• ==================【DeepLearningBook_138.txt】================== assum ptions Indep enden t comp onen t analys is, 493 Indep enden t subspa ce analys is, 495 Inequa lit y constr ain t, 94 Inferen ce, , , , , , , , 564 585 633 635 637 640 650 653 Inform ation retriev al, 527 Initial ization , 301 In tegral, xiii In v arianc e, 342 Isotro pic, 65 Jacobi an matrix , , , xiii 72 86 Join t probab ilit y , 57 k -mean s, , 364 548 k -neare st neighb ors, , 143 550 Karus h-Kuh n-T uc k er condit ions, , 95 237 Karus h–Kuh n–T uc k er, 94 Kerne l (con v olution ), , 331 332 Kerne l mac hine, 550 Kerne l tric k, 141 KKT, se e Karus h–Kuh n–T uc k er KKT condit ions, se e Karus h-Kuh n-T uck er condit ions KL div ergenc e, se e Kullba ck-Le ibler diver- gence Kno wledge base, , 2 485 Krylo v metho ds, 223 Kullba c k-Leib ler div ergenc e, , xiii 74 Lab el smo othing , 243 Lagra nge m ultipli ers, , 94 648 Lagra ngian, se e genera lized Lagra ngian LAPG AN, 704 Laplac e distrib ution, , , 65 498 499 Laten t v ariabl e, 67 La y er (neura l net w ork), 167 LCN, se e lo cal con trast norma lizatio n Leaky ReLU , 192 Leaky units, 408 Learni ng rate, 85 Line searc h, , , 85 86 93 Linear com binati on, 37 Linear dep enden ce, 38 Linear factor mo dels, 491 Linear regres sion, , , 107 110 140 Link predic tion, 486 Lipsc hitz consta n t, 92 Lipsc hitz con tin uous, 92 Liquid state mac hine, 405 783 --- Page Break --- INDEX Lo cal condit ional probab ility distrib ution, 566 Lo cal con trast norma lizatio n, 458 Logist ic regres sion, , , 3 140 140 Logist ic sigmo id, , 7 67 Long short- term memo ry , , , , 18 25 306 410 , 427 Lo op, 581 Lo op y b elief propag ation , 587 Loss functi on, se e ob jectiv e functi on L p norm, 39 LSTM , se e long short- term memo ry M-step , 636 Mac hine learnin g, 2 Mac hine transla tion, 101 Main diagon al, 33 Manif old, 160 Manif old h yp othesi s, 161 Manif old learnin g, 161 Manif old tangen t classifi er, 272 MAP appro ximat ion, , 138 507 Margi nal probab ilit y , 58 Mark o v c hain, 597 Mark o v c hain Mon te Carlo, 597 Mark o v net w ork, se e undire cted mo del Mark o v random field, se e undire cted mo del Matrix , , , xi xii 32 Matrix in v erse, 36 Matrix pro duct, 34 Max norm, 40 Max p o oling, 339 Maxim um lik eliho o d, 131 Maxou t, , 192 427 MCM C, se e Mark o v c hain Mon te Carlo Mean field, , , 640 641 674 Mean square d error, 108 Measu re theory , 71 Measu re zero, 71 Memo ry net w ork, , 418 420 Metho d of ste epest descen t, se e gradie nt descen t Minib atc h, 279 Missin g inputs , 100 Mixin g (Mark o v c hain), 603 Mixtu re densit y net w orks, 188 Mixtu re distrib ution, 66 Mixtu re mo del, , 188 512 Mixtu re of exp erts, , 452 550 MLP , se e m ultila y er p ercept ion MNIS T, , , 21 22 674 Mo del a v eragin g, 256 Mo del compr ession , 450 Mo del iden tifiabi lit y , 284 Mo del parall elism, 449 Mome n t matc hing, 705 Mo ore-P enrose pseudo in v erse, , 45 239 Moral ized graph, 579 MP-D BM, se e m ulti-pr edictio n DBM MRF (Mark o v Ran dom Field) , se e undi- rected mo del MSE, se e mean square d error Multi- mo dal learnin g, 541 Multi- predic tion DBM, 676 Multi- task learnin g, , 244 540 Multil a y er p ercept ion, 5 Multil a y er p ercept ron, 27 Multin omial distrib ution, 62 Multin oulli distrib ution, 62 n -gram , 463 NADE , 710 Naiv e Ba y es, 3 Nat, 73 Natur al image , 561 Natur al langua ge pro cessing , 463 Neares t neigh b or regres sion, 115 Negat iv e definit e, 89 Negat iv e phase, , , 472 608 610 Neo cognit ron, , , , 16 24 27 367 Nester o v mome n tum, 300 Netflix Grand Prize, , 258 481 Neura l langua ge mo del, , 465 478 Neura l net w ork, 13 Neura l T uring mac hine, 420 Neuro science , 15 Newto n’s metho d, , 89 310 NLM, se e neural langua ge mo del NLP , se e natura l langua ge pro cessing No free lunc h theore m, 116 784 --- Page Break --- INDEX Noise- con trastiv e estima tion, 622 Non-p arame tric mo del, 114 Norm, , xiv 39 Norma l distrib ution, , , 63 64 125 Norma l equati ons, , , , 109 109 112 234 Norma lized initial ization , 303 Nume rical differe ntiatio n, se e finite differ- ences Ob ject detect ion, 455 Ob ject recogn ition, 455 Ob jectiv e functi on, 82 OMP- , k se e orthog onal match ing pursui t One-sh ot learnin g, 540 Op eration , 204 Optim izatio n, , 80 82 Ortho do x statist ics, se e freque ntist statist ics Ortho gonal matc hing pursui t, , 27 255 Ortho gonal matrix , 42 Ortho gonali t y , 41 Outpu t la y er, 167 P arallel distrib uted pro cessing , 17 P arame ter initial ization , , 301 407 P arame ter sharin g, , , , , 253 335 373 375 389 P arame ter t ying, se e P arame ter sharin g P arame tric mo del, 114 P arame tric ReLU , 192 P artial deriv ativ e, 84 P artitio n functi on, , , 570 607 671 PCA, se e princip al comp onen ts analys is PCD, se e sto c hastic maxim um lik eliho o d P ercept ron, , 15 27 P ersiste n t con trastiv e diverg ence, se e stocha s- tic maxim um lik eliho o d P erturb ation analys is, se e repara metriz ation tric k P oin t estima tor, 122 P olicy , 482 P o oling, , 330 685 P ositiv e definit e, 89 P ositiv e phase, , , , , 472 608 610 658 670 Precis ion, 425 Precis ion (of a norma l distrib ution) , , 63 65 Predic tiv e sparse decom p osition , 525 Prepro cessing , 455 Pretra ining, , 323 530 Prima ry visual cortex , 365 Princi pal comp onents analys is, , – , 48 146 148 492 633 , Prior probab ilit y distrib ution, 135 Proba bilistic max p o oling, 685 Proba bilistic PCA, , , 492 493 634 Proba bilit y densit y functi on, 58 Proba bilit y distrib ution, 56 Proba bilit y mass functi on, 56 Proba bilit y mass functi on estima tion, 103 Pro duct of exp erts, 572 Pro duct rule of probab ility , se e chain rule of probab ilit y PSD, se e predic tiv e sparse decom p osition Pseud olik eliho o d, 617 Quadr ature pair, 369 Quasi -Newto n metho ds, 316 Radia l basis functi on, 196 Rando m searc h, 436 Rando m v ariabl e, 56 Ratio matc hing, 620 RBF, 196 RBM, se e restric ted Boltzm ann mac hine Recall , 425 Recep tiv e field, 337 Recom mend er System s, 480 Rectifi ed linear unit, , , , 171 192 427 509 Recur ren t net w ork, 27 Recur ren t neural net w ork, 378 Regres sion, 101 Regul arizati on, , , , , 120 120 177 228 432 Regul arizer, 119 REIN F OR CE, 691 Reinfo rceme n t learnin g, , , , 25 106 482 691 Relati onal databa se, 485 Repar ametri zation tric k, 690 Repre sen tation learnin g, 3 Repre sen tation al capaci t y , 114 Restri cted Boltzm ann machi ne, , , 356 461 481 589 633 658 659 674 678 , , , , , , , 680 682 685 , , 785 --- Page Break --- INDEX Ridge regres sion, se e w eigh t deca y Risk, 275 RNN- RBM, 687 Saddle p oin ts, 285 Sampl e mean, 125 Scalar , , , xi xii 31 Score matc hing, , 515 619 Second deriv ativ e, 86 Second deriv ativ e test, 89 Self-in forma tion, 73 Seman tic hashin g, 527 Semi-s up ervised learnin g, 243 Separa ble con v olution , 362 Separa tion (proba bilisti c mo deling ), 574 Set, xii SGD, se e sto c hastic gradie n t descen t Shann on en trop y , , xiii 73 Shortl ist, 468 Sigmo id, , xiv se e logisti c sigmo id Sigmo id b elief net w ork, 27 Simpl e cell, 365 Singul ar v alue, se e singul ar v alue decom p o- sition Singul ar v alue decom p osition , , , 44 148 481 Singul ar v ector, se e singul ar v alue decom - p osition Slo w featur e analys is, 495 SML, se e sto c hastic maxim um lik eliho o d Softm ax, , , 183 420 452 Softpl us, , , xiv 68 196 Spam detect ion, 3 Sparse co ding, , , , , 321 356 498 633 694 Sparse initial ization , , 304 407 Sparse repres en tation , , , , , 146 226 254 507 558 Sp earmin t, 438 Sp ectral radius , 406 Sp eec h recogn ition, se e autom atic speech recogn ition Spheri ng, se e whiten ing Spik e and sl ab restric ted B oltzma nn ma- c hine, 682 SPN, se e sum-p ro duct net w ork Squar e matrix , 38 ssRBM , se e spike and slab restric ted Boltz- mann mac hine Stand ard deviat ion, 61 Stand ard error, 127 Stand ard error of the mean, , 128 278 Statist ic, 122 Statist ical learnin g theory , 110 Steep est descen t, se e gradie n t descen t Sto c hastic bac k-prop agatio n, se e repara metriz a- tion tric k Sto c hastic gradie nt descen t, , , , 15 150 279 294 , 674 Sto c hastic maxim um lik eliho o d, , 614 674 Sto c hastic p o oling, 266 Struct ure learnin g, 584 Struct ured outpu t, , 101 687 Struct ured probab ilistic mo del, , 77 560 Sum rule of probab ilit y , 58 Sum-p ro duct net w ork, 555 Sup ervised fine-tu ning, , 531 664 Sup ervised learnin g, 105 Supp ort v ector mac hine, 140 Surrog ate loss functi on, 276 SVD, se e singul ar v alue decom p osition Symm etric matrix , , 41 43 T angen t distan ce, 270 T angen t plane, 518 T angen t prop, 270 TDNN , se e time-d ela y neural net w ork T eac her forcing , , 382 383 T emp ering, 605 T empla te matc hing, 141 T ensor, , , xi xii 33 T est set, 110 Tikho no v regula rizatio n, se e w eigh t deca y Tiled con v olution , 352 Time- dela y neural net w ork, , 368 374 T o eplitz matrix , 333 T op ograph ic ICA, 495 T race op erator , 46 T rainin g error, 110 T ranscr iption , 101 T ransfe r learnin g, 538 T ransp ose, , xii 33 786 --- Page Break --- INDEX T riangl e inequa lit y , 39 T riangu lated graph, se e c hordal graph T rigram , 464 Un biased , 124 Undir ected graphi cal mo del, , 77 509 Undir ected mo del, 568 Unifor m distrib ution, 57 Unigra m, 464 Unit norm, 41 Unit v ector, 41 Univ ersal appro ximat ion theore m, 197 Univ ersal appro ximat or, 555 Unnor malize d probab ilit y distrib ution, 569 Unsup ervised learnin g, , 105 146 Unsup ervised pretra ining, , 461 530 V-stru cture, se e explai ning a w a y V1, 365 V AE, se e v ariatio nal auto enco der V apnik- Cherv onenk is dimen sion, 114 V arianc e, , , xiii 61 229 V ariatio nal auto enco der, , 691 698 V ariatio nal deriv ativ es, se e functi onal deriv a- tiv es V ariatio nal free energy , se e eviden ce low er b ound V C dimen sion, se e V apnik- Cherv onenk is di- mensio n V ector, , , xi xii 32 Virtua l adv ersaria l examp les, 269 Visibl e la y er, 6 V olume tric data, 360 W ak e-sleep , , 653 663 W eigh t deca y , , , , 118 177 231 433 W eigh t space symm etry , 284 W eigh ts, , 15 107 White ning, 457 Wikib ase, 485 Wikib ase , 485 W ord em b edding , 466 W ord-se nse disam biguat ion, 486 WordN et , 485 Zero-d ata learnin g, se e zero-sh ot learnin g Zero-s hot learnin g, 540 787 --- Page Break ---.
