• A genera l framew ork for adapti ve pro cessing of data structu res. IEEE T r ansact ions on Neur al Netwo rks , 9 (5), 768–78 6. 400 402 , F reund, Y. and Schap ire, R. E. (1996a ). Exper iments with a new b o osting algorit hm. In Machi ne L e arning : Pr o c e e dings of Thirte enth Intern ationa l Confe r enc e , pages 148–15 6, USA. A CM. 258 F reund, Y. and Schap ire, R. E. (1996b ). Game theory , on-lin e predic tion and b o osting . In Pr o c e e dings of the Ninth Annua l Confe r enc e on Comp utation al L e arning The ory , pages 325–33 2. 258 F rey , B. J. (1998) . Gr aphic al mo dels for machi ne le arning and digital c ommu nic ation . MIT Press. , 707 708 F rey , B. J., Hinton , G. E., and Day an, P . (1996) . Do es the w ak e-sleep algorit hm learn go o d densit y estima tors? In D. T ouretz ky , M. Mozer , and M. Hassel mo, editor s, A dvanc es in Neur al Inform ation Pr o c essing System s 8 (NIPS ’95) , pages 661–67 0. MIT Press, Cam bridge , MA. 653 738 --- Page Break --- BIBLIOGRA PHY F rob enius, G. (1908) . Über matriz en aus positiv en elemen ten, s. B. Pr euss. Akad. Wiss. Berlin , Germa ny. 599 F ukush ima, K. (1975) . Cogni tron: A self-or ganizi ng m ultila y ered neural net w ork. Biolo gic al Cyb erneti cs , , 121–13 6. , , 20 16 225 530 F ukush ima, K . (1980) . Neoco gnitro n: A self-or ganizi ng neural net w ork mo del for a mec hanism of patter n recogn ition unaffe cted by shift in p osition . Biolo gic al Cyb erneti cs , 36 , 193–20 2. , , , , 16 24 27 225 367 Gal, Y. and Ghahr amani , Z. (2015) . Ba y esian conv olution al neural netw orks with Berno ulli appro ximat e v ariatio nal inferen ce. arXiv pr eprint arXiv: 1506.0 2158 . 264 Gallin ari, P
  • ., LeCun , Y., Thiria , S., and F ogelm an-Sou lie, F. (1987) . Memo ires asso ciative s distrib uees. In Pr o c e e dings of COGN ITIV A 87 , Paris, La Villett e. 517 Garcia -Dura n, A., Borde s, A., Usuni er, N., and Grand v alet, Y. (2015) . Com bining tw o and three- wa y embed dings mo dels for link predic tion in kno wledge bases. arXiv pr eprint arXiv: 1506.0 0999 . 486 Garofo lo, J. S., Lamel , L. F., Fisher , W. M., Fiscus , J. G., and P allett, D. S. (1993) . Darpa timit acoust ic-pho netic contin ous speech corpus cd-rom . nist sp eech disc 1-1.1. NASA STI/R e c on T e chnic al R ep ort N , , 27403. 93 461 Garso n, J. (1900) . The metric system of identifi cation of crimin als, as used in Great Britai n and Irelan d. The Journ al of the Anthr op olo gic al Institu te of Gr e at Britai n and Ir eland , (2), 177–22 7. 21 Gers, F. A., Sc hmidh ub er, J., and Cumm ins, F. (2000) . Lear ning to forget : Contin ual predic tion with LSTM . Neur al c omput ation , (10), 2451–2 471. , 12 410 414 Ghahr amani , Z. and Hinton , G. E. (1996) . The EM algorit hm for mixtu res of factor analyz ers. T echnic al Rep ort CRG- TR-96 -1, Dpt. of Comp . Sci., Univ. of T oron to. 491 Gillic k, D., Brunk , C., Viny als, O., and Subra man y a, A. (2015) . Multil ingual langua ge pro cessing from b ytes. arXiv pr eprint arXiv: 1512.0 0103 . 