别中的应用。
  • 翻译:兰扎托，M.，黄，F.，布雷奥，Y.，和勒昆，Y.（2007b）。无监督学习不变特征层次结构及其在目标识别中的应用。
  • 单词分析:
    • Unsupervised:形容词，词源来自“un -”（否定）+“supervise”（监督），词义：无监督的。
      • 记忆方法:联想“un -”（否定）+“supervise”（监督），表示没有监督的。
      • 形近词:supervise（监督）、supervisor（监督者）。
      • 发音解析:
        • 音节分解:un + su + per + vised /ˌʌnsuːˈpaɪvaɪzd/，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/， “per” 发 /pə/ 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/，“z” 发 /z/ 音，“ed” 发 /d/ 音。
  • Invariant:形容词，词源来自“in -”（否定）+“variant”（变体），词义：不变的。
    • 记忆方法:联想“in -”（否定）+“variant”（变体），表示不会变化的。
    • 形近词:variant（变体）、variation（变化）。
    • 发音解析:
      • 音节分解:in + var + iant /ɪnˈveəriənt/，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 /n/ 音。
      • 规则:var → /veə/， “var” 发 /veə/ 音，其中 “v” 发 /v/ 音，“a” 发 /eə/ 音，“r” 发 /r/ 音。
      • 规则:iant → /iənt/， “iant” 发 /iənt/ 音，其中 “i” 发长元音 /iː/，“a” 发短元音 /ə/，“nt” 发 /nt/ 音。
  • Hierarchies:名词，词源来自希腊语“hierarkhes”（高级祭司），词义：层次结构；等级制度。
    • 记忆方法:联想“hier”（神圣的）+“archy”（统治），表示神圣的统治体系，即层次结构。
    • 形近词:hierarchy（层次结构）、anarchy（无政府状态）。
    • 发音解析:
      • 音节分解:hi + er + archy /ˈhaɪərɑːki/，重音在第一音节
      • 规则:hi → /haɪ/， “hi” 发 /haɪ/ 音，其中 “h” 发 /h/ 音，“i” 发长元音 /aɪ/。
      • 规则:er → /ə/， “er” 发 /ə/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音。
      • 规则:archy → /ɑːki/， “archy” 发 /ɑːki/ 音，其中 “a” 发长元音 /ɑː/，“r” 发 /r/ 音，“ch” 发 /k/ 音，“y” 发 /i/ 音。

• In Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR’07). IEEE Press.
  • 句子分析:说明文献发表在计算机视觉与模式识别会议（CVPR’07）的论文集中，由IEEE出版社出版。
  • 翻译:在《计算机视觉与模式识别会议（CVPR’07）论文集》中。IEEE出版社。

• Ranzato, M., Boureau, Y., and LeCun, Y. (2008). Sparse feature learning for deep belief networks.
  • 句子分析:介绍了作者兰扎托等人在2008年的研究内容，即深度信念网络的稀疏特征学习。
  • 翻译:兰扎托，M.，布雷奥，Y.，和勒昆，Y.（2008年）。深度信念网络的稀疏特征学习。
  • 单词分析:
    • Belief:名词，词源来自古英语“geleafa”，词义：信念；信仰。
      • 记忆方法:联想“believe”（相信）去掉“e”加“f”，表示相信的东西，即信念。
      • 形近词:believe（相信）、relief（缓解）。
      • 发音解析:
        • 音节分解:be + lief /bɪˈliːf/，重音在第二音节
        • 规则:be → /bɪ/， “be” 发 /bɪ/ 音，其中 “b” 发 /b/ 音，“e” 发短元音 /ɪ/。
        • 规则:lief → /liːf/， “lief” 发 /liːf/ 音，其中 “l” 发 /l/ 音，“i” 发长元音 /iː/，“ef” 发 /f/ 音。

• In., NIPS’ 2007 509
  • 句子分析:说明文献在NIPS’ 2007会议中的相关信息。
  • 翻译:在NIPS’ 2007会议中，（页码）509。