  • assumptions Independent component analysis, 493
    • 固定搭配:“Independent component analysis”，含义：“独立成分分析”。
    • 句子分析:简单的列举表述，介绍了“独立成分分析”相关内容及页码。
    • 翻译:“假设 独立成分分析，493页”
    • 单词分析:
      • assumptions:名词复数，词源来自拉丁语 “assumere”（承担，假定），词义：假设。
        • 记忆方法:“assume”（假定）的名词复数形式，可联想 “assume” 来记忆。
        • 形近词:assumption/consumption（消费）、presumption（推测）。
        • 发音解析:
          • 音节分解:as + sum + p + tion + s /əˈsʌmpʃənz/，重音在第二音节
          • 规则:as → /ə/， “as” 发 /ə/ 音，其中 “a” 发短元音 /ə/。
          • 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:p → /p/， “p” 发 /p/ 音。
          • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“o” 发短元音 /ə/，“n” 发鼻音。
          • 规则:s → /z/， “s” 发 /z/ 音。
    • component:名词，词源来自拉丁语 “componere”（组合），词义：成分；组件。
      • 记忆方法:“com-”（共同）+“pon”（放置）+“-ent”（名词后缀）→ 共同放置的东西 → 成分。
      • 形近词:component/opponent（对手）、proponent（支持者）。
      • 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。
  • Independent subspace analysis, 495
    • 固定搭配:“Independent subspace analysis”，含义：“独立子空间分析”。
    • 句子分析:简单的列举表述，介绍了“独立子空间分析”相关内容及页码。
    • 翻译:“独立子空间分析，495页”
    • 单词分析:
      • subspace:名词，词源来自 “sub-”（在……之下）+“space”（空间），词义：子空间。
        • 记忆方法:联想 “sub-” 表示“下面”，“space” 是“空间”，合起来就是“下面的空间”即“子空间”。
        • 形近词:subspace/submarine（潜艇）、subway（地铁）。
        • 发音解析:
          • 音节分解:sub + space /ˈsʌbˌspeɪs/，重音在第一音节
          • 规则:sub → /sʌb/， “sub” 发 /sʌb/ 音，其中 “s” 发 /s/ 音，“u” 发短元音 /ʌ/，“b” 发 /b/ 音。
          • 规则:space → /speɪs/， “space” 发 /speɪs/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“a” 发长元音 /eɪ/，“c” 发 /s/ 音，“e” 不发音。
  • Inequality constraint, 94
    • 固定搭配:“Inequality constraint”，含义：“不等式约束”。
    • 句子分析:简单的列举表述，介绍了“不等式约束”相关内容及页码。
    • 翻译:“不等式约束，94页”
    • 单词分析:
      • inequality:名词，词源来自 “in-”（否定）+“equality”（平等），词义：不平等；不等式。
        • 记忆方法:“in-” 表示否定，“equality” 是“平等”，合起来就是“不平等”。
        • 形近词:inequality/equality（平等）、ineptitude（无能）。
        • 发音解析:
          • 音节分解:in + e + qual + i + ty /ˌɪnɪˈkwɒləti/，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:e → /ɪ/， “e” 发短元音 /ɪ/。
          • 规则:qual → /kwɒl/， “qual” 发 /kwɒl/ 音，其中 “q” 发 /kw/ 音，“u” 发短元音 /ɒ/，“a” 发短元音 /ɒ/，“l” 发 /l/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发 /i/ 音。
    • constraint:名词，词源来自拉丁语 “constrare”（约束），词义：约束；限制。
      • 记忆方法:“con-”（共同）+“strain”（拉紧）→ 共同拉紧 → 约束。
      • 形近词:constraint/restraint（克制）、constrict（压缩）。
      • 发音解析:
        • 音节分解:con + strain + t /kənˈstreɪnt/，重音在第二音节
        • 规则:con → /kən/， “con” 发 /kən/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ə/，“n” 发鼻音。
        • 规则:strain → /streɪn/， “strain” 发 /streɪn/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“r” 发 /r/ 音，“a” 发长元音 /eɪ/，“i” 发短元音 /ɪ/，“n” 发鼻音。
        • 规则:t → /t/， “t” 发 /t/ 音。
  • Inference, 564 585 633 635 637 640 650 653
    • 句子分析:简单的列举表述，介绍了“推理”相关内容在多个页码的情况。
    • 翻译:“推理，564、585、633、635、637、640、650、653页”
    • 单词分析:
      • inference:名词，词源来自拉丁语 “inferre”（推断），词义：推理；推断。
        • 记忆方法:“in-”（进入）+“fer”（携带）+“-ence”（名词后缀）→ 带入（信息）进行推断。
        • 形近词:inference/preference（偏爱）、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，其中 “i” 发短元音 /ɪ/，“n” 发鼻音。
          • 规则:fer → /fɜː/， “fer” 发 /fɜː/ 音，其中 “f” 发 /f/ 音，“e” 发长元音 /ɜː/，“r” 发 /r/ 音。
          • 规则:ence → /əns/， “ence” 发 /əns/ 音，其中 “e” 发短元音 /ə/，“n” 发鼻音，“c” 发 /s/ 音，“e” 不发音。
  • Information retrieval, 527
    • 固定搭配:“Information retrieval”，含义：“信息检索”。
    • 句子分析:简单的列举表述，介绍了“信息检索”相关内容及页码。
    • 翻译:“信息检索，527页”
    • 单词分析:
      • retrieval:名词，词源来自 “retrieve”（找回），词义：检索；找回。
        • 记忆方法:“retrieve” 的名词形式，可联想 “retrieve” 来记忆。
        • 形近词:retrieval/retreat（撤退）、retribution（报应）。
        • 发音解析:
          • 音节分解:re + tri + e + val /rɪˈtriːvl/，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:tri → /triː/， “tri” 发 /triː/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发长元音 /iː/。
          • 规则:e → /ɪ/， “e” 发短元音 /ɪ/。
          • 规则:val → /vl/， “val” 发 /vl/ 音，其中 “v” 发 /v/ 音，“a” 不发音，“l” 发 /l/ 音。
  • Initialization, 301
    • 句子分析:简单的列举表述，介绍了“初始化”相关内容及页码。
    • 翻译:“初始化，301页”
    • 单词分析:
      • initialization:名词，词源来自 “initial”（最初的），词义：初始化。
        • 记忆方法:“initial” 的名词形式，可联想 “initial” 来记忆。
        • 形近词:initialization/initiation（开始）、initiate（发起）。
        • 发音解析:
          • 音节分解:in + i + ti + al + i + za + tion /ɪˌnɪʃəlaɪˈzeɪʃn/，重音在第四音节
          • 规则:in → /ɪn/， “in” 发 /ɪn/ 音，其中 “i” 发短元音 /ɪ/，“n” 发鼻音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ti → /ʃ/， “ti” 发 /ʃ/ 音。
          • 规则:al → /əl/， “al” 发 /əl/ 音，其中 “a” 发短元音 /ə/，“l” 发 /l/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:za → /zaɪ/， “za” 发 /zaɪ/ 音，其中 “z” 发 /z/ 音，“a” 发长元音 /aɪ/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“o” 发短元音 /ə/，“n” 发鼻音。
  • Integral, xiii
    • 句子分析:简单的列举表述，介绍了“积分”相关内容在罗马数字页码xiii处。
    • 翻译:“积分，第十三页”
    • 单词分析:
      • integral:形容词、名词，词源来自拉丁语 “integer”（完整的），词义：积分；不可或缺的。
        • 记忆方法:“integr”（完整）+“-al”（形容词后缀）→ 完整的 → 不可或缺的；积分是对整体的一种计算。
        • 形近词:integral/integrate（整合）、integrity（正直）。
        • 发音解析:
          • 音节分解:in + te + gral /ˈɪntɪɡrəl/，重音在第一音节
          • 规则:in → /ɪn/， “in” 发 /ɪn/ 音，其中 “i” 发短元音 /ɪ/，“n” 发鼻音。
          • 规则:te → /tɪ/， “te” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ɪ/。
          • 规则:gral → /ɡrəl/， “gral” 发 /ɡrəl/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
  • Invariance, 342
    • 句子分析:简单的列举表述，介绍了“不变性”相关内容及页码。
    • 翻译:“不变性，342页”
    • 单词分析:
      • invariance:名词，词源来自 “in-”（否定）+“variance”（变化），词义：不变性。
        • 记忆方法:“in-” 表示否定，“variance” 是“变化”，合起来就是“不变性”。
        • 形近词:invariance/variance（方差）、variant（变体）。
        • 发音解析:
          • 音节分解:in + va + ri + ance /ɪnˈveəriəns/，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:va → /veɪ/， “va” 发 /veɪ/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eɪ/。
          • 规则:ri → /riː/， “ri” 发 /riː/ 音，其中 “r” 发 /r/ 音，“i” 发长元音 /iː/。
          • 规则:ance → /əns/， “ance” 发 /əns/ 音，其中 “a” 发短元音 /ə/，“n” 发鼻音，“c” 发 /s/ 音，“e” 不发音。
  • Isotropic, 65
    • 句子分析:简单的列举表述，介绍了“各向同性的”相关内容及页码。
    • 翻译:“各向同性的，65页”
    • 单词分析:
      • isotropic:形容词，词源来自 “iso-”（相同）+“tropic”（方向），词义：各向同性的。
        • 记忆方法:“iso-” 表示相同，“tropic” 表示方向，合起来就是“在各个方向都相同”即“各向同性的”。
        • 形近词:isotropic/isotherm（等温线）、isobar（等压线）。
        • 发音解析:
          • 音节分解:i + so + tro + pic /ˌaɪsəˈtrɒpɪk/，重音在第三音节
          • 规则:i → /aɪ/， “i” 发长元音 /aɪ/。
          • 规则:so → /səʊ/， “so” 发 /səʊ/ 音，其中 “s” 发 /s/ 音，“o” 发长元音 /əʊ/。
          • 规则:tro → /trɒ/， “tro” 发 /trɒ/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“o” 发短元音 /ɒ/。
          • 规则:pic → /pɪk/， “pic” 发 /pɪk/ 音，其中 “p” 发 /p/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
  • Jacobian matrix, xiii 72 86
    • 固定搭配:“Jacobian matrix”，含义：“雅可比矩阵”。
    • 句子分析:简单的列举表述，介绍了“雅可比矩阵”相关内容在罗马数字页码xiii及72、86页。
    • 翻译:“雅可比矩阵，第十三页、72页、86页”
    • 单词分析:
      • Jacobian:形容词、名词，词源来自人名 “Jacobi”，词义：雅可比的；雅可比行列式。
        • 记忆方法:可联想人名 “Jacobi” 来记忆。
        • 形近词:Jacobian/Jupiter（木星）、Jacqueline（杰奎琳）。
        • 发音解析:
          • 音节分解:Ja + co + bi + an /dʒəˈkəʊbiən/，重音在第二音节
          • 规则:Ja → /dʒə/， “Ja” 发 /dʒə/ 音，其中 “J” 发 /dʒ/ 音，“a” 发短元音 /ə/。
          • 规则:co → /kəʊ/， “co” 发 /kəʊ/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /əʊ/。
          • 规则:bi → /biː/， “bi” 发 /biː/ 音，其中 “b” 发 /b/ 音，“i” 发长元音 /iː/。
          • 规则:an → /ən/， “an” 发 /ən/ 音，其中 “a” 发短元音 /ə/，“n” 发鼻音。
    • matrix:名词，词源来自拉丁语 “matrix”（子宫；母体），词义：矩阵。
      • 记忆方法:可联想矩阵像一个母体，包含很多元素。
      • 形近词:matrix/matriculate（录取）、matrimony（婚姻）。
      • 发音解析:
        • 音节分解:ma + tri + x /ˈmeɪtrɪks/，重音在第一音节
        • 规则:ma → /meɪ/， “ma” 发 /meɪ/ 音，其中 “m” 发 /m/ 音，“a” 发长元音 /eɪ/。
        • 规则:tri → /trɪ/， “tri” 发 /trɪ/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/。
        • 规则:x → /ks/， “x” 发 /ks/ 音。
  • Joint probability, 57
    • 固定搭配:“Joint probability”，含义：“联合概率”。
    • 句子分析:简单的列举表述，介绍了“联合概率”相关内容及页码。
    • 翻译:“联合概率，57页”
    • 单词分析:
      • joint:形容词、名词，词源来自拉丁语 “jungere”（连接），词义：联合的；关节。
        • 记忆方法:可联想 “join”（连接），“joint” 就是连接在一起的，所以有“联合的”意思。
        • 形近词:joint/joist（托梁）、adjoin（毗连）。
        • 发音解析:
          • 音节分解:jo + int /dʒɔɪnt/，重音在第一音节
          • 规则:jo → /dʒɔɪ/， “jo” 发 /dʒɔɪ/ 音，其中 “j” 发 /dʒ/ 音，“o” 发长元音 /ɔɪ/。
          • 规则:int → /nt/， “int” 发 /nt/ 音，其中 “i” 不发音，“n” 发鼻音，“t” 发 /t/ 音。
    • probability:名词，词源来自拉丁语 “probabilitas”（可能性），词义：概率；可能性。
      • 记忆方法:“probable”（可能的）的名词形式，可联想 “probable” 来记忆。
      • 形近词:probability/probable（可能的）、probation（缓刑）。
      • 发音解析:
        • 音节分解:pro + ba + bi + li + ty /ˌprɒbəˈbɪləti/，重音在第二音节
        • 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:ba → /bə/， “ba” 发 /bə/ 音，其中 “b” 发 /b/ 音，“a” 发短元音 /ə/。
        • 规则:bi → /bɪ/， “bi” 发 /bɪ/ 音，其中 “b” 发 /b/ 音，“i” 发短元音 /ɪ/。
        • 规则:li → /lɪ/， “li” 发 /lɪ/ 音，其中 “l” 发 /l/ 音，“i” 发短元音 /ɪ/。
        • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发 /i/ 音。
  • k -means, 364 548
    • 固定搭配:“k -means”，含义：“k均值算法”。
    • 句子分析:简单的列举表述，介绍了“k均值算法”相关内容及页码。
    • 翻译:“k均值算法，364页、548页”
  • k -nearest neighbors, 143 550
    • 固定搭配:“k -nearest neighbors”，含义：“k近邻算法”。
    • 句子分析:简单的列举表述，介绍了“k近邻算法”相关内容及页码。
    • 翻译:“k近邻算法，143页、550页”
  • Karush - Kuhn - Tucker conditions, 95 237
    • 固定搭配:“Karush - Kuhn - Tucker conditions”，含义：“卡罗需 - 库恩 - 塔克条件”。
    • 句子分析:简单的列举表述，介绍了“卡罗需 - 库恩 - 塔克条件”相关内容及页码。
    • 翻译:“卡罗需 - 库恩 - 塔克条件，95页、237页”
  • Karush–Kuhn–Tucker, 94
    • 句子分析:简单的列举表述，介绍了“卡罗需 - 库恩 - 塔克”相关内容及页码。
    • 翻译:“卡罗需 - 库恩 - 塔克，94页”
  • Kernel (convolution), 331 332
    • 固定搭配:“Kernel (convolution)”，含义：“卷积核”。
    • 句子分析:简单的列举表述，介绍了“卷积核”相关内容及页码。
    • 翻译:“卷积核，331页、332页”
    • 单词分析:
      • kernel:名词，词源来自古英语 “cyrnel”（谷粒），词义：核；核心。
        • 记忆方法:可联想谷粒是事物的核心部分。
        • 形近词:kernel/kennel（狗窝）、kern（谷粒）。
        • 发音解析:
          • 音节分解:ker + nel /ˈkɜːnl/，重音在第一音节