479 Girshi c k, R., Donah ue, J., Darrel l, T., and Malik , J. (2015) . Region -base d conv olution al net w orks for accura te ob ject detect ion and segme ntation . 428 Giudic e, M. D., Maner a, V., and Keyse rs, C. (2009) . Progra mmed to learn? The ontoge n y of mirror neuron s. , (2), 350––3 63. Dev. Sci. 12 658 Glorot , X. and Bengio , Y. (2010) . Under standi ng the difficu lt y of trainin g deep feedfo rw ard neural net w orks. In AIST A TS’20 10 . 303 Glorot , X., Borde s, A., and Bengio , Y. (2011a ). Deep sparse rectifie r neural netw orks. In AIST A TS’20 11 . , , , 16 173 196 226 739 --- Page Break --- BIBLIOGRA PHY Glorot , X., Borde s, A., and Bengio , Y. (2011b ). Doma in adapta tion for large-s cale sen timen t classifi cation : A deep learnin g approa ch. In . , ICML ’2011 509 539 Goldb erger, J., Ro w eis, S., Hin ton, G. E., and Salakh utdin o v, R. (2005) . Neigh bourho o d comp onen ts analys is. In L. Saul, Y. W eiss, and L. Bottou , editor s, A dvanc es in Neur al Inform ation Pr o c essing System s 17 (NIPS ’04) . MIT Press. 115 Gong, S., McKe nna, S., and Psarro u, A. (2000) . Dynam ic Vision : F r om Image s to F ac e R e c o gnition . Imp erial Colleg e Press. , 164 521 Go odfello w, I., Le, Q., Saxe, A., an d Ng, A. (2009) . Measu ring inv arianc es in deep net w orks. In , pages 646–65 4. NIPS’ 2009 255 Go o dfello w, I., Koeni g, N., Muja, M., Pan tofaru , C., Soroki n, A., and T ak ay ama, L. (2010) . Help me help you: Interfa ces for p ersona l rob ots. In Pr o c. of Huma n R ob ot Inter action (HRI) , Osak a, Japan . ACM Press, ACM Press. 100 Go o dfello w, I. J. (2010) . T ec hnical report : Multid imens ional, do wnsam pled conv olution for autoen co ders. T echnic al rep ort, Unive rsité de Montr éal. 357 Go o dfello w, I. J. (2014) . On disting uisha bility criteri a for estima ting genera tive mo dels. In Intern ationa l Confe r enc e on L e arning R epr esenta tions, W orksho ps T r ack . , , 624 702 703 Go odfello w, I. J., Courv ille, A., and Bengio , Y. (2011) . Spik e-and- slab sparse co ding for unsup ervised featur e discov ery . In NIPS W orksho p on Chal lenges in L e arning Hier ar chic al Mo dels . , 534 540 Go odfello w, I. J., W arde-F arley , D., Mirza , M., Courv ille, A., and Bengio , Y. (2013a ). Maxou t net w orks. In S. Dasgu pta and D. McAll ester, editor s, , pages 1319– ICML ’13 1327.
  • A general framework for adaptive processing of data structures.
    • 句子分析:简单的名词短语，“A general framework”是核心，“for adaptive processing of data structures”是后置定语修饰“framework”。
    • 翻译:“数据结构自适应处理的通用框架”
    • 单词分析:
      • adaptive:形容词，词源来自拉丁语“adaptare”（使适应），词义：适应的；有适应能力的。
        • 记忆方法:“adapt”（适应）+“-ive”（形容词后缀），联想“能适应各种情况的”。
        • 形近词:adapt/adaptation（适应；改编）、adopt（收养；采用）。
        • 发音解析:
          • 音节分解:a + dap + tive /əˈdæptɪv/，重音在第二音节
          • 规则:a → /ə/， “a” 发短元音 /ə/。
          • 规则:dap → /dæp/， “dap” 发 /dæp/ 音，其中 “d” 发 /d/ 音，“a” 发短元音 /æ/，“p” 发 /p/ 音。
          • 规则:tive → /tɪv/， “tive” 发 /tɪv/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“ve” 不发音。
  • IEEE Transactions on Neural Networks, 9 (5), 768–786.