• Ranzato, M., Krizhevsky, A., and Hinton, G. E. (2010a). Factored 3 - way restricted Boltzmann machines for modeling natural images.
  • 句子分析:介绍了作者兰扎托等人在2010年的研究内容，即使用因式分解的三向受限玻尔兹曼机对自然图像进行建模。
  • 翻译:兰扎托，M.，克里兹夫斯基，A.，和辛顿，G. E.（2010a）。使用因式分解的三向受限玻尔兹曼机对自然图像进行建模。
  • 单词分析:
    • Restricted:形容词，词源来自“restrict”（限制）+“- ed”（形容词后缀），词义：受限的；受限制的。
      • 记忆方法:联想“restrict”（限制）+“- ed”（形容词后缀），表示被限制的。
      • 形近词:restrict（限制）、restriction（限制）。
      • 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。
        • 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音，其中 “e” 发短元音 /ɪ/，“d” 发 /d/ 音。

• In Proceedings of AISTATS 2010.
  • 句子分析:说明文献发表在AISTATS 2010会议的论文集中。
  • 翻译:在《AISTATS 2010会议论文集》中。

• , Ranzato, M., Mnih, V., and Hinton, G. (2010b). Generating more realistic images using gated MRFs.
  • 句子分析:介绍了作者兰扎托等人在2010年的另一项研究内容，即使用门控马尔可夫随机场生成更逼真的图像。
  • 翻译:兰扎托，M.，米尼，V.，和辛顿，G.（2010b）。使用门控马尔可夫随机场生成更逼真的图像。
  • 单词分析:
    • Realistic:形容词，词源来自“real”（真实的）+“- istic”（形容词后缀），词义：逼真的；现实的。
      • 记忆方法:联想“real”（真实的）+“- istic”（形容词后缀），表示具有真实感的。
      • 形近词:real（真实的）、reality（现实）。
      • 发音解析:
        • 音节分解:re + al + istic /ˌriːəˈlɪstɪk/，重音在第二音节
        • 规则:re → /riː/， “re” 发 /riː/ 音，其中 “r” 发 /r/ 音，“e” 发长元音 /iː/。
        • 规则:al → /ə/， “al” 发 /ə/ 音，其中 “a” 发短元音 /ə/，“l” 发 /l/ 音。
        • 规则:istic → /ɪstɪk/， “istic” 发 /ɪstɪk/ 音，其中 “i” 发短元音 /ɪ/，“s” 发 /s/ 音，“t” 发 /t/ 音，“ic” 发 /k/ 音。

• In., NIPS’ 2010 682
  • 句子分析:说明文献在NIPS’ 2010会议中的相关信息。
  • 翻译:在NIPS’ 2010会议中，（页码）682。

• Rao, C. (1945). Information and the accuracy attainable in the estimation of statistical parameters.
  • 句子分析:介绍了作者拉奥在1945年的研究内容，即信息以及统计参数估计中可达到的准确性。
  • 翻译:拉奥，C.（1945年）。信息以及统计参数估计中可达到的准确性。
  • 单词分析:
    • Attainable:形容词，词源来自“attain”（达到）+“- able”（形容词后缀），词义：可达到的；可获得的。
      • 记忆方法:联想“attain”（达到）+“- able”（形容词后缀），表示能够达到的。
      • 形近词:attain（达到）、attainment（成就）。
      • 发音解析:
        • 音节分解:at + tain + able /əˈteɪnəbl/，重音在第二音节
        • 规则:at → /ə/， “at” 发 /ə/ 音，其中 “a” 发短元音 /ə/，“t” 发 /t/ 音。
        • 规则:tain → /teɪn/， “tain” 发 /teɪn/ 音，其中 “t” 发 /t/ 音，“a” 发长元音 /eɪ/，“in” 发 /n/ 音。
        • 规则:able → /əbl/， “able” 发 /əbl/ 音，其中 “a” 发短元音 /ə/，“b” 发 /b/ 音，“le” 发 /l/ 音。
  • Estimation:名词，词源来自“estimate”（估计）+“- ation”（名词后缀），词义：估计；估算。
    • 记忆方法:联想“estimate”（估计）+“- ation”（名词后缀），表示估计的行为或结果。
    • 形近词:estimate（估计）、estimator（估计量）。
    • 发音解析:
      • 音节分解:es + ti + ma + tion /ˌestɪˈmeɪʃn/，重音在第三音节
      • 规则:es → /es/， “es” 发 /es/ 音，其中 “e” 发短元音 /e/，“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: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” 不发音，“on” 发 /ʃn/ 音。
  • Parameters:名词，词源来自希腊语“para -”（旁边）+“metron”（测量），词义：参数；参量。
    • 记忆方法:联想“para -”（旁边）+“metron”（测量），表示在旁边辅助测量的东西，即参数。
    • 形近词:parameter（参数）、perimeter（周长）。
    • 发音解析:
      • 音节分解:pa + ram + e + ter /pəˈræmɪtə/，重音在第二音节
      • 规则:pa → /pə/， “pa” 发 /pə/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /ə/。
      • 规则:ram → /ræm/， “ram” 发 /ræm/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /æ/，“m” 发 /m/ 音。
      • 规则:e → /ɪ/， “e” 发短元音 /ɪ/。
      • 规则:ter → /tə/， “ter” 发 /tə/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。