          • 规则:ker → /kɜː/， “ker” 发 /kɜː/ 音，其中 “k” 发 /k/ 音，“e” 发长元音 /ɜː/，“r” 发 /r/ 音。
          • 规则:nel → /nl/， “nel” 发 /nl/ 音，其中 “n” 发鼻音，“e” 不发音，“l” 发 /l/ 音。
    • convolution:名词，词源来自拉丁语 “convolvere”（卷绕），词义：卷积；回旋。
      • 记忆方法:“con-”（共同）+“volve”（卷）+“-tion”（名词后缀）→ 共同卷绕 → 卷积。
      • 形近词:convolution/evolution（进化）、revolution（革命）。
      • 发音解析:
        • 音节分解:con + vo + lu + tion /ˌkɒnvəˈluːʃn/，重音在第三音节
        • 规则:con → /kɒn/， “con” 发 /kɒn/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ɒ/，“n” 发鼻音。
        • 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，其中 “t” 发 /ʃ/ 音，“i” 不发音，“o” 发短元音 /ə/，“n” 发鼻音。
  • Kernel machine, 550
    • 固定搭配:“Kernel machine”，含义：“核机器”。
    • 句子分析:简单的列举表述，介绍了“核机器”相关内容及页码。
    • 翻译:“核机器，550页”
  • Kernel trick, 141
    • 固定搭配:“Kernel trick”，含义：“核技巧”。
    • 句子分析:简单的列举表述，介绍了“核技巧”相关内容及页码。
    • 翻译:“核技巧，141页”
  • KKT, see Karush–Kuhn–Tucker
    • 固定搭配:“see... as...” 这里虽不是标准形式，但有“见……即指……”的意思。
    • 句子分析:简单表述，说明“KKT” 指代 “Karush–Kuhn–Tucker”。
    • 翻译:“KKT，见卡罗需 - 库恩 - 塔克”
  • KKT conditions, see Karush - Kuhn - Tucker conditions
    • 固定搭配:“see... as...” 这里虽不是标准形式，但有“见……即指……”的意思。
    • 句子分析:简单表述，说明“KKT conditions” 指代 “Karush - Kuhn - Tucker conditions”。
    • 翻译:“KKT条件，见卡罗需 - 库恩 - 塔克条件”
  • KL divergence, see Kullback - Leibler divergence
    • 固定搭配:“see... as...” 这里虽不是标准形式，但有“见……即指……”的意思。
    • 句子分析:简单表述，说明“KL divergence” 指代 “Kullback - Leibler divergence”。
    • 翻译:“KL散度，见库尔贝克 - 莱布勒散度”
    • 单词分析:
      • divergence:名词，词源来自 “diverge”（偏离），词义：散度；偏离。
        • 记忆方法:“diverge” 的名词形式，可联想 “diverge” 来记忆。
        • 形近词:divergence/diverge（偏离）、convergence（收敛）。
        • 发音解析:
          • 音节分解:di + ver + gen + ce /daɪˈvɜːdʒəns/，重音在第二音节
          • 规则:di → /daɪ/， “di” 发 /daɪ/ 音，其中 “d” 发 /d/ 音，“i” 发长元音 /aɪ/。
          • 规则:ver → /vɜː/， “ver” 发 /vɜː/ 音，其中 “v” 发 /v/ 音，“e” 发长元音 /ɜː/，“r” 发 /r/ 音。
          • 规则:gen → /dʒən/， “gen” 发 /dʒən/ 音，其中 “g” 发 /dʒ/ 音，“e” 发短元音 /ə/，“n” 发鼻音。
          • 规则:ce → /s/， “ce” 发 /s/ 音。
  • Knowledge base, 2 485
    • 固定搭配:“Knowledge base”，含义：“知识库”。
    • 句子分析:简单的列举表述，介绍了“知识库”相关内容及页码。
    • 翻译:“知识库，2页、485页”
  • Krylov methods, 223
    • 固定搭配:“Krylov methods”，含义：“克雷洛夫方法”。
    • 句子分析:简单的列举表述，介绍了“克雷洛夫方法”相关内容及页码。
    • 翻译:“克雷洛夫方法，223页”
    • 单词分析:
      • Krylov:名词，词源来自人名 “Krylov”，词义：克雷洛夫（人名）。
        • 记忆方法:可联想人名 “Krylov” 来记忆。
        • 形近词:Krylov/Krystall（水晶）、Krylon（可丽珑）。
        • 发音解析:
          • 音节分解:Kry + lov /ˈkraɪlɒv/，重音在第一音节
          • 规则:Kry → /kraɪ/， “Kry” 发 /kraɪ/ 音，其中 “K” 发 /k/ 音，“r” 发 /r/ 音，“y” 发长元音 /aɪ/。
          • 规则:lov → /lɒv/， “lov” 发 /lɒv/ 音，其中 “l” 发 /l/ 音，“o” 发短元音 /ɒ/，“v” 发 /v/ 音。
  • Kullback - Leibler divergence, xiii 74
    • 固定搭配:“Kullback - Leibler divergence”，含义：“库尔贝克 - 莱布勒散度”。
    • 句子分析:简单的列举表述，介绍了“库尔贝克 - 莱布勒散度”相关内容在罗马数字页码xiii及74页。
    • 翻译:“库尔贝克 - 莱布勒散度，第十三页、74页”
  • Label smoothing, 243
    • 固定搭配:“Label smoothing”，含义：“标签平滑”。
    • 句子分析:简单的列举表述，介绍了“标签平滑”相关内容及页码。
    • 翻译:“标签平滑，243页”
    • 单词分析:
      • smoothing:动名词，词源来自 “smooth”（使平滑），词义：平滑处理。
        • 记忆方法:“smooth” 的动名词形式，可联想 “smooth” 来记忆。
        • 形近词:smoothing/smooth（平滑的）、soothing（安慰的）。
        • 发音解析:
          • 音节分解:smooth + ing /ˈsmuːðɪŋ/，重音在第一音节
          • 规则:smooth → /smuːð/， “smooth” 发 /smuːð/ 音，其中 “s” 发 /s/ 音，“m” 发 /m/ 音，“o” 发长元音 /uː/，“o” 不发音，“t” 发 /ð/ 音，“h” 不发音。
          • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“n” 发鼻音，“g” 发 /ŋ/ 音。
  • Lagrange multipliers, 94 648
    • 固定搭配:“Lagrange multipliers”，含义：“拉格朗日乘子”。
    • 句子分析:简单的列举表述，介绍了“拉格朗日乘子”相关内容及页码。
    • 翻译:“拉格朗日乘子，94页、648页”
    • 单词分析:
      • Lagrange:名词，词源来自人名 “Lagrange”，词义：拉格朗日（人名）。
        • 记忆方法:可联想人名 “Lagrange” 来记忆。
        • 形近词:Lagrange/Laguna（泻湖）、Lagrangian（拉格朗日的）。
        • 发音解析:
          • 音节分解:La + gran + ge /ləˈɡrɑːndʒ/，重音在第二音节
          • 规则:La → /lə/， “La” 发 /lə/ 音，其中 “L” 发 /l/ 音，“a” 发短元音 /ə/。
          • 规则:gran → /ɡrɑːn/， “gran” 发 /ɡrɑːn/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发长元音 /ɑː/，“n” 发鼻音。
          • 规则:ge → /dʒ/， “ge” 发 /dʒ/ 音。
    • multipliers:名词复数，词源来自 “multiply”（乘），词义：乘子。
      • 记忆方法:“multiply” 的名词形式，可联想 “multiply” 来记忆。
      • 形近词:multipliers/multiply（乘）、multiple（多样的）。
      • 发音解析:
        • 音节分解:mul + ti + pli + ers /ˈmʌltɪplaɪəz/，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:pli → /plaɪ/， “pli” 发 /plaɪ/ 音，其中 “p” 发 /p/ 音，“l” 发 /l/ 音，“i” 发长元音 /aɪ/。
        • 规则:ers → /əz/， “ers” 发 /əz/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音，“s” 发 /z/ 音。
  • Lagrangian, see generalized Lagrangian
    • 固定搭配:“see... as...” 这里虽不是标准形式，但有“见……即指……”的意思。
    • 句子分析:简单表述，说明“Lagrangian” 指代 “generalized Lagrangian”。
    • 翻译:“拉格朗日函数，见广义拉格朗日函数”
    • 单词分析:
      • Lagrangian:形容词、名词，词源来自人名 “Lagrange”，词义：拉格朗日的；拉格朗日函数。
        • 记忆方法:可联想人名 “Lagrange” 来记忆。
        • 形近词:Lagrangian/Lagrange（拉格朗日）、Lagrangean（拉格朗日的）。
        • 发音解析:
          • 音节分解:La + gran + gi + an /ləˈɡrændʒiən/，重音在第二音节
          • 规则:La → /lə/， “La” 发 /lə/ 音，其中 “L” 发 /l/ 音，“a” 发短元音 /ə/。
          • 规则:gran → /ɡrænd/， “gran” 发 /ɡrænd/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发长元音 /æ/，“n” 发鼻音。
          • 规则:gi → /dʒiː/， “gi” 发 /dʒiː/ 音，其中 “g” 发 /dʒ/ 音，“i” 发长元音 /iː/。
          • 规则:an → /ən/， “an” 发 /ən/ 音，其中 “a” 发短元音 /ə/，“n” 发鼻音。
    • generalized:形容词，词源来自 “generalize”（概括；推广），词义：广义的。
      • 记忆方法:“generalize” 的过去分词形式，可联想 “generalize” 来记忆。
      • 形近词:generalized/generalize（概括）、general（一般的）。
      • 发音解析:
        • 音节分解:gen + er + al + ize + d /ˈdʒenrəlaɪzd/，重音在第一音节
        • 规则:gen → /dʒen/， “gen” 发 /dʒen/ 音，其中 “g” 发 /dʒ/ 音，“e” 发短元音 /e/，“n” 发鼻音。
        • 规则:er → /rə/， “er” 发 /rə/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音。
        • 规则:al → /əl/， “al” 发 /əl/ 音，其中 “a” 发短元音 /ə/，“l” 发 /l/ 音。
        • 规则:ize → /aɪz/， “ize” 发 /aɪz/ 音，其中 “i” 发长元音 /aɪ/，“z” 发 /z/ 音。
        • 规则:d → /d/， “d” 发 /d/ 音。
  • LAPGAN, 704
    • 句子分析:简单的列举表述，介绍了“LAPGAN”相关内容及页码。
    • 翻译:“LAPGAN，704页”
  • Laplace distribution, 65 498 499
    • 固定搭配:“Laplace distribution”，含义：“拉普拉斯分布”。
    • 句子分析:简单的列举表述，介绍了“拉普拉斯分布”相关内容及页码。
    • 翻译:“拉普拉斯分布，65页、498页、499页”
    • 单词分析:
      • Laplace:名词，词源来自人名 “Laplace”，词义：拉普拉斯（人名）。
        • 记忆方法:可联想人名 “Laplace” 来记忆。
        • 形近词:Laplace/Lapland（拉普兰）、Laplacian（拉普拉斯算子）。
        • 发音解析:
          • 音节分解:La + place /ləˈpleɪs/，重音在第二音节
          • 规则:La → /lə/， “La” 发 /lə/ 音，其中 “L” 发 /l/ 音，“a” 发短元音 /ə/。
          • 规则:place → /pleɪs/， “place” 发 /pleɪs/ 音，其中 “p” 发 /p/ 音，“l” 发 /l/ 音，“a” 发长元音 /eɪ/，“c” 发 /s/ 音，“e” 不发音。
    • distribution:名词，词源来自 “distribute”（分配），词义：分布；分配。
      • 记忆方法:“distribute” 的名词形式，可联想 “distribute” 来记忆。
      • 形近词:distribution/distribute（分配）、contribution（贡献）。
      • 发音解析:
        • 音节分解:dis + tri + bu + tion /ˌdɪstrɪˈbjuːʃn/，重音在第三音节
        • 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:tri → /trɪ/， “tri” 发 /trɪ/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/。
        • 规则:bu → /bjuː/， “bu” 发 /bjuː/ 音，其中 “b” 发 /b/ 音，“u” 发长元音 /juː/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“o” 发短元音 /ə/，“n” 发鼻音。
  • Latent variable, 67
    • 固定搭配:“Latent variable”，含义：“隐变量”。
    • 句子分析:简单的列举表述，介绍了“隐变量”相关内容及页码。
    • 翻译:“隐变量，67页”
    • 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:可联想 “late”（晚的），“latent” 就像晚出现的，隐藏着的。
        • 形近词:latent/later（后来）、latitude（纬度）。
        • 发音解析:
          • 音节分解:la + tent /ˈleɪtənt/，重音在第一音节
          • 规则:la → /leɪ/， “la” 发 /leɪ/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/。
          • 规则:tent → /tənt/， “tent” 发 /tənt/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“n” 发鼻音，“t” 发 /t/ 音。
    • variable:形容词、名词，词源来自拉丁语 “variabilis”（可变的），词义：变量；可变的。
      • 记忆方法:“vary”（变化）的形容词形式，可联想 “vary” 来记忆。
      • 形近词:variable/vary（变化）、variation（变化）。
      • 发音解析:
        • 音节分解:va + ri + able /ˈveəriəbl/，重音在第一音节
        • 规则:va → /veɪ/， “va” 发 /veɪ/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eɪ/。
        • 规则:ri → /ri

  • INDEX Local conditional probability distribution, 566
    • 句子分析:简单的名词短语，列出索引项“局部条件概率分布”及对应的页码566。
    • 翻译:“索引：局部条件概率分布，566”
    • 单词分析:
      • conditional:形容词，词源来自condition（条件），词义：有条件的。
        • 记忆方法:联想condition（条件）+ -al（形容词后缀），表示与条件相关的。
        • 形近词:condition（条件）、unconditional（无条件的）。
        • 发音解析:
          • 音节分解:con + di + tion + al /kənˈdɪʃənl/，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:di → /dɪ/， “di” 发短音 /dɪ/，类似于 “did” 的发音。
          • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /ʃ/ 音，“i” 发短元音 /ɪ/，“on” 发 /ən/ 音。
          • 规则:al → /l/， “al” 发 /l/ 音。
    • probability:名词，词源来自拉丁语probabilitas，词义：概率。
      • 记忆方法:联想probable（可能的）+ -ity（名词后缀），表示可能性的程度。
      • 形近词:probable（可能的）、improbability（不可能）。
      • 发音解析:
        • 音节分解:prob + a + bil + i + ty /ˌprɑːbəˈbɪləti/，重音在第三音节
        • 规则:prob → /prɑːb/， “prob” 发 /prɑːb/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发长元音 /ɑː/，“b” 发 /b/ 音。
        • 规则:a → /ə/， “a” 发短元音 /ə/。
        • 规则:bil → /bɪl/， “bil” 发 /bɪl/ 音，其中 “b” 发 /b/ 音，“i” 发短元音 /ɪ/，“l” 发 /l/ 音。
        • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
        • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发 /i/ 音。

  • Local contrast normalization, 458
    • 句子分析:简单的名词短语，列出索引项“局部对比度归一化”及对应的页码458。
    • 翻译:“局部对比度归一化，458”
    • 单词分析:
      • normalization:名词，词源来自normalize（使正常化），词义：归一化；正常化。
        • 记忆方法:联想normalize（使正常化）+ -ation（名词后缀），表示使正常化的行为或过程。
        • 形近词:normalize（使正常化）、abnormalization（异常化）。
        • 发音解析:
          • 音节分解:nor + mal + i + za + tion /ˌnɔːrmələˈzeɪʃn/，重音在第四音节
          • 规则:nor → /nɔːr/， “nor” 发 /nɔːr/ 音，其中 “n” 发 /n/ 音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音。
          • 规则:mal → /mæl/， “mal” 发 /mæl/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /æ/，“l” 发 /l/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:za → /zeɪ/， “za” 发 /zeɪ/ 音，其中 “z” 发 /z/ 音，“a” 发长元音 /eɪ/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“on” 发 /n/ 音。