    • 句子分析:这是文献引用信息，表明文章发表在《IEEE神经网络汇刊》第9卷第5期，页码范围是768 - 786。
    • 翻译:“《电气与电子工程师协会神经网络汇刊》，第9卷第5期，768 - 786页”
    • 单词分析:
      • Transactions:名词复数，词源来自拉丁语“trans”（跨越）+“agere”（做），词义：汇刊；交易；事务。
        • 记忆方法:联想“跨越不同领域的交流成果”，即汇刊。
        • 形近词:transaction/transact（办理；交易）、transfer（转移；转让）。
        • 发音解析:
          • 音节分解:tran + sac + tions /trænˈzækʃənz/，重音在第二音节
          • 规则:tran → /træn/， “tran” 发 /træn/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“a” 发短元音 /æ/，“n” 发鼻音。
          • 规则:sac → /sæk/， “sac” 发 /sæk/ 音，其中 “s” 发 /s/ 音，“a” 发短元音 /æ/，“c” 发 /k/ 音。
          • 规则:tions → /ʃənz/， “tions” 发 /ʃənz/ 音，其中 “t” 发 /ʃ/ 音，“i” 不发音，“o” 发短元音 /ə/，“n” 发鼻音，“s” 发 /z/ 音。
  • 400 402, Freund, Y. and Schapire, R. E. (1996a).
    • 句子分析:这是文献引用中的作者信息及年份标注。
    • 翻译:“400 402，弗罗因德（Y.）和沙皮尔（R. E.）（1996a）”
  • Experiments with a new boosting algorithm.
    • 句子分析:简单的名词短语，“Experiments”是核心，“with a new boosting algorithm”是后置定语修饰“Experiments”。
    • 翻译:“使用一种新的提升算法的实验”
    • 单词分析:
      • boosting:动名词，词源来自“boost”（提高；推动），词义：提升；增强。
        • 记忆方法:“boost”（推动）+“-ing”（动名词后缀），联想“推动事物提升”。
        • 形近词:boost/booster（助推器；支持者）、boot（靴子；猛踢）。
        • 发音解析:
          • 音节分解:boo + sting /ˈbuːstɪŋ/，重音在第一音节
          • 规则:boo → /buː/， “boo” 发长元音 /uː/。
          • 规则:sting → /stɪŋ/， “sting” 发 /stɪŋ/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
  • In Machine Learning: Proceedings of Thirteenth International Conference, pages 148–156, USA.
    • 句子分析:这是文献引用中关于文章发表会议及页码等信息。
    • 翻译:“在《机器学习：第十三届国际会议论文集》，第148 - 156页，美国”
    • 单词分析:
      • Proceedings:名词复数，词源来自拉丁语“procedere”（前进；进行），词义：会议记录；论文集；诉讼程序。
        • 记忆方法:“proceed”（进行）+“-ings”（名词后缀），联想“会议进行过程中的记录”。
        • 形近词:proceed/procedure（程序；手续）、process（过程；处理）。
        • 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. 258 Freund, Y. and Schapire, R. E. (1996b).
    • 句子分析:这是文献引用中的相关信息，“ACM”可能是会议或组织名称，后面是作者及年份。
    • 翻译:“美国计算机协会。258，弗罗因德（Y.）和沙皮尔（R. E.）（1996b）”
  • Game theory, online prediction and boosting.