• Bulletin of the Calcutta Mathematical Society,, 81–89., 37 135 295
  • 句子分析:说明文献发表在《加尔各答数学协会公报》上，以及页码范围等信息。
  • 翻译:《加尔各答数学协会公报》，（页码）81 - 89。37 135 295。

• Rasmus, A., Valpola, H., Honkala, M., Berglund, M., and Raiko, T. (2015).
  • 句子分析:介绍了作者拉斯穆斯等人在2015年有相关研究，但未给出具体研究内容。
  • 翻译:拉斯穆斯，A.，瓦尔波拉，H.，洪卡拉，M.，贝格伦德，M.，和赖科，T.（2015年）。

• Semi-supervised learning with ladder network. arXiv preprint arXiv: 1507.02672.
  • 句子分析:简单描述性短语，介绍了使用梯状网络的半监督学习及相关预印本编号。
  • 翻译:"使用梯状网络的半监督学习。arXiv预印本 arXiv: 1507.02672。"
  • 单词分析:
    • semi-supervised:形容词，“semi-”表示“半”，“supervised”来自“supervise”（监督），词义：半监督的。
      • 记忆方法:“semi-”（半）加上“supervised”（监督的），可联想为部分监督的。
      • 形近词:semi-automatic（半自动的）。
      • 发音解析:
        • 音节分解:semi + su + per + vised /ˌsemiˈsuːpəvaɪzd/，重音在第二音节
        • 规则:semi → /ˈsemi/， “semi” 发 /ˈsemi/ 音，其中 “se” 发 /s/ 音，“mi” 发 /mi/ 音。
        • 规则:su → /suː/， “su” 发长音 /suː/。
        • 规则:per → /pə(r)/， “per” 发 /pə(r)/ 音。
        • 规则:vised → /vaɪzd/， “vised” 发 /vaɪzd/ 音，其中 “vi” 发 /vaɪ/ 音，“sed” 发 /zd/ 音。
  • preprint:名词，“pre-”表示“预先”，“print”表示“印刷”，词义：预印本。
    • 记忆方法:“pre-”（预先）加上“print”（印刷），即预先印刷的版本。
    • 形近词:reprint（再版）。
    • 发音解析:
      • 音节分解:pre + print /ˈpriːprɪnt/，重音在第一音节
      • 规则:pre → /priː/， “pre” 发长音 /priː/。
      • 规则:print → /prɪnt/， “print” 发 /prɪnt/ 音。

• 428 532 Recht, B., Re, C., Wright, S., and Niu, F. (2011).
  • 句子分析:列出作者及年份信息，简单陈述。
  • 翻译:"428 532 雷克特，B.，雷，C.，赖特，S.，和牛，F.（2011年）。"