  • Logistic regression, 3140 140
    • 句子分析:简单的名词短语，列出索引项“逻辑回归”及对应的页码3140、140。
    • 翻译:“逻辑回归，3140 140”
    • 单词分析:
      • logistic:形容词，词源来自logistics（物流；逻辑学），词义：逻辑的；后勤学的。
        • 记忆方法:联想logistics（物流；逻辑学）+ -ic（形容词后缀），表示与逻辑或物流相关的。
        • 形近词:logistics（物流；逻辑学）、illogical（不合逻辑的）。
        • 发音解析:
          • 音节分解:lo + gis + tic /loʊˈdʒɪstɪk/，重音在第二音节
          • 规则:lo → /loʊ/， “lo” 发 /loʊ/ 音，其中 “l” 发 /l/ 音，“o” 发长元音 /oʊ/。
          • 规则:gis → /dʒɪs/， “gis” 发 /dʒɪs/ 音，其中 “g” 发 /dʒ/ 音，“i” 发短元音 /ɪ/，“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。
    • regression:名词，词源来自regress（回归），词义：回归；退化。
      • 记忆方法:联想regress（回归）+ -ion（名词后缀），表示回归的行为或过程。
      • 形近词:regress（回归）、progress（进步）。
      • 发音解析:
        • 音节分解:re + gres + sion /rɪˈɡreʃn/，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:gres → /ɡre/， “gres” 发 /ɡre/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“e” 发长元音 /e/。
        • 规则:sion → /ʃn/， “sion” 发 /ʃn/ 音，其中 “s” 发 /ʃ/ 音，“i” 不发音，“on” 发 /n/ 音。
  • Logistic sigmoid, 767
    • 句子分析:简单的名词短语，列出索引项“逻辑S型函数”及对应的页码767。
    • 翻译:“逻辑S型函数，767”
    • 单词分析:
      • sigmoid:名词，词源来自希腊语sigma（Σ），词义：S型曲线；S型函数。
        • 记忆方法:联想sigma（Σ）的形状像S型，所以表示S型曲线。
        • 形近词:sigmoidal（S型的）。
        • 发音解析:
          • 音节分解:sig + moid /ˈsɪɡmɔɪd/，重音在第一音节
          • 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:moid → /mɔɪd/， “moid” 发 /mɔɪd/ 音，其中 “m” 发 /m/ 音，“o” 发长元音 /ɔɪ/，“d” 发 /d/ 音。
  • Long short - term memory, 18 25 306 410, 427
    • 句子分析:简单的名词短语，列出索引项“长短期记忆”及对应的页码18、25、306、410、427。
    • 翻译:“长短期记忆，18 25 306 410 427”
  • Loop, 581
    • 句子分析:简单的名词短语，列出索引项“循环”及对应的页码581。
    • 翻译:“循环，581”
  • Loopy belief propagation, 587
    • 句子分析:简单的名词短语，列出索引项“循环信念传播”及对应的页码587。
    • 翻译:“循环信念传播，587”
    • 单词分析:
      • loopy:形容词，词源来自loop（循环），词义：循环的；糊涂的。
        • 记忆方法:联想loop（循环）+ -y（形容词后缀），表示与循环相关的。
        • 形近词:loop（循环）、looped（有环的）。
        • 发音解析:
          • 音节分解:loop + y /ˈluːpi/，重音在第一音节
          • 规则:loop → /luːp/， “loop” 发 /luːp/ 音，其中 “l” 发 /l/ 音，“oo” 发长元音 /uː/，“p” 发 /p/ 音。
          • 规则:y → /i/， “y” 发 /i/ 音。
    • propagation:名词，词源来自propagate（传播），词义：传播；繁殖。
      • 记忆方法:联想propagate（传播）+ -ation（名词后缀），表示传播的行为或过程。
      • 形近词:propagate（传播）、propagator（传播者）。
      • 发音解析:
        • 音节分解:pro + pa + ga + tion /ˌprɑːpəˈɡeɪʃn/，重音在第三音节
        • 规则:pro → /prɑː/， “pro” 发 /prɑː/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发长元音 /ɑː/。
        • 规则:pa → /pə/， “pa” 发 /pə/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /ə/。
        • 规则:ga → /ɡeɪ/， “ga” 发 /ɡeɪ/ 音，其中 “g” 发 /ɡ/ 音，“a” 发长元音 /eɪ/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“on” 发 /n/ 音。
  • Loss function, see objective function
    • 句子分析:简单的句子，告知“损失函数”可参考“目标函数”。
    • 翻译:“损失函数，见目标函数”
    • 单词分析:
      • objective:形容词/名词，词源来自拉丁语objectivus，词义：客观的；目标。
        • 记忆方法:联想object（物体）+ -ive（形容词后缀），表示与物体相关的，引申为客观的。
        • 形近词:object（物体）、subjective（主观的）。
        • 发音解析:
          • 音节分解:ob + jec + tive /əbˈdʒektɪv/，重音在第二音节
          • 规则:ob → /əb/， “ob” 发 /əb/ 音，其中 “o” 发短元音 /ə/，“b” 发 /b/ 音。
          • 规则:jec → /dʒek/， “jec” 发 /dʒek/ 音，其中 “j” 发 /dʒ/ 音，“e” 发短元音 /e/，“c” 发 /k/ 音。
          • 规则:tive → /tɪv/， “tive” 发 /tɪv/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音。
  • Lp norm, 39
    • 句子分析:简单的名词短语，列出索引项“Lp范数”及对应的页码39。
    • 翻译:“Lp范数，39”
  • LSTM, see long short - term memory
    • 句子分析:简单的句子，告知“LSTM”可参考“长短期记忆”。
    • 翻译:“LSTM，见长短期记忆”
  • M - step, 636
    • 句子分析:简单的名词短语，列出索引项“M步”及对应的页码636。
    • 翻译:“M步，636”
  • Machine learning, 2
    • 句子分析:简单的名词短语，列出索引项“机器学习”及对应的页码2。
    • 翻译:“机器学习，2”
  • Machine translation, 101
    • 句子分析:简单的名词短语，列出索引项“机器翻译”及对应的页码101。
    • 翻译:“机器翻译，101”
  • Main diagonal, 33
    • 句子分析:简单的名词短语，列出索引项“主对角线”及对应的页码33。
    • 翻译:“主对角线，33”
  • Manifold, 160
    • 句子分析:简单的名词短语，列出索引项“流形”及对应的页码160。
    • 翻译:“流形，160”
    • 单词分析:
      • manifold:名词/形容词，词源来自拉丁语manus（手）和fold（折叠），词义：流形；多种的。
        • 记忆方法:联想“手可以做出多种折叠的形状”，所以有多种的意思，也可表示流形。
        • 形近词:manifoldness（多样性）。
        • 发音解析:
          • 音节分解:man + i + fold /ˈmænɪfoʊld/，重音在第一音节
          • 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:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:fold → /foʊld/， “fold” 发 /foʊld/ 音，其中 “f” 发 /f/ 音，“o” 发长元音 /oʊ/，“l” 发 /l/ 音，“d” 发 /d/ 音。
  • Manifold hypothesis, 161
    • 句子分析:简单的名词短语，列出索引项“流形假设”及对应的页码161。
    • 翻译:“流形假设，161”
    • 单词分析:
      • hypothesis:名词，词源来自希腊语hypotithenai（假设），词义：假设；假说。
        • 记忆方法:联想“hypo-（在……之下）+ thesis（论点）”，表示在论点之下的推测，即假设。
        • 形近词:hypothetical（假设的）、synthesis（合成）。
        • 发音解析:
          • 音节分解:hy + po + the + sis /haɪˈpɑːθəsɪs/，重音在第二音节
          • 规则:hy → /haɪ/， “hy” 发 /haɪ/ 音，其中 “h” 发 /h/ 音，“y” 发长元音 /aɪ/。
          • 规则:po → /pɑː/， “po” 发 /pɑː/ 音，其中 “p” 发 /p/ 音，“o” 发长元音 /ɑː/。
          • 规则:the → /θə/， “the” 发 /θə/ 音，其中 “th” 发 /θ/ 音，“e” 发短元音 /ə/。
          • 规则:sis → /sɪs/， “sis” 发 /sɪs/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
  • Manifold learning, 161
    • 句子分析:简单的名词短语，列出索引项“流形学习”及对应的页码161。
    • 翻译:“流形学习，161”
  • Manifold tangent classifier, 272
    • 句子分析:简单的名词短语，列出索引项“流形切分类器”及对应的页码272。
    • 翻译:“流形切分类器，272”
    • 单词分析:
      • tangent:名词/形容词，词源来自拉丁语tangere（触摸），词义：切线；相切的。
        • 记忆方法:联想“tang（触摸）+ -ent（形容词后缀）”，表示触摸到的，引申为切线、相切的。
        • 形近词:tangential（切线的；离题的）。
        • 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，其中 “t” 发 /t/ 音，“a” 发短元音 /æ/，“n” 发 /n/ 音。
          • 规则:gent → /dʒənt/， “gent” 发 /dʒənt/ 音，其中 “g” 发 /dʒ/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
    • classifier:名词，词源来自classify（分类），词义：分类器。
      • 记忆方法:联想classify（分类）+ -er（表示人或物的后缀），表示用于分类的东西，即分类器。
      • 形近词:classify（分类）、classification（分类）。
      • 发音解析:
        • 音节分解:class + i + fi + er /ˈklæsɪfaɪər/，重音在第一音节
        • 规则:class → /klæs/， “class” 发 /klæs/ 音，其中 “c” 发 /k/ 音，“l” 发 /l/ 音，“a” 发短元音 /æ/，“s” 发 /s/ 音，“s” 发 /s/ 音。
        • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
        • 规则:fi → /faɪ/， “fi” 发 /faɪ/ 音，其中 “f” 发 /f/ 音，“i” 发长元音 /aɪ/。
        • 规则:er → /ər/， “er” 发 /ər/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音。
  • MAP approximation, 138 507
    • 句子分析:简单的名词短语，列出索引项“最大后验近似”及对应的页码138、507。
    • 翻译:“最大后验近似，138 507”
    • 单词分析:
      • approximation:名词，词源来自approximate（近似），词义：近似；逼近。
        • 记忆方法:联想approximate（近似）+ -ion（名词后缀），表示近似的行为或结果。
        • 形近词:approximate（近似）、approximative（近似的）。
        • 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 /ʃ/ 音，“i” 不发音，“on” 发 /n/ 音。
  • Marginal probability, 58
    • 句子分析:简单的名词短语，列出索引项“边缘概率”及对应的页码58。
    • 翻译:“边缘概率，58”
    • 单词分析:
      • marginal:形容词，词源来自margin（边缘），词义：边缘的；边际的。
        • 记忆方法:联想margin（边缘）+ -al（形容词后缀），表示与边缘相关的。
        • 形近词:margin（边缘）、marginalize（边缘化）。
        • 发音解析:
          • 音节分解:mar + gin + al /ˈmɑːrdʒɪnl/，重音在第一音节
          • 规则:mar → /mɑːr/， “mar” 发 /mɑːr/ 音，其中 “m” 发 /m/ 音，“a” 发长元音 /ɑː/，“r” 发 /r/ 音。
          • 规则:gin → /dʒɪn/， “gin” 发 /dʒɪn/ 音，其中 “g” 发 /dʒ/ 音，“i” 发短元音 /ɪ/，“n” 发 /n/ 音。
          • 规则:al → /l/， “al” 发 /l/ 音。
  • Markov chain, 597
    • 句子分析:简单的名词短语，列出索引项“马尔可夫链”及对应的页码597。
    • 翻译:“马尔可夫链，597”
  • Markov chain Monte Carlo, 597
    • 句子分析:简单的名词短语，列出索引项“马尔可夫链蒙特卡罗”及对应的页码597。
    • 翻译:“马尔可夫链蒙特卡罗，597”
  • Markov network, see undirected model
    • 句子分析:简单的句子，告知“马尔可夫网络”可参考“无向模型”。
    • 翻译:“马尔可夫网络，见无向模型”
  • Markov random field, see undirected model
    • 句子分析:简单的句子，告知“马尔可夫随机场”可参考“无向模型”。
    • 翻译:“马尔可夫随机场，见无向模型”
  • Matrix, xixii 32
    • 句子分析:简单的名词短语，列出索引项“矩阵”及对应的页码xixii、32。
    • 翻译:“矩阵，xixii 32”
  • Matrix inverse, 36
    • 句子分析:简单的名词短语，列出索引项“矩阵逆”及对应的页码36。
    • 翻译:“矩阵逆，36”
    • 单词分析:
      • inverse:形容词/名词，词源来自拉丁语inversus（反转），词义：相反的；逆。
        • 记忆方法:联想“in-（相反）+ verse（转）”，表示反转过来的，即相反的、逆。
        • 形近词:inversion（反转）、diverse（多样的）。
        • 发音解析:
          • 音节分解:in + verse /ˈɪnvɜːrs/，重音在第一音节
          • 规则:in → /ɪn/， “in” 发 /ɪn/ 音，其中 “i” 发短元音 /ɪ/，“n” 发 /n/ 音。
          • 规则:verse → /vɜːrs/， “verse” 发 /vɜːrs/ 音，其中 “v” 发 /v/ 音，“e” 发长元音 /ɜː/，“r” 发 /r/ 音，“s” 发 /s/ 音。
  • Matrix product, 34
    • 句子分析:简单的名词短语，列出索引项“矩阵乘积”及对应的页码34。
    • 翻译:“矩阵乘积，34”
  • Max norm, 40
    • 句子分析:简单的名词短语，列出索引项“最大范数”及对应的页码40。
    • 翻译:“最大范数，40”
  • Max pooling, 339
    • 句子分析:简单的名词短语，列出索引项“最大池化”及对应的页码339。
    • 翻译:“最大池化，339”
  • Maximum likelihood, 131
    • 句子分析:简单的名词短语，列出索引项“最大似然”及对应的页码131。
    • 翻译:“最大似然，131”
    • 单词分析:
      • likelihood:名词，词源来自likely（可能的），词义：可能性；似然。
        • 记忆方法:联想likely（可能的）+ -hood（名词后缀），表示可能性的程度。
        • 形近词:likely（可能的）、unlikelihood（不可能）。
        • 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，“o” 发短元音 /ʊ/，“d” 发 /d/ 音。
  • Maxout, 192 427
    • 句子分析:简单的名词短语，列出索引项“Maxout”及对应的页码192、427。
    • 翻译:“Maxout，192 427”
  • MCMC, see Markov chain Monte Carlo
    • 句子分析:简单的句子，告知“MCMC”可参考“马尔可夫链蒙特卡罗”。
    • 翻译:“MCMC，见马尔可夫链蒙特卡罗”
  • Mean field, 640 641 674
    • 句子分析:简单的名词短语，列出索引项“平均场”及对应的页码640、641、674。
    • 翻译:“平均场，640 641 674”
  • Mean squared error, 108
    • 句子分析:简单的名词短语，列出索引项“均方误差”及对应的页码108。
    • 翻译:“均方误差，108”
  • Measure theory, 71
    • 句子分析:简单的名词短语，列出索引项“测度论”及对应的页码71。
    • 翻译:“测度论，71”
  • Measure zero, 71
    • 句子分析:简单的名词短语，列出索引项“零测度”及对应的页码71。
    • 翻译:“零测度，71”
  • Memory network, 418 420
    • 句子分析:简单的名词短语，列出索引项“记忆网络”及对应的页码418、420。
    • 翻译:“记忆网络，418 420”
  • Method of steepest descent, see gradient descent
    • 句子分析:简单的句子，告知“最速下降法”可参考“梯度下降法”。
    • 翻译:“最速下降法，见梯度下降法”
    • 单词分析:
      • steepest:形容词最高级，词源来自steep（陡峭的），词义：最陡峭的。
        • 记忆方法:联想steep（陡峭的）+ -est（最高级后缀），表示最陡峭的。
        • 形近词:steep（陡峭的）、steepen（使陡峭）。
        • 发音解析:
          • 音节分解:steep + est /ˈstiːpɪst/，重音在第一音节
          • 规则:steep → /stiːp/， “steep” 发 /stiːp/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“ee” 发长元音 /iː/，“p” 发 /p/ 音。