    • 句子分析:简单的名词并列短语，列举了“Game theory”（博弈论）、“online prediction”（在线预测）和“boosting”（提升）三个主题。
    • 翻译:“博弈论、在线预测和提升”
    • 单词分析:
      • theory:名词，词源来自希腊语“theoria”（观察；思考），词义：理论；学说。
        • 记忆方法:联想“深入思考得出的结论”。
        • 形近词:theory/theoretical（理论的）、thesis（论文；论点）。
        • 发音解析:
          • 音节分解:the + o + ry /ˈθɪəri/，重音在第一音节
          • 规则:the → /ðə/， “the” 发 /ðə/ 音，其中 “th” 发 /ð/ 音，“e” 发短元音 /ə/。
          • 规则:o → /əʊ/， “o” 发长元音 /əʊ/。
          • 规则:ry → /ri/， “ry” 发 /ri/ 音，其中 “r” 发 /r/ 音，“y” 发短元音 /ɪ/。
  • In Proceedings of the Ninth Annual Conference on Computational Learning Theory, pages 325–332.
    • 句子分析:这是文献引用中关于文章发表会议及页码信息。
    • 翻译:“在《第九届计算学习理论年度会议论文集》，第325 - 332页”
    • 单词分析:
      • Computational:形容词，词源来自“compute”（计算）+“-ational”（形容词后缀），词义：计算的；与计算有关的。
        • 记忆方法:“compute”（计算）+“-ational”，联想“与计算相关的”。
        • 形近词:compute/computer（计算机）、computation（计算）。
        • 发音解析:
          • 音节分解:com + pu + ta + tion + al /ˌkɒmpjuˈteɪʃənl/，重音在第三音节
          • 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:pu → /pjuː/， “pu” 发 /pjuː/ 音，其中 “p” 发 /p/ 音，“u” 发长元音 /juː/。
          • 规则:ta → /teɪ/， “ta” 发 /teɪ/ 音，其中 “t” 发 /t/ 音，“a” 发长元音 /eɪ/。
          • 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:al → /l/， “al” 发 /l/ 音。
  • Frey, B. J. (1998).
    • 句子分析:这是文献引用中的作者及年份信息。
    • 翻译:“弗雷（B. J.）（1998年）”
  • Graphical models for machine learning and digital communication.
    • 句子分析:简单的名词短语，“Graphical models”是核心，“for machine learning and digital communication”是后置定语修饰“models”。
    • 翻译:“用于机器学习和数字通信的图形模型”
    • 单词分析:
      • Graphical:形容词，词源来自“graph”（图表；图形）+“-ical”（形容词后缀），词义：图形的；图表的。
        • 记忆方法:“graph”（图形）+“-ical”，联想“与图形相关的”。
        • 形近词:graph/graphite（石墨）、graphology（笔迹学）。
        • 发音解析:
          • 音节分解:graph + i + cal /ˈɡræfɪkl/，重音在第一音节
          • 规则:graph → /ɡræf/， “graph” 发 /ɡræf/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发短元音 /æ/，“ph” 发 /f/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:cal → /kl/， “cal” 发 /kl/ 音。
  • MIT Press., 707 708
    • 句子分析:这是文献引用中关于出版社及页码信息。
    • 翻译:“麻省理工学院出版社。707 708页”
  • Frey, B. J., Hinton, G. E., and Dayan, P. (1996).
    • 句子分析:这是文献引用中的作者及年份信息。
    • 翻译:“弗雷（B. J.）、辛顿（G. E.）和戴扬（P.）（1996年）”
  • Does the wake - sleep algorithm learn good density estimators?