• Hogwild: A lock-free approach to parallelizing stochastic gradient descent.
  • 固定搭配:"a... approach to"意为 "一种……的方法"；“lock-free”意为“无锁的”。
  • 句子分析:简单句，介绍了“Hogwild”这种无锁方法用于随机梯度下降并行化。
  • 翻译:"Hogwild：一种用于随机梯度下降并行化的无锁方法。"
  • 单词分析:
    • lock-free:形容词，“lock”（锁）加上“-free”（无……的），词义：无锁的。
      • 记忆方法:直接理解为没有锁的状态。
      • 形近词:smoke-free（无烟的）。
      • 发音解析:
        • 音节分解:lock + free /ˈlɒkfriː/，重音在第一音节
        • 规则:lock → /lɒk/， “lock” 发 /lɒk/ 音。
        • 规则:free → /friː/， “free” 发长音 /friː/。
  • parallelizing:动词现在分词，“parallel”（平行的）加上“-ize”（使……化），词义：使并行化。
    • 记忆方法:“parallel”（平行）加上“-ize”（使……化），表示使变成平行的状态，即并行化。
    • 形近词:realize（实现）。
    • 发音解析:
      • 音节分解:par + al + lel + iz + ing /ˈpærəlaɪzɪŋ/，重音在第一音节
      • 规则:par → /pær/， “par” 发 /pær/ 音。
      • 规则:al → /əl/， “al” 发 /əl/ 音。
      • 规则:lel → /l/， “lel” 发音较模糊，类似 /l/ 音。
      • 规则:iz → /aɪz/， “iz” 发 /aɪz/ 音。
      • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音。
  • stochastic:形容词，词源来自希腊语“stokhazesthai”（猜测），词义：随机的。
    • 记忆方法:可联想为像猜测一样不确定的，即随机的。
    • 形近词:stoical（坚忍的）。
    • 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。
      • 规则:chas → /kæs/， “chas” 发 /kæs/ 音。
      • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音。
  • gradient:名词，词源来自拉丁语“gradus”（步），词义：梯度。
    • 记忆方法:可联想为像一步步变化的程度，即梯度。
    • 形近词:gradual（逐渐的）。
    • 发音解析:
      • 音节分解:gra + di + ent /ˈɡreɪdiənt/，重音在第一音节
      • 规则:gra → /ɡreɪ/， “gra” 发 /ɡreɪ/ 音。
      • 规则:di → /di/， “di” 发 /di/ 音。
      • 规则:ent → /ənt/， “ent” 发 /ənt/ 音。
  • descent:名词，“de-”表示“向下”，“scent”来自“scandere”（爬），词义：下降；梯度下降。
    • 记忆方法:“de-”（向下）加上“scent”（爬），表示向下爬，即下降。
    • 形近词:ascent（上升）。
    • 发音解析:
      • 音节分解:de + scent /dɪˈsent/，重音在第二音节
      • 规则:de → /dɪ/， “de” 发 /dɪ/ 音。
      • 规则:scent → /sent/， “scent” 发 /sent/ 音。

• In.
  • 句子分析:单独的介词，信息不完整。
  • 翻译:"在……里。"

• NIPS’ 2011 449 Reichert, D. P., Seriès, P., and Storkey, A. J. (2011).
  • 句子分析:列出会议信息、编号及作者年份信息。
  • 翻译:"神经信息处理系统大会（NIPS）2011年 449 赖歇特，D. P.，塞里斯，P.，和斯托基，A. J.（2011年）。"