          • 规则:est → /ɪst/， “est” 发 /ɪst/ 音，其中 “e” 发短元音 /ɪ/，“s” 发 /s/ 音，“t” 发 /t/ 音。
    • descent:名词，词源来自descend（下降），词义：下降；血统。
      • 记忆方法:联想descend（下降）+ -ent（名词后缀），表示下降的行为或状态。
      • 形近词:descend（下降）、ascend（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，其中 “d” 发 /d/ 音，“e” 发短元音 /ɪ/。
        • 规则:scent → /sent/， “scent” 发 /sent/ 音，其中 “s” 发 /s/ 音，“c” 发 /s/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音，“t” 发 /t/ 音。
  • Minibatch, 279
    • 句子分析:简单的名词短语，列出索引项“小批量”及对应的页码279。
    • 翻译:“小批量，279”
  • Missing inputs, 100
    • 句子分析:简单的名词短语，列出索引项“缺失输入”及对应的页码100。
    • 翻译:“缺失输入，100”
  • Mixing (Markov chain), 603
    • 句子分析:简单的名词短语，列出索引项“混合（马尔可夫链）”及对应的页码603。
    • 翻译:“混合（马尔可夫链），603”
  • Mixture density networks, 188
    • 句子分析:简单的名词短语，列出索引项“混合密度网络”及对应的页码188。
    • 翻译:“混合密度网络，188”
    • 单词分析:
      • mixture:名词，词源来自mix（混合），词义：混合；混合物。
        • 记忆方法:联想mix（混合）+ -ture（名词后缀），表示混合的结果。
        • 形近词:mix（混合）、premixture（预混合）。
        • 发音解析:
          • 音节分解:mix + ture /ˈmɪkstʃər/，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 → /tʃər/， “ture” 发 /tʃər/ 音，其中 “t” 发 /tʃ/ 音，“u” 发短元音 /ə/，“r” 发 /r/ 音。
    • density:名词，词源来自dense（密集的），词义：密度；浓度。
      • 记忆方法:联想dense（密集的）+ -ity（名词后缀），表示密集的程度。
      • 形近词:dense（密集的）、condense（浓缩）。
      • 发音解析:
        • 音节分解:den + si + ty /ˈdensəti/，重音在第一音节
        • 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:si → /sɪ/， “si” 发 /sɪ/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/。
        • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发 /i/ 音。
  • Mixture distribution, 66
    • 句子分析:简单的名词短语，列出索引项“混合分布”及对应的页码66。
    • 翻译:“混合分布，66”
  • Mixture model, 188 512
    • 句子分析:简单的名词短语，列出索引项“混合模型”及对应的页码188、512。
    • 翻译:“混合模型，188 512”
  • Mixture of experts, 452 550
    • 句子分析:简单的名词短语，列出索引项“专家混合模型”及对应的页码452、550。
    • 翻译:“专家混合模型，452 550”
  • MLP, see multilayer perception
    • 句子分析:简单的句子，告知“MLP”可参考“多层感知器”。
    • 翻译:“MLP，见多层感知器”
  • MNIST, 21 22 674
    • 句子分析:简单的名词短语，列出索引项“MNIST”及对应的页码21、22、674。
    • 翻译:“MNIST，21 22 674”
  • Model averaging, 256
    • 句子分析:简单的名词短语，列出索引项“模型平均”及对应的页码256。
    • 翻译:“模型平均，256”
  • Model compression, 450
    • 句子分析:简单的名词短语，列出索引项“模型压缩”及对应的页码450。
    • 翻译:“模型压缩，450”
    • 单词分析:
      • compression:名词，词源来自compress（压缩），词义：压缩；紧缩。
        • 记忆方法:联想compress（压缩）+ -ion（名词后缀），表示压缩的行为或结果。
        • 形近词:compress（压缩）、decompression（解压）。
        • 发音解析:
          • 音节分解:com + press + ion /kəmˈpreʃn/，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:press → /pres/， “press” 发 /pres/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发短元音 /e/，“s” 发 /s/ 音。
          • 规则:ion → /ʃn/， “ion” 发 /ʃn/ 音，其中 “i” 不发音，“o” 发 /ʃ/ 音，“n” 发 /n/ 音。
  • Model identifiability, 284
    • 句子分析:简单的名词短语，列出索引项“模型可识别性”及对应的页码284。
    • 翻译:“模型可识别性，284”
    • 单词分析:
      • identifiability:名词，词源来自identify（识别），词义：可识别性。
        • 记忆方法:联想identify（识别）+ -ability（名词后缀，表示能力），表示可识别的能力。
        • 形近词:identify（识别）、identifiable（可识别的）。
        • 发音解析:
          • 音节分解:i + den + ti + fi + abil + i + ty /aɪˌdentɪfaɪəˈbɪləti/，重音在第四音节
          • 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 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
          • 规则:fi → /faɪ/， “fi” 发 /faɪ/ 音，其中 “f” 发 /f/ 音，“i” 发长元音 /aɪ/。
          • 规则:abil → /əbl/， “abil” 发 /əbl/ 音，其中 “a” 发短元音 /ə/，“b” 发 /b/ 音，“i” 发短元音 /ɪ/，“l” 发 /l/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发 /i/ 音。
  • Model parallelism, 449
    • 句子分析:简单的名词短语，列出索引项“模型并行性”及对应的页码449。
    • 翻译:“模型并行性，449”
    • 单词分析:
      • parallelism:名词，词源来自parallel（平行的），词义：平行；并行性。
        • 记忆方法:联想parallel（平行的）+ -ism（名词后缀，表示主义、性质），表示平行的性质。
        • 形近词:parallel（平行的）、nonparallel（不平行的）。
        • 发音解析:
          • 音节分解:par + al + lel + ism /ˈpærəlelɪzəm/，重音在第一音节
          • 规则:par → /pær/， “par” 发 /pær/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/，“r” 发 /r/ 音。
          • 规则:al → /əl/， “al” 发 /əl/ 音，其中 “a” 发短元音 /ə/，“l” 发 /l/ 音。
          • 规则:lel → /lel/， “lel” 发 /lel/ 音，其中 “l” 发 /l/ 音，“e” 发短元音 /e/，“l” 发 /l/ 音。
          • 规则:ism → /ɪzəm/， “ism” 发 /ɪzəm/ 音，其中 “i” 发短元音 /ɪ/，“s” 发 /z/ 音，“m” 发 /m/ 音。
  • Moment matching, 705
    • 句子分析:简单的名词短语，列出索引项“矩匹配”及对应的页码705。
    • 翻译:“矩匹配，705”
  • Moore - Penrose pseudo inverse, 45 239
    • 句子分析:简单的名词短语，列出索引项“摩尔 - 彭罗斯伪逆”及对应的页码45、239。
    • 翻译:“摩尔 - 彭罗斯伪逆，45 239”
    • 单词分析:
      • pseudo:形容词，词源来自希腊语pseudēs（假的），词义：假的；伪的。
        • 记忆方法:谐音“虚的”，表示假的。
        • 形近词:pseudonym（笔名）、pseudoscience（伪科学）。
        • 发音解析:
          • 音节分解:pseu + do /ˈsuːdoʊ/，重音在第一音节
          • 规则:pseu → /suː/， “pseu” 发 /suː/ 音，其中 “p” 不发音，“s” 发 /s/ 音，“eu” 发长元音 /uː/。
          • 规则:do → /doʊ/， “do” 发 /doʊ/ 音，其中 “d” 发 /d/ 音，“o” 发长元音 /oʊ/。
  • Moralized graph, 579
    • 句子分析:简单的名词短语，列出索引项“道德化图”及对应的页码579。
    • 翻译:“道德化图，579”
    • 单词分析:
      • moralized:动词过去式，词源来自moral（道德的），词义：使道德化。
        • 记忆方法:联想moral（道德的）+ -ize（动词后缀，表示使……化），表示使具有道德。
        • 形近词:moral（道德的）、immoral（不道德的）。
        • 发音解析:
          • 音节分解:mor + al + ize + d /ˈmɔːrəlaɪzd/，重音在第一音节
          • 规则:mor → /mɔːr/， “mor” 发 /mɔːr/ 音，其中 “m” 发 /m/ 音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音。
          • 规则:al → /əl/， “al” 发 /əl/ 音，其中 “a” 发短元音 /ə/，“l” 发 /l/ 音。
          • 规则:ize → /aɪz/， “ize” 发 /aɪz/ 音，其中 “i” 发长元音 /aɪ/，“z” 发 /z/ 音。
  • L

  • Ridge regression, see weight decay
    • 固定搭配:“see”在这里表示“参见”的意思，是学术文献中常见的用法。
    • 句子分析:简单的指示性句子，告知读者关于“Ridge regression（岭回归）”可参考“weight decay（权重衰减）”相关内容。
    • 翻译:“岭回归，参见权重衰减”
    • 单词分析:
      • regression:名词，词源来自拉丁语“regressus”，是“regredi”（往回走）的过去分词形式，词义：回归；退回。
        • 记忆方法:“re-”表示“回”，“gress”表示“走”，合起来就是“往回走”，引申为回归。
        • 形近词:progress（进步）、digress（离题）。
        • 发音解析:
          • 音节分解:re + gres + sion /rɪˈɡreʃn/，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:gres → /ɡres/， “gres” 发 /ɡres/ 音，其中 “g” 发 /ɡ/ 音，“re” 发 /r/ 音，“s” 发 /s/ 音。
          • 规则:sion → /ʃn/， “sion” 发 /ʃn/ 音。

  • Risk, 275
    • 翻译:“风险，第275页”
  • RNN - RBM, 687
    • 翻译:“循环神经网络 - 受限玻尔兹曼机，第687页”
  • Saddle points, 285
    • 翻译:“鞍点，第285页”
  • Sample mean, 125
    • 翻译:“样本均值，第125页”
  • Scalar, , , xi xii 31
    • 翻译:“标量，前言第xi、xii页，正文第31页”
  • Score matching, , 515 619
    • 翻译:“得分匹配，第515、619页”
  • Second derivative, 86
    • 翻译:“二阶导数，第86页”
    • 单词分析:
      • derivative:名词，词源来自拉丁语“derivare”（引出，导出），词义：导数；派生物。
        • 记忆方法:“de-”表示“向下”，“riv”表示“河流”，“-ative”是形容词后缀，可联想为从河流源头导出的东西，引申为导数。
        • 形近词:derive（导出，衍生）、river（河流）。
        • 发音解析:
          • 音节分解:de + riv + a + tive /dɪˈrɪvətɪv/，重音在第二音节
          • 规则:de → /dɪ/， “de” 发 /dɪ/ 音，其中 “d” 发 /d/ 音，“e” 发短元音 /ɪ/。
          • 规则:riv → /rɪv/， “riv” 发 /rɪv/ 音，其中 “r” 发 /r/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音。
          • 规则:a → /ə/， “a” 发 /ə/ 音。
          • 规则:tive → /tɪv/， “tive” 发 /tɪv/ 音。
  • Second derivative test, 89
    • 翻译:“二阶导数检验，第89页”
  • Self - information, 73
    • 翻译:“自信息，第73页”
  • Semantic hashing, 527
    • 翻译:“语义哈希，第527页”
    • 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“semi-”（半）和“antic”（预期），语义就是对事物意义的一种预期理解。
        • 形近词:seminar（研讨会）、semicircle（半圆）。
        • 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。
    • hashing:名词，是“hash”的动名词形式，“hash”词源不确定，词义：哈希；散列。
      • 记忆方法:可联想“hash”有“切碎，搞乱”的意思，哈希就是把数据打乱重新映射。
      • 形近词:ash（灰）、bash（猛击）。
      • 发音解析:
        • 音节分解:hash + ing /ˈhæʃɪŋ/，重音在第一音节
        • 规则:hash → /hæʃ/， “hash” 发 /hæʃ/ 音，其中 “h” 发 /h/ 音，“a” 发短元音 /æ/，“sh” 发 /ʃ/ 音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音。
  • Semi - supervised learning, 243
    • 翻译:“半监督学习，第243页”
    • 单词分析:
      • supervised:形容词，“supervise”的过去分词形式，词源来自拉丁语“supervisere”（监督，监管），词义：有监督的。
        • 记忆方法:“super-”表示“在……之上”，“vise”表示“看”，合起来就是在上面看着，即监督。
        • 形近词:supervisor（监督者）、vision（视力，视野）。
        • 发音解析:
          • 音节分解:su + per + vis + ed /ˈsuːpəvaɪzd/，重音在第一音节
          • 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:vis → /vaɪz/， “vis” 发 /vaɪz/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /aɪ/，“s” 发 /z/ 音。
          • 规则:ed → /d/， “ed” 发 /d/ 音。
  • Separable convolution, 362
    • 翻译:“可分离卷积，第362页”
    • 单词分析:
      • separable:形容词，“separate”的形容词形式，词源来自拉丁语“separare”（分开，分离），词义：可分离的。
        • 记忆方法:“se-”表示“分开”，“par”表示“部分”，“-able”表示“可……的”，合起来就是可以分成部分的，即可分离的。
        • 形近词:separate（分开，分离）、apart（分开地）。
        • 发音解析:
          • 音节分解:se + par + a + ble /ˈsepərəbl/，重音在第一音节
          • 规则:se → /se/， “se” 发 /se/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/。
          • 规则:par → /pɑː(r)/， “par” 发 /pɑː(r)/ 音，其中 “p” 发 /p/ 音，“a” 发长元音 /ɑː/，“r” 发 /r/ 音。
          • 规则:a → /ə/， “a” 发 /ə/ 音。
          • 规则:ble → /bl/， “ble” 发 /bl/ 音。
    • convolution:名词，词源来自拉丁语“convolvere”（卷绕，缠绕），词义：卷积；回旋。
      • 记忆方法:“con-”表示“一起”，“volve”表示“卷”，合起来就是卷在一起，类似于卷积的操作。
      • 形近词:evolve（进化）、revolve（旋转）。
      • 发音解析:
        • 音节分解:con + vo + lu + tion /ˌkɒnvəˈluːʃn/，重音在第三音节
        • 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。
  • Separation (probabilistic modeling), 574
    • 翻译:“分离（概率建模），第574页”
    • 单词分析:
      • separation:名词，“separate”的名词形式，词源来自拉丁语“separare”（分开，分离），词义：分离；分开。
        • 记忆方法:“se-”表示“分开”，“par”表示“部分”，“-ation”是名词后缀，合起来就是分成部分的行为，即分离。
        • 形近词:separate（分开，分离）、apart（分开地）。
        • 发音解析:
          • 音节分解:se + par + a + tion /ˌsepəˈreɪʃn/，重音在第三音节
          • 规则:se → /se/， “se” 发 /se/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/。
          • 规则:par → /pɑː(r)/， “par” 发 /pɑː(r)/ 音，其中 “p” 发 /p/ 音，“a” 发长元音 /ɑː/，“r” 发 /r/ 音。
          • 规则:a → /ə/， “a” 发 /ə/ 音。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
    • probabilistic:形容词，“probability”的形容词形式，词源来自拉丁语“probabilis”（可证明的，可能的），词义：概率的；或然的。
      • 记忆方法:“prob”表示“证明”，“-able”表示“可……的”，“-istic”是形容词后缀，合起来就是可证明可能性的，即概率的。
      • 形近词:probable（可能的）、probation（缓刑）。