    • 句子分析:一般疑问句，询问“wake - sleep algorithm”（唤醒 - 睡眠算法）是否能学习到好的密度估计器。
    • 翻译:“唤醒 - 睡眠算法能学习到好的密度估计器吗？”
    • 单词分析:
      • density:名词，词源来自拉丁语“densitas”（密集；浓度），词义：密度；浓度。
        • 记忆方法:联想“物质的密集程度”。
        • 形近词:dense/densify（使密集；使浓缩）、density/dentist（牙医）。
        • 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” 发鼻音。
          • 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” 发短元音 /ɪ/。
    • estimators:名词复数，词源来自“estimate”（估计）+“-or”（表示人或物的后缀），词义：估计器；估算者。
      • 记忆方法:“estimate”（估计）+“-or”，联想“进行估计的东西”。
      • 形近词:estimate/estimation（估计；估算）、estimator/editor（编辑）。
      • 发音解析:
        • 音节分解:es + ti + ma + tor + s /ˈestɪmeɪtəz/，重音在第一音节
        • 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:tor → /tə(r)/， “tor” 发 /tə(r)/ 音，其中 “t” 发 /t/ 音，“o” 发短元音 /ə/，“r” 发 /r/ 音。
        • 规则:s → /z/， “s” 发 /z/ 音。
  • In D. Touretzky, M. Mozer, and M. Hasselmo, editors, Advances in Neural Information Processing Systems 8 (NIPS ’95), pages 661–670.
    • 句子分析:这是文献引用中关于文章所在书籍的编辑信息、书名、卷号及页码信息。
    • 翻译:“在D. 图雷茨基、M. 莫泽和M. 哈塞尔莫编辑的《神经信息处理系统进展8（NIPS ’95）》，第661 - 670页”
    • 单词分析:
      • Advances:名词复数，词源来自拉丁语“ad”（向）+“vadere”（走），词义：进展；进步。
        • 记忆方法:“ad-”（向）+“vance”（前进），联想“向前走的成果”。
        • 形近词:advance/advanced（先进的；高级的）、advantage（优势；有利条件）。
        • 发音解析:
          • 音节分解:ad + vance + s /ədˈvænsɪz/，重音在第二音节
          • 规则:ad → /əd/， “ad” 发 /əd/ 音，其中 “a” 发短元音 /ə/，“d” 发 /d/ 音。
          • 规则:vance → /væns/， “vance” 发 /væns/ 音，其中 “v” 发 /v/ 音，“a” 发短元音 /æ/，“n” 发鼻音，“ce” 发 /s/ 音。
          • 规则:s → /ɪz/， “s” 发 /ɪz/ 音。
  • MIT Press, Cambridge, MA. 653 738
    • 句子分析:这是文献引用中关于出版社、地址及页码信息。
    • 翻译:“麻省理工学院出版社，马萨诸塞州剑桥市。653 738页”
  • BIBLIOGRAPHY Frobenius, G. (1908). Über matrizen aus positiven elementen, s. B. Preuss. Akad.
    • 句子分析:这是文献引用中的参考文献部分，包含作者、年份及文献标题等信息。“Über matrizen aus positiven elementen”是德语，意为“关于由正元素组成的矩阵”。
    • 翻译:“参考文献 弗罗贝尼乌斯（G.）（1908年）。《关于由正元素组成的矩阵》，普鲁士科学院”
    • 单词分析:
      • BIBLIOGRAPHY:名词，词源来自希腊语“biblion”（书）+“graphia”（书写），词义：参考文献；书目。
        • 记忆方法:“biblio-”（书）+“-graphy”（书写），联想“关于书的记录”。
        • 形近词:bibliography/bibliographer（书目编制者）、biography（传记）。
        • 发音解析:
          • 音节分解:bi + blio + graphy /ˌbɪbliˈɒɡrəfi/，重音在第三音节
          • 规则:bi → /baɪ/， “bi” 发 /baɪ/ 音，其中 “b” 发 /b/ 音，“i” 发长元音 /aɪ/。
          • 规则:blio → /blɪəʊ/， “blio” 发 /blɪəʊ/ 音，其中 “b” 发 /b/ 音，“l” 发 /l/ 音，“i” 发短元音 /ɪ/，“o” 发长元音 /əʊ/。
          • 规则:graphy → /ɡræfi/， “graphy” 发 /ɡræfi/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发短元音 /æ/，“ph” 发 /f/ 音，“y” 发短元音 /ɪ/。

  • Wiss. Berlin, Germany.