• Neuronal adaptation for sampling-based probabilistic inference in perceptual bistability.
  • 固定搭配:"adaptation for"意为 "对……的适应"；“probabilistic inference”意为“概率推断”。
  • 句子分析:描述了在感知双稳态中基于采样的概率推断的神经元适应。
  • 翻译:"感知双稳态中基于采样的概率推断的神经元适应。"
  • 单词分析:
    • neuronal:形容词，“neuron”（神经元）加上“-al”（……的），词义：神经元的。
      • 记忆方法:“neuron”（神经元）加上“-al”（……的），表示与神经元有关的。
      • 形近词:muscular（肌肉的）。
      • 发音解析:
        • 音节分解:neu + ro + nal /njʊˈrəʊnəl/，重音在第二音节
        • 规则:neu → /njʊ/， “neu” 发 /njʊ/ 音。
        • 规则:ro → /rəʊ/， “ro” 发 /rəʊ/ 音。
        • 规则:nal → /nəl/， “nal” 发 /nəl/ 音。
  • adaptation:名词，“adapt”（适应）加上“-ation”（名词后缀），词义：适应。
    • 记忆方法:“adapt”（适应）加上“-ation”（名词后缀），表示适应的行为或状态。
    • 形近词:adoption（收养）。
    • 发音解析:
      • 音节分解:ad + ap + ta + tion /ˌædæpˈteɪʃn/，重音在第三音节
      • 规则:ad → /æd/， “ad” 发 /æd/ 音。
      • 规则:ap → /æp/， “ap” 发 /æp/ 音。
      • 规则:ta → /tə/， “ta” 发 /tə/ 音。
      • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • probabilistic:形容词，“probability”（概率）加上“-istic”（……的），词义：概率的。
    • 记忆方法:“probability”（概率）加上“-istic”（……的），表示与概率有关的。
    • 形近词:pragmatic（务实的）。
    • 发音解析:
      • 音节分解:prob + a + bil + is + tic /ˌprɒbəbɪˈlɪstɪk/，重音在第三音节
      • 规则:prob → /prɒb/， “prob” 发 /prɒb/ 音。
      • 规则:a → /ə/， “a” 发 /ə/ 音。
      • 规则:bil → /bɪl/， “bil” 发 /bɪl/ 音。
      • 规则:is → /ɪs/， “is” 发 /ɪs/ 音。
      • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音。
  • inference:名词，“infer”（推断）加上“-ence”（名词后缀），词义：推断。
    • 记忆方法:“infer”（推断）加上“-ence”（名词后缀），表示推断的行为或结果。
    • 形近词:reference（参考）。
    • 发音解析:
      • 音节分解:in + fer + ence /ˈɪnfərəns/，重音在第一音节
      • 规则:in → /ɪn/， “in” 发 /ɪn/ 音。
      • 规则:fer → /fə(r)/， “fer” 发 /fə(r)/ 音。
      • 规则:ence → /əns/， “ence” 发 /əns/ 音。
  • bistability:名词，“bi-”表示“双”，“stability”（稳定性），词义：双稳态。
    • 记忆方法:“bi-”（双）加上“stability”（稳定性），表示有两种稳定状态。
    • 形近词:instability（不稳定）。
    • 发音解析:
      • 音节分解:bi + sta + bil + i + ty /ˌbaɪstəˈbɪləti/，重音在第三音节
      • 规则:bi → /baɪ/， “bi” 发 /baɪ/ 音。
      • 规则:sta → /stə/， “sta” 发 /stə/ 音。
      • 规则:bil → /bɪl/， “bil” 发 /bɪl/ 音。
      • 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
      • 规则:ty → /ti/， “ty” 发 /ti/ 音。

• In Advances in Neural Information Processing Systems, pages 2357–2365. 668 765
  • 句子分析:说明文章所在的会议论文集及页码等信息。
  • 翻译:"《神经信息处理系统进展》，第2357 - 2365页。668 765"

• L1-- Page Break ---
  • 句子分析:表示页面分隔。
  • 翻译:"--- 页面分隔 ---"

• BIBLIOGRAPHY
  • 句子分析:表示参考文献部分。
  • 翻译:"参考文献"

• Rezende, D. J., Mohamed, S., and Wierstra, D. (2014).
  • 句子分析:列出作者及年份信息。
  • 翻译:"雷森德，D. J.，穆罕默德，S.，和维斯特拉，D.（2014年）。"

• Stochastic backpropagation and approximate inference in deep generative models.
  • 固定搭配:"backpropagation"意为“反向传播”；“approximate inference”意为“近似推断”。
  • 句子分析:介绍了深度生成模型中的随机反向传播和近似推断。
  • 翻译:"深度生成模型中的随机反向传播和近似推断。"
  • 单词分析:
    • backpropagation:名词，“back-”表示“向后”，“propagation”（传播），词义：反向传播。
      • 记忆方法:“back-”（向后）加上“propagation”（传播），表示传播方向是向后的。
      • 形近词:propagation（传播）。
      • 发音解析:
        • 音节分解:back + pro + pa + ga + tion /ˌbækprɒpəˈɡeɪʃn/，重音在第三音节
        • 规则:back → /bæk/， “back” 发 /bæk/ 音。
        • 规则:pro → /prɒ/， “pro” 发 /prɒ/ 音。
        • 规则:pa → /pə/， “pa” 发 /pə/ 音。
        • 规则:ga → /ɡə/， “ga” 发 /ɡə/ 音。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • approximate:形容词，词源来自拉丁语“approximatus”（接近），词义：近似的。
    • 记忆方法:可联想为接近实际情况但不完全准确，即近似的。
    • 形近词:approximation（近似值）。
    • 发音解析:
      • 音节分解:ap + pro + xi + mate /əˈprɒksɪmət/，重音在第二音节
      • 规则:ap → /əp/， “ap” 发 /əp/ 音。
      • 规则:pro → /prɒ/， “pro” 发 /prɒ/ 音。
      • 规则:xi → /ksɪ/， “xi” 发 /ksɪ/ 音。
      • 规则:mate → /mət/， “mate” 发 /mət/ 音。
  • generative:形容词，“generate”（生成）加上“-ive”（……的），词义：生成的。
    • 记忆方法:“generate”（生成）加上“-ive”（……的），表示具有生成能力的。
    • 形近词:productive（生产性的）。
    • 发音解析:
      • 音节分解:gen + er + a + tive /ˈdʒenərətɪv/，重音在第一音节
      • 规则:gen → /dʒen/， “gen” 发 /dʒen/ 音。
      • 规则:er → /ə(r)/， “er” 发 /ə(r)/ 音。
      • 规则:a → /ə/， “a” 发 /ə/ 音。
      • 规则:tive → /tɪv/， “tive” 发 /tɪv/ 音。