      • 发音解析:
        • 音节分解:pro + ba + bil + is + tic /ˌprəʊbəˈbɪlɪstɪk/，重音在第三音节
        • 规则:pro → /prəʊ/， “pro” 发 /prəʊ/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发长元音 /əʊ/。
        • 规则:ba → /bə/， “ba” 发 /bə/ 音，其中 “b” 发 /b/ 音，“a” 发短元音 /ə/。
        • 规则:bil → /bɪl/， “bil” 发 /bɪl/ 音，其中 “b” 发 /b/ 音，“i” 发短元音 /ɪ/，“l” 发 /l/ 音。
        • 规则:is → /ɪs/， “is” 发 /ɪs/ 音，其中 “i” 发短元音 /ɪ/，“s” 发 /s/ 音。
        • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音。
  • Set, xii
    • 翻译:“集合，前言第xii页”
  • SGD, see stochastic gradient descent
    • 固定搭配:“see”表示“参见”；“stochastic gradient descent”是专业术语，意为“随机梯度下降”。
    • 句子分析:指示性句子，告知读者关于“SGD（随机梯度下降法）”可参考“stochastic gradient descent”相关内容。
    • 翻译:“随机梯度下降法，参见随机梯度下降”
    • 单词分析:
      • stochastic:形容词，词源来自希腊语“stokhazesthai”（猜测，瞄准），词义：随机的；随机过程的。
        • 记忆方法:可联想“stoch”发音类似“猜测”，“-astic”是形容词后缀，合起来就是与猜测有关的，即随机的。
        • 形近词:stochast（随机变量）、stoke（煽动，激起）。
        • 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。
    • gradient:名词，词源来自拉丁语“gradus”（步，级），词义：梯度；倾斜度。
      • 记忆方法:“grad”表示“步”，“-ient”是形容词后缀，可联想为一步一步变化的程度，即梯度。
      • 形近词:grade（等级）、graduate（毕业）。
      • 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，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发长元音 /eɪ/。
        • 规则:di → /di/， “di” 发 /di/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/。
        • 规则:ent → /ənt/， “ent” 发 /ənt/ 音。
    • descent:名词，词源来自拉丁语“descendere”（下降，下来），词义：下降；斜坡。
      • 记忆方法:“de-”表示“向下”，“scent”表示“走”，合起来就是向下走，即下降。
      • 形近词:ascend（上升）、scent（气味）。
      • 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，其中 “d” 发 /d/ 音，“e” 发短元音 /ɪ/。
        • 规则:scent → /sent/， “scent” 发 /sent/ 音，其中 “s” 发 /s/ 音，“c” 发 /k/ 音，“e” 发短元音 /e/，“nt” 发 /nt/ 音。
  • Shannon entropy, , xiii 73
    • 翻译:“香农熵，前言第xiii页，正文第73页”
    • 单词分析:
      • entropy:名词，词源来自希腊语“entropia”（转变，变化），词义：熵；平均信息量。
        • 记忆方法:“en-”表示“在……里面”，“trop”表示“转变”，“-y”是名词后缀，可联想为里面的转变程度，即熵。
        • 形近词:tropic（热带的）、trophy（奖杯）。
        • 发音解析:
          • 音节分解:en + tro + py /ˈentrəpi/，重音在第一音节
          • 规则:en → /en/， “en” 发 /en/ 音，其中 “e” 发短元音 /e/，“n” 发 /n/ 音。
          • 规则:tro → /trəʊ/， “tro” 发 /trəʊ/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“o” 发长元音 /əʊ/。
          • 规则:py → /pi/， “py” 发 /pi/ 音，其中 “p” 发 /p/ 音，“y” 发短元音 /ɪ/。
  • Shortlist, 468
    • 翻译:“候选名单，第468页”
  • Sigmoid, , xiv see logistic sigmoid
    • 固定搭配:“see”表示“参见”；“logistic sigmoid”是专业术语，意为“逻辑 sigmoid 函数”。
    • 句子分析:指示性句子，告知读者关于“Sigmoid（S 形函数）”可参考“logistic sigmoid”相关内容。
    • 翻译:“S 形函数，前言第xiv页，参见逻辑 sigmoid 函数”
    • 单词分析:
      • sigmoid:名词，词源来自希腊语“sigma”（希腊字母 σ），词义：S 形函数；S 形曲线。
        • 记忆方法:“sigma”是希腊字母 σ，形状类似 S 形，“-oid”表示“像……的”，合起来就是像 S 形的，即 S 形函数。
        • 形近词:oid（类……的）、sigma（希腊字母 σ）。
        • 发音解析:
          • 音节分解:sig + moid /ˈsɪɡmɔɪd/，重音在第一音节
          • 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:moid → /mɔɪd/， “moid” 发 /mɔɪd/ 音，其中 “m” 发 /m/ 音，“o” 发长元音 /ɔɪ/，“d” 发 /d/ 音。
    • logistic:形容词，词源来自希腊语“logos”（逻辑），词义：逻辑的；逻辑斯蒂的。
      • 记忆方法:“log”表示“逻辑”，“-istic”是形容词后缀，合起来就是与逻辑有关的，即逻辑的。
      • 形近词:logic（逻辑）、logarithm（对数）。
      • 发音解析:
        • 音节分解:lo + gis + tic /ləˈdʒɪstɪk/，重音在第二音节
        • 规则:lo → /lə/， “lo” 发 /lə/ 音，其中 “l” 发 /l/ 音，“o” 发短元音 /ə/。
        • 规则:gis → /dʒɪs/， “gis” 发 /dʒɪs/ 音，其中 “g” 发 /dʒ/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
        • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音。
  • Sigmoid belief network, 27
    • 翻译:“S 形信念网络，第27页”
  • Simple cell, 365
    • 翻译:“简单细胞，第365页”
  • Singular value, see singular value decomposition
    • 固定搭配:“see”表示“参见”；“singular value decomposition”是专业术语，意为“奇异值分解”。
    • 句子分析:指示性句子，告知读者关于“Singular value（奇异值）”可参考“singular value decomposition”相关内容。
    • 翻译:“奇异值，参见奇异值分解”
    • 单词分析:
      • singular:形容词，词源来自拉丁语“singulus”（单个的，唯一的），词义：奇异的；单一的；非凡的。
        • 记忆方法:“sing”表示“唱”，可联想为单独唱，即单一的，引申为奇异的。
        • 形近词:single（单一的）、singer（歌手）。
        • 发音解析:
          • 音节分解:sin + gu + lar /ˈsɪŋɡjələ(r)/，重音在第一音节
          • 规则:sin → /sɪn/， “sin” 发 /sɪn/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/，“n” 发 /n/ 音。
          • 规则:gu → /ɡjuː/， “gu” 发 /ɡjuː/ 音，其中 “g” 发 /ɡ/ 音，“u” 发长元音 /juː/。
          • 规则:lar → /lə(r)/， “lar” 发 /lə(r)/ 音，其中 “l” 发 /l/ 音，“a” 发短元音 /ə/，“r” 发 /r/ 音。
    • decomposition:名词，“decompose”的名词形式，词源来自拉丁语“decomponere”（分解，拆开），词义：分解；腐烂。
      • 记忆方法:“de-”表示“向下，分开”，“com-”表示“一起”，“pose”表示“放置”，合起来就是把放在一起的东西分开，即分解。
      • 形近词:compose（组成，创作）、oppose（反对）。
      • 发音解析:
        • 音节分解:de + com + po + si + tion /ˌdiːkɒmpəˈzɪʃn/，重音在第四音节
        • 规则:de → /diː/， “de” 发 /diː/ 音，其中 “d” 发 /d/ 音，“e” 发长元音 /iː/。
        • 规则:com → /kɒm/， “com” 发 /kɒm/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ɒ/，“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:si → /zɪ/， “si” 发 /zɪ/ 音，其中 “s” 发 /z/ 音，“i” 发短元音 /ɪ/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • Singular value decomposition, , , 44 148 481
    • 翻译:“奇异值分解，第44、148、481页”
  • Singular vector, see singular value decomposition
    • 固定搭配:“see”表示“参见”；“singular value decomposition”是专业术语，意为“奇异值分解”。
    • 句子分析:指示性句子，告知读者关于“Singular vector（奇异向量）”可参考“singular value decomposition”相关内容。
    • 翻译:“奇异向量，参见奇异值分解”
  • Slow feature analysis, 495
    • 翻译:“慢特征分析，第495页”
  • SML, see stochastic maximum likelihood
    • 固定搭配:“see”表示“参见”；“stochastic maximum likelihood”是专业术语，意为“随机最大似然”。
    • 句子分析:指示性句子，告知读者关于“SML（随机最大似然法）”可参考“stochastic maximum likelihood”相关内容。
    • 翻译:“随机最大似然法，参见随机最大似然”
    • 单词分析:
      • likelihood:名词，“likely”的名词形式，词源来自“like”（像，相似），词义：可能性；似然。
        • 记忆方法:“like”表示“像”，“-hood”是名词后缀，合起来就是像某种情况的程度，即可能性。
        • 形近词:likely（可能的）、childhood（童年）。
        • 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” 发短元音 /ɪ/。
          • 规则:hood → /hʊd/， “hood” 发 /hʊd/ 音，其中 “h” 发 /h/ 音，“o” 发短元音 /ʊ/，“d” 发 /d/ 音。
  • Softmax, , , 183 420 452
    • 翻译:“Softmax 函数，第183、420、452页”
  • Softplus, , , xiv 68 196
    • 翻译:“Softplus 函数，前言第xiv页，正文第68、196页”
  • Spam detection, 3
    • 翻译:“垃圾邮件检测，第3页”
  • Sparse coding, , , , , 321 356 498 633 694
    • 翻译:“稀疏编码，第321、356、498、633、694页”
    • 单词分析:
      • sparse:形容词，词源来自拉丁语“sparsus”（分散的，稀疏的），词义：稀疏的；稀少的。
        • 记忆方法:可联想“spar”（晶石），稀疏的地方才有晶石，即稀疏的。
        • 形近词:sparrow（麻雀）、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(r)/， “spar” 发 /spɑː(r)/ 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。
    • coding:名词，“code”的动名词形式，词源来自拉丁语“codex”（法典，法规），词义：编码；编程。
      • 记忆方法:“code”表示“代码”，“-ing”是动名词后缀，合起来就是编写代码的行为，即编码。
      • 形近词:code（代码）、decode（解码）。
      • 发音解析:
        • 音节分解:code + ing /ˈkəʊdɪŋ/，重音在第一音节
        • 规则:code → /kəʊd/， “code” 发 /kəʊd/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /əʊ/，“d” 发 /d/ 音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音。
  • Sparse initialization, , 304 407
    • 翻译:“稀疏初始化，第304、407页”
    • 单词分析:
      • initialization:名词，“initialize”的名词形式，词源来自拉丁语“initium”（开始，开端），词义：初始化；设定初值。
        • 记忆方法:“in-”表示“进入”，“it”表示“走”，“-ial”是形容词后缀，“-ization”是名词后缀，合起来就是进入开始状态的行为，即初始化。
        • 形近词:initial（最初的）、initiate（发起，开始）。
        • 发音解析:
          • 音节分解:in + i + ti + al + i + za + tion /ɪˌnɪʃəlaɪˈzeɪʃn/，重音在第四音节
          • 规则:in → /ɪn/， “in” 发 /ɪn/ 音，其中 “i” 发短元音 /ɪ/，“n” 发 /n/ 音。
          • 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
          • 规则:ti → /ʃ/， “ti” 发 /ʃ/ 音。
          • 规则:al → /əl/， “al” 发 /əl/ 音。
          • 规则:i → /aɪ/， “i” 发 /aɪ/ 音。
          • 规则:za → /zə/， “za” 发 /zə/ 音。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • Sparse representation, , , , , 146 226 254 507 558
    • 翻译:“稀疏表示，第146、226、254、507、558页”
    • 单词分析:
      • representation:名词，“represent”的名词形式，词源来自拉丁语“repraesentare”（呈现，代表），词义：表示；代表；表现。
        • 记忆方法:“re-”表示“再”，“present”表示“呈现”，“-ation”是名词后缀，合起来就是再次呈现的行为，即表示。
        • 形近词:represent（代表）、presentation（展示）。
        • 发音解析:
          • 音节分解:re + pre + sent + a + tion /ˌreprɪzenˈteɪʃn/，重音在第四音节
          • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
          • 规则:pre → /prɪ/， “pre” 发 /prɪ/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发短元音 /ɪ/。
          • 规则:sent → /sent/， “sent” 发 /sent/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音，“t” 发 /t/ 音。
          • 规则:a → /ə/， “a” 发 /ə/ 音。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • Spearmint, 438
    • 翻译:“留兰香（可能是某种算法或模型的名称），第438页”
  • Spectral radius, 406
    • 翻译:“谱半径，第406页”
    • 单词分析:
      • spectral:形容词，“spectrum”的形容词形式，词源来自拉丁语“spectrum”（景象，外观），词义：光谱的；频谱的；谱的。
        • 记忆方法:“spect”表示“看”，“-ral”是形容词后缀，可联想为能看到的光谱的，即光谱的。
        • 形近词:spectrum（光谱）、inspect（检查）。
        • 发音解析:
          • 音节分解:spec + tral /ˈspektrəl/，重音在第一音节
          • 规则:spec → /spek/， “spec” 发 /spek/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“e” 发短元音 /e/，“c” 发 /k/ 音。
          • 规则:tral → /trəl/， “tral” 发 /trəl/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
    • radius:名词，词源来自拉丁语“radius”（辐条，半径），词义：半径；范围。
      • 记忆方法:可联想车轮的辐条，从中心到边缘的距离就是半径。
      • 形近词:radio（收音机）、radial（辐射的）。
      • 发音解析:
        • 音节分解:ra + di + us /ˈreɪdiəs/，重音在第一音节
        • 规则:ra → /reɪ/， “ra” 发 /reɪ/ 音，其中 “r” 发 /r/ 音，“a” 发长元音 /eɪ/。
        • 规则:di → /di/， “di” 发 /di/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/。
        • 规则:us → /əs/， “us” 发 /əs/ 音。
  • Speech recognition, see automatic speech recognition
    • 固定搭配:“see”表示“参见”；“automatic speech recognition”是专业术语，意为“自动语音识别”。
    • 句子分析:指示性句子，告知读者关于“Speech recognition（语音识别）”可参考“automatic speech recognition”相关内容。
    • 翻译:“语音识别，参见自动语音识别”
    • 单词分析:
      • recognition:名词，“recognize”的名词形式，词源来自拉丁语“recognoscere”（认出，承认），词义：识别；认出；承认。
        • 记忆方法:“re-”表示“再”，“cognize”表示“认识”，“-tion”是名词后缀，合起来就是再次认识的行为，即识别。
        • 形近词:recognize（认出，承认）、cognitive（认知的）。
        • 发音解析:
          • 音节分解:re + cog + ni + tion /ˌrekəɡˈnɪʃn/，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:cog → /kɒɡ/， “cog” 发 /kɒɡ/ 音，其中 “c” 发 /k/ 音，“o” 发短元音 /ɒ/，“g” 发 /ɡ/ 音。
          • 规则:ni → /nɪ/， “ni” 发 /nɪ/ 音，其中 “n” 发 /n/ 音，“i” 发短元音 /ɪ/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
    • automatic:形容词，词源来自希腊语“automatos”（自动的），词义：自动的；无意识的。
      • 记忆方法:“auto-”表示“自动”，“-matic”是形容词后缀，合起来就是自动的。
      • 形近词:automobile（汽车）、autonomy（自治）。
      • 发音解析:
        • 音节分解:au + to + mat + ic /ˌɔːtəˈmætɪk/，重音在第三音节
        • 规则:au → /ɔː/， “au” 发 /ɔː/ 音，其中 “a” 发长元音 /ɔː/。
        • 规则:to → /təʊ/， “to” 发 /təʊ/ 音，其中 “t” 发 /t/ 音，“o” 发长元音 /əʊ/。
        • 规则:mat → /mæt/， “mat” 发 /mæt/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /æ/，“t” 发 /t/ 音。
        • 规则:ic → /ɪk/， “ic” 发 /ɪk/ 音。
  • Sphering, see whitening
    • 固定搭配:“see”表示“参见”；“whitening”是专业术语，意为“白化”。
    • 句子分析:指示性句子，告知读者关于“Sphering（球化）”可参考“whitening”相关内容。
    • 翻译:“球化，参见白化”
  • Spike and slab restricted Boltzmann machine, 682
    • 翻译:“尖峰 - 平板受限玻尔兹曼机，第682页”
    • 单词分析:
      • spike:名词，词源可能来自古英语“spica”（穗，尖），词义：尖峰；长钉。
        • 记忆方法:可联想尖锐的东西像长钉，即尖峰。
        • 形近词:spicy（辛辣的）、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。
    • slab:名词，词源来自古英语“slaeb”（厚板，平板），词义：平板；厚片。
      • 记忆方法:可联想一块厚厚的板子，即平板。
      • 形近词:slap（拍打）、slip（滑倒）。
      • 发音解析:
        • 音节分解:slab /slæb/，重音在第一音节
        • 规则:slab → /slæb/， “slab” 发 /slæb/ 音，其中 “s” 发 /s/ 音，“l” 发 /l/ 音，“a” 发短元音 /æ/，“b” 发 /b/ 音。
    • restricted:形容词，“restrict”的过去分词形式，词源来自拉丁语“restringere”（限制，约束），词义：受限的；受约束的。
      • 记忆方法:“re-”表示“回”，“strict”表示“拉紧”，合起来就是往回拉紧，即受限的。
      • 形近词:restrict（限制）、district（地区）。
      • 发音解析:
        • 音节分解:re + strict + ed /rɪˈstrɪktɪd/，重音在第二音节
        • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
        • 规则:strict → /strɪkt/， “strict” 发 /strɪkt/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
        • 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音。
    • Boltzmann:名词，是人名，指奥地利物理学家路德维希·玻尔兹曼（Ludwig Boltzmann）。
      • 记忆方法:可通过记住物理学家的名字来记忆。
      • 形近词:无。
      • 发音解析:
        • 音节分解:Bolt + z + mann /ˈbəʊltzmən/，重音在第一音节
        • 规则:Bolt → /bəʊlt/， “Bolt” 发 /bəʊlt/ 音，其中 “B” 发 /b/ 音，“o” 发长元音 /əʊ/，“l” 发 /l/ 音，“t” 发 /t/ 音。
        • 规则:z → /z/， “z” 发 /z/ 音。
        • 规则:mann → /mən/， “mann” 发 /mən/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /ə/，“n” 发 /n/ 音。
    • machine:名词，词源来自希腊语“machane”（机器，装置），词义：机器；机械。
      • 记忆方法:可联想常见的机器设备，即机器。
      • 形近词:machinery（机器，机械装置）、march（行军，前进）。
      • 发音解析:
        • 音节分解:ma + chine /məˈʃiːn/，重音在第二音节
        • 规则:ma → /mə/， “ma” 发 /mə/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /ə/。
        • 规则:chine → /ʃiːn/， “chine” 发 /ʃiːn/ 音，其中 “ch” 发 /ʃ/ 音，“i” 发长元音 /iː/，“n” 发 /n/ 音。
  • SPN, see sum - product network
    • 固定搭配:“see”表示“参见”；“sum - product network”是专业术语，意为“和积网络”。
    • 句子分析:指示性句子，告知读者关于“SPN（和积网络）”可参考“sum - product network”相关内容。
    • 翻译:“和积网络，参见和积网络”
  • Square matrix, 38
    • 翻译:“方阵，第38页”
  • ssRBM, see spike and slab restricted Boltzmann machine
    • 固定搭配:“see”表示“参见”；“spike and slab restricted Boltzmann machine”是专业术语，意为“尖峰 - 平板受限玻尔兹曼机”。
    • 句子分析:指示性句子，告知读者关于“ssRBM（尖峰 - 平板受限玻尔兹曼机）”可参考“spike and slab restricted Boltzmann machine”相关内容。
    • 翻译:“尖峰 - 平板受限玻尔兹曼机，参见尖峰 - 平板受限玻尔兹曼机”
  • Standard deviation, 61

  • INDEX Triangle inequality, 39
    • 句子分析:简单的名词短语，介绍索引中“Triangle inequality”（三角形不等式）所在的页码为39。
    • 翻译:“索引：三角形不等式，第39页”
    • 单词分析:
      • inequality:名词，词源来自拉丁语 "inequalitas"，由 "in-"（否定）和 "aequalitas"（平等）组成，词义：不等式；不平等。
        • 记忆方法:“in-”表示否定，“equality”是“平等”，合起来就是“不平等”，在数学里就是“不等式”。
        • 形近词:equality（平等）、equal（相等的）。
        • 发音解析:
          • 音节分解:in + e + qual + i + ty /ˌɪnɪˈkwɒləti/，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:e → /ɪ/， “e” 发短元音 /ɪ/。
          • 规则:qual → /kwɒl/， “qual” 发 /kwɒl/ 音，其中 “qu” 发 /kw/ 音，“a” 发短元音 /ɒ/，“l” 发 /l/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发 /i/ 音。

  • Triangulated graph, see chordal graph
    • 句子分析:指示性句子，告知“Triangulated graph”（三角剖分图）可参考“chordal graph”（弦图）。
    • 翻译:“三角剖分图，见弦图”
    • 单词分析:
      • triangulated:形容词，词源来自“triangle”（三角形），“-ate”是动词后缀，“-ed”是过去分词后缀，词义：三角剖分的。
        • 记忆方法:由“triangle”（三角形）派生而来，可联想将图形分割成多个三角形。
        • 形近词:triangle（三角形）、triangular（三角形的）。
        • 发音解析:
          • 音节分解:tri + an + gu + lat + ed /traɪˈæŋɡjəleɪtɪd/，重音在第二音节
          • 规则:tri → /traɪ/， “tri” 发 /traɪ/ 音，其中 “i” 发长元音 /aɪ/。
          • 规则:an → /æn/， “an” 发 /æn/ 音，其中 “a” 发短元音 /æ/，“n” 发鼻音。
          • 规则:gu → /ɡj/， “gu” 发 /ɡj/ 音，其中 “g” 发 /ɡ/ 音，“u” 起到连接作用。
          • 规则:lat → /leɪt/， “lat” 发 /leɪt/ 音，其中 “a” 发长元音 /eɪ/，“t” 发 /t/ 音。
          • 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音，其中 “e” 发短元音 /ɪ/，“d” 发 /d/ 音。
    • chordal:形容词，词源来自“chord”（弦），“-al”是形容词后缀，词义：弦的；与弦有关的。
      • 记忆方法:由“chord”（弦）派生而来，“-al”表示“……的”。
      • 形近词:chord（弦）。
      • 发音解析:
        • 音节分解:chord + al /ˈkɔːdl/，重音在第一音节
        • 规则:chord → /kɔːd/， “chord” 发 /kɔːd/ 音，其中 “ch” 发 /k/ 音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音，“d” 发 /d/ 音。
        • 规则:al → /l/， “al” 发 /l/ 音。
  • Trigram, 464
    • 句子分析:简单的名词短语，表明“Trigram”（三元组；三字词）在第464页。
    • 翻译:“三元组，第464页”
    • 单词分析:
      • trigram:名词，词源来自希腊语 “tri-”（三）和 “gramma”（字母、书写），词义：三元组；三字词。
        • 记忆方法:“tri-”表示“三”，“gram”可联想“书写”，合起来就是三个字母组成的词或三个元素组成的组。
        • 形近词:monogram（字母组合图案）、diagram（图表）。
        • 发音解析:
          • 音节分解:tri + gram /ˈtraɪɡræm/，重音在第一音节
          • 规则:tri → /traɪ/， “tri” 发 /traɪ/ 音，其中 “i” 发长元音 /aɪ/。
          • 规则:gram → /ɡræm/， “gram” 发 /ɡræm/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发短元音 /æ/，“m” 发 /m/ 音。
  • Unbiased, 124
    • 句子分析:简单的名词短语，说明“Unbiased”（无偏的）在第124页。
    • 翻译:“无偏的，第124页”
    • 单词分析:
      • unbiased:形容词，词源由 “un-”（否定）和 “biased”（有偏见的）组成，词义：无偏的；公正的。
        • 记忆方法:“un-”表示否定，“biased”是“有偏见的”，合起来就是“无偏的”。
        • 形近词:biased（有偏见的）。
        • 发音解析:
          • 音节分解:un + bi + as + ed /ʌnˈbaɪəst/，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:bi → /baɪ/， “bi” 发 /baɪ/ 音，其中 “i” 发长元音 /aɪ/。
          • 规则:as → /ə/， “as” 发 /ə/ 音，其中 “a” 发短元音 /ə/。
          • 规则:ed → /st/， “ed” 发 /st/ 音，因为 “d” 前是清辅音，所以 “ed” 发 /t/ 音。
  • Undirected graphical model, 77, 509
    • 句子分析:简单的名词短语，指出“Undirected graphical model”（无向图模型）在第77页和第509页。
    • 翻译:“无向图模型，第77页，第509页”
    • 单词分析:
      • undirected:形容词，词源由 “un-”（否定）和 “directed”（有方向的）组成，词义：无向的。
        • 记忆方法:“un-”表示否定，“directed”是“有方向的”，合起来就是“无向的”。
        • 形近词:directed（有方向的）。
        • 发音解析:
          • 音节分解:un + di + rect + ed /ˌʌndaɪˈrektɪd/，重音在第三音节
          • 规则:un → /ʌn/， “un” 发 /ʌn/ 音，其中 “u” 发短元音 /ʌ/，“n” 发鼻音。
          • 规则:di → /daɪ/， “di” 发 /daɪ/ 音，其中 “i” 发长元音 /aɪ/。
          • 规则:rect → /rekt/， “rect” 发 /rekt/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /e/，“c” 发 /k/ 音，“t” 发 /t/ 音。
          • 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音，其中 “e” 发短元音 /ɪ/，“d” 发 /d/ 音。
  • Undirected model, 568
    • 句子分析:简单的名词短语，表明“Undirected model”（无向模型）在第568页。
    • 翻译:“无向模型，第568页”
  • Uniform distribution, 57
    • 句子分析:简单的名词短语，说明“Uniform distribution”（均匀分布）在第57页。
    • 翻译:“均匀分布，第57页”
    • 单词分析:
      • uniform:形容词，词源来自拉丁语 “uni-”（一）和 “forma”（形式），词义：均匀的；统一的。
        • 记忆方法:“uni-”表示“一”，“form”是“形式”，合起来就是“统一的形式”，即“均匀的”。
        • 形近词:form（形式）、unify（使统一）。
        • 发音解析:
          • 音节分解:uni + form /ˈjuːnɪfɔːm/，重音在第一音节
          • 规则:uni → /juːnɪ/， “uni” 发 /juːnɪ/ 音，其中 “u” 发长元音 /juː/，“n” 发鼻音，“i” 发短元音 /ɪ/。
          • 规则:form → /fɔːm/， “form” 发 /fɔːm/ 音，其中 “f” 发 /f/ 音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音，“m” 发 /m/ 音。
  • Unigram, 464
    • 句子分析:简单的名词短语，表明“Unigram”（一元组；单字）在第464页。
    • 翻译:“一元组，第464页”
    • 单词分析:
      • unigram:名词，词源来自希腊语 “uni-”（一）和 “gramma”（字母、书写），词义：一元组；单字。
        • 记忆方法:“uni-”表示“一”，“gram”可联想“书写”，合起来就是一个字母或一个元素组成的组。
        • 形近词:trigram（三元组）、bigram（二元组）。
        • 发音解析:
          • 音节分解:uni + gram /ˈjuːnɪɡræm/，重音在第一音节
          • 规则:uni → /juːnɪ/， “uni” 发 /juːnɪ/ 音，其中 “u” 发长元音 /juː/，“n” 发鼻音，“i” 发短元音 /ɪ/。
          • 规则:gram → /ɡræm/， “gram” 发 /ɡræm/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发短元音 /æ/，“m” 发 /m/ 音。
  • Unit norm, 41
    • 句子分析:简单的名词短语，指出“Unit norm”（单位范数）在第41页。
    • 翻译:“单位范数，第41页”
  • Unit vector, 41
    • 句子分析:简单的名词短语，表明“Unit vector”（单位向量）在第41页。
    • 翻译:“单位向量，第41页”
  • Universal approximation theorem, 197
    • 句子分析:简单的名词短语，说明“Universal approximation theorem”（通用逼近定理）在第197页。
    • 翻译:“通用逼近定理，第197页”
    • 单词分析:
      • universal:形容词，词源来自拉丁语 “universus”，由 “uni-”（一）和 “versus”（转向）组成，词义：普遍的；通用的。
        • 记忆方法:“uni-”表示“一”，“versus”可联想“转向”，合起来就是“所有都转向一处”，即“普遍的”。
        • 形近词:universe（宇宙）、university（大学）。
        • 发音解析:
          • 音节分解:uni + ver + sal /ˌjuːnɪˈvɜːsl/，重音在第二音节
          • 规则:uni → /juːnɪ/， “uni” 发 /juːnɪ/ 音，其中 “u” 发长元音 /juː/，“n” 发鼻音，“i” 发短元音 /ɪ/。
          • 规则:ver → /vɜː/， “ver” 发 /vɜː/ 音，其中 “v” 发 /v/ 音，“e” 发长元音 /ɜː/，“r” 发 /r/ 音。
          • 规则:sal → /sl/， “sal” 发 /sl/ 音。
    • approximation:名词，词源来自拉丁语 “approximare”（接近），“-ation”是名词后缀，词义：逼近；近似。
      • 记忆方法:可联想“approximate”（近似），“-ation”将动词变为名词。
      • 形近词:approximate（近似的）。
      • 发音解析:
        • 音节分解:ap + prox + i + ma + tion /əˌprɒksɪˈmeɪʃn/，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 → /prɒks/， “prox” 发 /prɒks/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发短元音 /ɒ/，“x” 发 /ks/ 音。
        • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
        • 规则:ma → /meɪ/， “ma” 发 /meɪ/ 音，其中 “a” 发长元音 /eɪ/。
        • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • Universal approximator, 555
    • 句子分析:简单的名词短语，表明“Universal approximator”（通用逼近器）在第555页。
    • 翻译:“通用逼近器，第555页”
    • 单词分析:
      • approximator:名词，词源来自 “approximate”（近似），“-or”是表示人的后缀，词义：逼近器。
        • 记忆方法:由“approximate”派生而来，“-or”表示做某事的人或物，这里就是“逼近器”。
        • 形近词:approximate（近似的）。
        • 发音解析:
          • 音节分解:ap + prox + i + ma + tor /əˈprɒksɪmeɪtə(r)/，重音在第二音节
          • 规则:ap → /əp/， “ap” 发 /əp/ 音，其中 “a” 发短元音 /ə/，“p” 发 /p/ 音。
          • 规则:prox → /prɒks/， “prox” 发 /prɒks/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发短元音 /ɒ/，“x” 发 /ks/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ma → /meɪ/， “ma” 发 /meɪ/ 音，其中 “a” 发长元音 /eɪ/。
          • 规则:tor → /tə(r)/， “tor” 发 /tə(r)/ 音，其中 “t” 发 /t/ 音，“o” 发短元音 /ə/，“r” 发 /r/ 音。
  • Unnormalized probability distribution, 569
    • 句子分析:简单的名词短语，说明“Unnormalized probability distribution”（未归一化的概率分布）在第569页。
    • 翻译:“未归一化的概率分布，第569页”
    • 单词分析:
      • unnormalized:形容词，词源由 “un-”（否定）和 “normalized”（归一化的）组成，词义：未归一化的。
        • 记忆方法:“un-”表示否定，“normalized”是“归一化的”，合起来就是“未归一化的”。
        • 形近词:normalized（归一化的）。
        • 发音解析:
          • 音节分解:un + nor + mal + ized /ˌʌnˈnɔːməlaɪzd/，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:nor → /nɔː/， “nor” 发 /nɔː/ 音，其中 “n” 发鼻音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音。
          • 规则:mal → /məl/， “mal” 发 /məl/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 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。
  • Unsupervised learning, 105, 146
    • 句子分析:简单的名词短语，指出“Unsupervised learning”（无监督学习）在第105页和第146页。
    • 翻译:“无监督学习，第105页，第146页”
    • 单词分析:
      • unsupervised:形容词，词源由 “un-”（否定）和 “supervised”（有监督的）组成，词义：无监督的。
        • 记忆方法:“un-”表示否定，“supervised”是“有监督的”，合起来就是“无监督的”。
        • 形近词:supervised（有监督的）。
        • 发音解析:
          • 音节分解:un + su + per + vis + ed /ˌʌnsuːˈpɜːvaɪzd/，重音在第三音节
          • 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 “u” 发长元音 /uː/。
          • 规则:per → /pɜː/， “per” 发 /pɜː/ 音，其中 “p” 发 /p/ 音，“e” 发长元音 /ɜː/，“r” 发 /r/ 音。
          • 规则:vis → /vaɪ/， “vis” 发 /vaɪ/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /aɪ/，“s” 发 /s/ 音。
          • 规则:ed → /zd/， “ed” 发 /zd/ 音，因为 “d” 前是浊辅音，所以 “ed” 发 /d/ 音。
  • Unsupervised pre - training, 461, 530
    • 句子分析:简单的名词短语，表明“Unsupervised pre - training”（无监督预训练）在第461页和第530页。
    • 翻译:“无监督预训练，第461页，第530页”
  • V - structure, see explaining away
    • 句子分析:指示性句子，告知“V - structure”（V结构）可参考“explaining away”（解释消除）。
    • 翻译:“V结构，见解释消除”
  • V1, 365
    • 句子分析:简单的名词短语，表明“V1”在第365页。
    • 翻译:“V1，第365页”
  • VAE, see variational auto - encoder
    • 句子分析:指示性句子，告知“VAE”（变分自编码器）可参考“variational auto - encoder”。
    • 翻译:“VAE，见变分自编码器”
    • 单词分析:
      • variational:形容词，词源来自 “variation”（变化），“-al”是形容词后缀，词义：变分的。
        • 记忆方法:由“variation”派生而来，“-al”表示“……的”。
        • 形近词:variation（变化）、vary（改变）。
        • 发音解析:
          • 音节分解:var + i + a + tion + al /ˌveəriˈeɪʃnl/，重音在第三音节
          • 规则:var → /veə(r)/， “var” 发 /veə(r)/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eə(r)/，“r” 发 /r/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:a → /eɪ/， “a” 发长元音 /eɪ/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
          • 规则:al → /l/， “al” 发 /l/ 音。
    • auto - encoder:名词，由 “auto-”（自动）和 “encoder”（编码器）组成，词义：自编码器。
      • 记忆方法:“auto-”表示“自动”，“encoder”是“编码器”，合起来就是“自编码器”。
      • 形近词:encoder（编码器）。
      • 发音解析:
        • 音节分解:auto + en + cod + er /ˈɔːtəʊenˌkəʊdə(r)/，重音在第一音节
        • 规则:auto → /ˈɔːtəʊ/， “auto” 发 /ˈɔːtəʊ/ 音，其中 “a” 发长元音 /ɔː/，“u” 发长元音 /əʊ/。
        • 规则:en → /en/， “en” 发 /en/ 音，其中 “e” 发短元音 /e/，“n” 发鼻音。
        • 规则:cod → /kəʊd/， “cod” 发 /kəʊd/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /əʊ/，“d” 发 /d/ 音。
        • 规则:er → /ə(r)/， “er” 发 /ə(r)/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音。
  • Vapnik - Chervonenkis dimension, 114
    • 句子分析:简单的名词短语，说明“Vapnik - Chervonenkis dimension”（Vapnik - Chervonenkis维数）在第114页。
    • 翻译:“Vapnik - Chervonenkis维数，第114页”
  • Variance, xiii, 61, 229
    • 句子分析:简单的名词短语，指出“Variance”（方差）在第xiii页、第61页和第229页。
    • 翻译:“方差，第xiii页，第61页，第229页”
    • 单词分析:
      • variance:名词，词源来自拉丁语 “variare”（变化），词义：方差；变化。
        • 记忆方法:可联想“vary”（改变），“-ance”将动词变为名词。
        • 形近词:vary（改变）、variable（可变的）。
        • 发音解析:
          • 音节分解:var + i + ance /ˈveəriəns/，重音在第一音节
          • 规则:var → /veə(r)/， “var” 发 /veə(r)/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eə(r)/，“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” 发鼻音，“ce” 发 /s/ 音。
  • Variational auto - encoder, 691, 698
    • 句子分析:简单的名词短语，表明“Variational auto - encoder”（变分自编码器）在第691页和第698页。
    • 翻译:“变分自编码器，第691页，第698页”
  • Variational derivatives, see functional derivatives
    • 句子分析:指示性句子，告知“Variational derivatives”（变分导数）可参考“functional derivatives”（泛函导数）。
    • 翻译:“变分导数，见泛函导数”
  • Variational free energy, see evidence lower bound
    • 句子分析:指示性句子，告知“Variational free energy”（变分自由能）可参考“evidence lower bound”（证据下界）。
    • 翻译:“变分自由能，见证据下界”
  • VC dimension, see Vapnik - Chervonenkis dimension
    • 句子分析:指示性句子，告知“VC dimension”（VC维数）可参考“Vapnik - Chervonenkis dimension”。
    • 翻译:“VC维数，见Vapnik - Chervonenkis维数”
  • Vector, xi, xii, 32
    • 句子分析:简单的名词短语，表明“Vector”（向量）在第xi页、第xii页和第32页。
    • 翻译:“向量，第xi页，第xii页，第32页”
  • Virtual adversarial examples, 269
    • 句子分析:简单的名词短语，说明“Virtual adversarial examples”（虚拟对抗样本）在第269页。
    • 翻译:“虚拟对抗样本，第269页”
    • 单词分析:
      • virtual:形容词，词源来自拉丁语 “virtus”（美德、力量），词义：虚拟的；实质上的。
        • 记忆方法:可联想“virtue”（美德），“-al”表示“……的”，这里表示“实质上的”，延伸为“虚拟的”。
        • 形近词:virtue（美德）。
        • 发音解析:
          • 音节分解:vir + tu + al /ˈvɜːtʃuəl/，重音在第一音节
          • 规则:vir → /vɜː/， “vir” 发 /vɜː/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /ɜː/，“r” 发 /r/ 音。
          • 规则:tu → /tʃuː/， “tu” 发 /tʃuː/ 音，其中 “t” 发 /tʃ/ 音，“u” 发长元音 /uː/。
          • 规则:al → /l/， “al” 发 /l/ 音。
    • adversarial:形容词，词源来自拉丁语 “adversarius”（对手），词义：对抗的；敌对的。
      • 记忆方法:可联想“adverse”（不利的），“-arial”将其变为形容词，这里表示“对抗的”。
      • 形近词:adverse（不利的）。
      • 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，其中 “a” 发短元音 /æ/，“d” 发 /d/ 音。
        • 规则:ver → /və(r)/， “ver” 发 /və(r)/ 音，其中 “v” 发 /v/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
        • 规则:sar → /seə(r)/， “sar” 发 /seə(r)/ 音，其中 “s” 发 /s/ 音，“a” 发长元音 /eə(r)/，“r” 发 /r/ 音。
        • 规则:ial → /iəl/， “ial” 发 /iəl/ 音，其中 “i” 发长元音 /iː/，“a” 发短元音 /ə/，“l” 发 /l/ 音。
  • Visible layer, 6
    • 句子分析:简单的名词短语，表明“Visible layer”（可见层）在第6页。
    • 翻译:“可见层，第6页”
  • Volumetric data, 360
    • 句子分析:简单的名词短语，说明“Volumetric data”（体积数据）在第360页。
    • 翻译:“体积数据，第360页”
    • 单词分析:
      • volumetric:形容词，词源来自 “volume”（体积），“-etric”是形容词后缀，词义：体积的。
        • 记忆方法:由“volume”派生而来，“-etric”表示“与……有关的”。
        • 形近词:volume（体积）。
        • 发音解析:
          • 音节分解:vol + u + me + tric /ˌvɒljʊˈmetrɪk/，重音在第三音节
          • 规则:vol → /vɒl/， “vol” 发 /vɒl/ 音，其中 “v” 发 /v/ 音，“o” 发短元音 /ɒ/，“l” 发 /l/ 音。
          • 规则:u → /jʊ/， “u” 发 /jʊ/ 音，其中 “u” 发短元音 /jʊ/。
          • 规则:me → /miː/， “me” 发 /miː/ 音，其中 “m” 发 /m/ 音，“e” 发长元音 /iː/。
          • 规则:tric → /trɪk/， “tric” 发 /trɪk/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
  • Wake - sleep, 653, 663
    • 句子分析:简单的名词短语，表明“Wake - sleep”（唤醒 - 睡眠）在第653页和第663页。
    • 翻译:“唤醒 - 睡眠，第653页，第663页”
  • Weight decay, 118, 177, 231, 433
    • 句子分析:简单的名词短语，指出“Weight decay”（权重衰减）在第118页、第177页、第231页和第433页。
    • 翻译:“权重衰减，第118页，第177页，第231页，第433页”
  • Weight space symmetry, 284
    • 句子分析:简单的名词短语，表明“Weight space symmetry”（权重空间对称性）在第284页。
    • 翻译:“权重空间对称性，第284页”
    • 单词分析:
      • symmetry:名词，词源来自希腊语 “symmetria”，由 “syn-”（共同）和 “metron”（测量）组成，词义：对称；对称性。
        • 记忆方法:“syn-”表示“共同”，“metron”可联想“测量”，合起来就是“共同测量”，即“对称”。
        • 形近词:asymmetry（不对称）。
        • 发音解析:
          • 音节分解:sym + me + try /ˈsɪmətri/，重音在第一音节
          • 规则:sym → /sɪm/， “sym” 发 /sɪm/ 音，其中 “s” 发 /s/ 音，“y” 发短元音 /ɪ/，“m” 发 /m/ 音。
          • 规则:me → /mə/， “me” 发 /mə/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /ə/。
          • 规则:try → /tri/， “try” 发 /tri/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“y” 发 /i/ 音。
  • Weights, 15, 107
    • 句子分析:简单的名词短语，表明“Weights”（权重）在第15页和第107页。
    • 翻译:“权重，第15页，第107页”
  • Whitening, 457
    • 句子分析:简单的名词短语，说明“Whitening”（白化）在第457页。
    • 翻译:“白化，第457页”
  • Wikibase, 485
    • 句子分析:简单的名词短语，表明“Wikibase”（维基数据库）在第485页。
    • 翻译:“维基数据库，第485页”
  • Wikibase, 485
    • 句子分析:简单的名词短语，表明“Wikibase”（维基数据库）在第485页。
    • 翻译:“维基数据库，第485页”
  • Word embedding, 466
    • 句子分析:简单的名词短语，说明“Word embedding”（词嵌入）在第466页。
    • 翻译:“词嵌入，第466页”
    • 单词分析:
      • embedding:名词，词源来自 “embed”（嵌入），“-ing”是名词后缀，词义：嵌入；嵌入物。
        • 记忆方法:由“embed”派生而来，“-ing”将动词变为名词。
        • 形近词:embed（嵌入）。
        • 发音解析:
          • 音节分解:em + bed + ding /ɪmˈbedɪŋ/，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:ding → /dɪŋ/， “ding” 发 /dɪŋ/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
  • Word - sense disambiguation, 486
    • 句子分析:简单的名词短语，表明“Word - sense disambiguation”（词义消歧）在第486页。
    • 翻译:“词义消歧，第486页”
    • 单词分析:
      • disambiguation:名词，词源由 “dis-”（否定）、“ambiguate”（使模糊）和 “-ion”（名词后缀）组成，词义：消歧；消除模糊。
        • 记忆方法:“dis-”表示否定，“ambiguate”是“使模糊”，“-ion”将动词变为名词，合起来就是“消除模糊”。
        • 形近词:ambiguous（模糊的）。
        • 发音解析:
          • 音节分解:dis + am + bi + gu + a + tion /dɪˌsæmbɪɡjuˈeɪʃn/，重音在第四音节
          • 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:am → /æm/， “am” 发 /æm/ 音，其中 “a” 发短元音 /æ/，“m” 发 /m/ 音。
          • 规则:bi → /baɪ/， “bi” 发 /baɪ/ 音，其中 “i” 发长元音 /aɪ/。
          • 规则:gu → /ɡjuː/， “gu” 发 /ɡjuː/ 音，其中 “g” 发 /ɡ/ 音，“u” 发长元音 /juː/。
          • 规则:a → /eɪ/， “a” 发长元音 /eɪ/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。
  • WordNet, 485
    • 句子分析:简单的名词短语，表明“WordNet”（词网）在第485页。
    • 翻译:“词网，第485页”
  • Zero - data learning, see zero - shot learning
    • 句子分析:指示性句子，告知“Zero - data learning”（零数据学习）可参考“zero - shot learning”（零样本学习）。
    • 翻译:“零数据学习，见零样本学习”
  • Zero - shot learning, 540, 787
    • 句子分析:简单的名词短语，表明“Zero - shot learning”（零样本学习）在第540页和第787页。
    • 翻译:“零样本学习，第540页，第787页”
# 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