• In.
  • 句子分析:单独的介词，信息不完整。
  • 翻译:"在……里。"

• Preprint: ICML ’2014 arXiv: 1401.4082., , 654 691 698
  • 句子分析:说明预印本信息，包括会议和编号等。
  • 翻译:"预印本：国际机器学习会议（ICML）2014年 arXiv: 1401.4082。 654 691 698"

• Rifai, S., Vincent, P., Muller, X., Glorot, X., and Bengio, Y. (2011a).
  • 句子分析:列出作者及年份信息。
  • 翻译:"里法伊，S.，文森特，P.，穆勒，X.，格洛罗，X.，和本吉奥，Y.（2011a）。"

• Contractive auto-encoders: Explicit invariance during feature extraction.
  • 固定搭配:"contractive auto-encoders"意为“收缩自动编码器”；“feature extraction”意为“特征提取”。
  • 句子分析:介绍了收缩自动编码器在特征提取过程中的明确不变性。
  • 翻译:"收缩自动编码器：特征提取过程中的明确不变性。"
  • 单词分析:
    • contractive:形容词，“contract”（收缩）加上“-ive”（……的），词义：收缩的。
      • 记忆方法:“contract”（收缩）加上“-ive”（……的），表示具有收缩特性的。
      • 形近词:attractive（有吸引力的）。
      • 发音解析:
        • 音节分解:con + tract + ive /kənˈtræktɪv/，重音在第二音节
        • 规则:con → /kən/， “con” 发 /kən/ 音。
        • 规则:tract → /trækt/， “tract” 发 /trækt/ 音。
        • 规则:ive → /ɪv/， “ive” 发 /ɪv/ 音。
  • auto-encoder:名词，“auto-”表示“自动”，“encoder”（编码器），词义：自动编码器。
    • 记忆方法:“auto-”（自动）加上“encoder”（编码器），表示自动进行编码的设备。
    • 形近词:decoder（解码器）。
    • 发音解析:
      • 音节分解:auto + en + co + der /ˈɔːtəʊɪnkəʊdə(r)/，重音在第一音节
      • 规则:auto → /ˈɔːtəʊ/， “auto” 发 /ˈɔːtəʊ/ 音。
      • 规则:en → /ɪn/， “en” 发 /ɪn/ 音。
      • 规则:co → /kəʊ/， “co” 发 /kəʊ/ 音。
      • 规则:der → /də(r)/， “der” 发 /də(r)/ 音。
  • invariance:名词，“in-”表示“不”，“variance”（变化），词义：不变性。
    • 记忆方法:“in-”（不）加上“variance”（变化），表示不发生变化的性质。
    • 形近词:variance（方差）。
    • 发音解析:
      • 音节分解:in + var + i + ance /ɪnˈveəriəns/，重音在第二音节
      • 规则:in → /ɪn/， “in” 发 /ɪn/ 音。
      • 规则:var → /veə(r)/， “var” 发 /veə(r)/ 音。
      • 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
      • 规则:ance → /əns/， “ance” 发 /əns/ 音。
  • extraction:名词，“extract”（提取）加上“-ion”（名词后缀），词义：提取。
    • 记忆方法:“extract”（提取）加上“-ion”（名词后缀），表示提取的行为或过程。
    • 形近词:attraction（吸引力）。
    • 发音解析:
      • 音节分解:ex + tra + ction /ɪkˈstrækʃn/，重音在第二音节
      • 规则:ex → /ɪkˈs/， “ex” 发 /ɪkˈs/ 音。
      • 规则:tra → /trə/， “tra” 发 /trə/ 音。
      • 规则:ction → /ækʃn/， “ction” 发 /ækʃn/ 音。

• In., , ICML ’2011 523 524 525
  • 句子分析:说明文章所在会议及页码信息。
  • 翻译:"在…… 国际机器学习会议（ICML）2011年 523 524 525"

• Rifai, S., Mesnil, G., Vincent, P., Muller, X., Bengio, Y., Dauphin, Y., and Glorot, X. (2011b).
  • 句子分析:列出作者及年份信息。
  • 翻译:"里法伊，S.，梅斯尼尔，G.，文森特，P.，穆勒，X.，本吉奥，Y.，多芬，Y.，和格洛罗，X.（2011b）。"

• Higher order contractive auto-encoder.
  • 固定搭配:"higher order"意为“高阶的”。
  • 句子分析:介绍了高阶收缩自动编码器。
  • 翻译:"高阶收缩自动编码器。"
  • 单词分析:
    • higher order:短语，“higher”（更高的），“order”（阶），词义：高阶的。
      • 记忆方法:直接理解为比普通阶数更高的。
      • 形近词:lower order（低阶的）。
      • 发音解析:
        • 音节分解:high + er + or + der /ˈhaɪər ˈɔːdə(r)/，重音在第一和第三音节
        • 规则:high → /haɪ/， “high” 发 /haɪ/ 音。
        • 规则:er → /ə(r)/， “er” 发 /ə(r)/ 音。
        • 规则:or → /ɔː(r)/， “or” 发 /ɔː(r)/ 音。
        • 规则:der → /də(r)/， “der” 发 /də(r)/ 音。

• In., , ECML PKDD 523 524
  • 句子分析:说明文章所在会议及页码信息。
  • 翻译:"在…… 欧洲机器学习会议和知识发现数据库会议（ECML PKDD）523 524"

• Rifai, S., Dauphin, Y., Vincent, P., Bengio, Y., and Muller, X. (2011c).
  • 句子分析:列出作者及年份信息。
  • 翻译:"里法伊，S.，多芬，Y.，文森特，P.，本吉奥，Y.，和穆勒，X.（2011c）。"

• The manifold tangent classifier.
  • 固定搭配:"manifold tangent classifier"意为“流形切分类器”。
  • 句子分析:介绍了流形切分类器。
  • 翻译:"流形切分类器。"
  • 单词分析:
    • manifold:名词，词源来自拉丁语“manus”（手）和“fold”（折叠），词义：流形。
      • 记忆方法:可联想为像手可以折叠出各种形状一样，流形有多种形态。
      • 形近词:mankind（人类）。
      • 发音解析:
        • 音节分解:man + i + fold /ˈmænɪfəʊld/，重音在第一音节
        • 规则:man → /mæn/， “man” 发 /mæn/ 音。
        • 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
        • 规则:fold → /fəʊld/， “fold” 发 /fəʊld/ 音。
  • tangent:名词，词源来自拉丁语“tangere”（接触），词义：切线；切分类器中的“切”相关概念。
    • 记忆方法:可联想为与某个物体接触的线，即切线。
    • 形近词:tangible（可触摸的）。
    • 发音解析:
      • 音节分解:tan + gent /ˈtændʒənt/，重音在第一音节
      • 规则:tan → /tæn/， “tan” 发 /tæn/ 音。
      • 规则:gent → /dʒənt/， “gent” 发 /dʒənt/ 音。
  • classifier:名词，“classify”（分类）加上“-er”（表示人或物的后缀），词义：分类器。
    • 记忆方法:“classify”（分类）加上“-er”（表示人或物的后缀），表示进行分类的设备或工具。
    • 形近词:clarifier（澄清器）。
    • 发音解析:
      • 音节分解:class + i + fi + er /ˈklæsɪfaɪə(r)/，重音在第一音节
      • 规则:class → /klɑːs/， “class” 发 /klɑːs/ 音。
      • 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
      • 规则:fi → /faɪ/， “fi” 发 /faɪ/ 音。
      • 规则:er → /ə(r)/， “er” 发 /ə(r)/ 音。

• In.
  • 句子分析:单独的介词，信息不完整。
  • 翻译:"在……里。"