    • 翻译:"德国柏林威斯（这里推测Wiss.可能是某个机构、人名等缩写）"

  • 599 Fukushima, K. (1975). Cogni tron: A self-organizing multilayered neural network.
    • 句子分析:这是文献引用格式，介绍福岛邦彦（Fukushima, K.）在1975年提出的认知机（Cogni tron），它是一种自组织的多层神经网络。
    • 翻译:"599 福岛邦彦（1975年）。认知机：一种自组织的多层神经网络。"
    • 单词分析:
      • Cogni tron:名词，“Cogni”可能来自“cognition（认知）”，“tron”常用于表示机器、装置，词义：认知机。
        • 记忆方法:联想“cognition（认知）”和常见词尾“tron”，表示与认知相关的机器。
        • 形近词:Cogni tron/automaton（自动机）。
        • 发音解析:
          • 音节分解:Cog + ni + tron /ˈkɒɡnɪtrɒn/，重音在第一音节
          • 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” 发短音 /nɪ/，类似于 “nick” 的发音。
          • 规则:tron → /trɒn/， “tron” 发 /trɒn/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“o” 发短元音 /ɒ/，“n” 发 /n/ 音。
    • self - organizing:形容词，“self”表示“自我”，“organize”是“组织”，词义：自组织的。
      • 记忆方法:“self（自我）”+“organizing（组织的）”，很好理解其含义。
      • 形近词:self - organizing/self - governing（自治的）。
      • 发音解析:
        • 音节分解:self + or + ga + niz + ing /ˌselfˈɔːɡənaɪzɪŋ/，重音在第二音节
        • 规则:self → /self/， “self” 发 /self/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/，“l” 发 /l/ 音，“f” 发 /f/ 音。
        • 规则:or → /ɔː/， “or” 发 /ɔː/ 音，类似于 “or” 的发音。
        • 规则:ga → /ɡə/， “ga” 发 /ɡə/ 音，其中 “g” 发 /ɡ/ 音，“a” 发短元音 /ə/。
        • 规则:niz → /naɪz/， “niz” 发 /naɪz/ 音，其中 “n” 发 /n/ 音，“i” 发长元音 /aɪ/，“z” 发 /z/ 音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
    • multilayered:形容词，“multi -”表示“多”，“layer”是“层”，词义：多层的。
      • 记忆方法:“multi（多）”+“layer（层）”+“ed（形容词词尾）”，表示有多层的。
      • 形近词:multilayered/multicolored（多色的）。
      • 发音解析:
        • 音节分解:mul + ti + lay + ered /ˈmʌltɪleɪəd/，重音在第一音节
        • 规则:mul → /mʌl/， “mul” 发 /mʌl/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ʌ/，“l” 发 /l/ 音。
        • 规则:ti → /tɪ/， “ti” 发短音 /tɪ/，类似于 “tip” 的发音。
        • 规则:lay → /leɪ/， “lay” 发 /leɪ/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/。
        • 规则:ered → /əd/， “ered” 发 /əd/ 音，其中 “e” 发短元音 /ə/，“r” 不发音，“ed” 发 /d/ 音。
  • Biological Cybernetics, , 121–136.
    • 翻译:"《生物控制论》，第121 - 136页。"
  • 2016 225 530 Fukushima, K. (1980). Neocognitron: A self - organizing neural network model for a mechanism of pattern recognition unaffected by shift in position.
    • 句子分析:文献引用格式，介绍福岛邦彦在1980年提出的新认知机（Neocognitron），它是一种自组织的神经网络模型，用于不受位置偏移影响的模式识别机制。
    • 翻译:"2016 225 530 福岛邦彦（1980年）。新认知机：一种用于不受位置偏移影响的模式识别机制的自组织神经网络模型。"
    • 单词分析:
      • Neocognitron:名词，“neo -”表示“新”，“cognitron”是“认知机”，词义：新认知机。
        • 记忆方法:“neo（新）”+“cognitron（认知机）”，表示新的认知机。
        • 形近词:Neocognitron/Cogni tron（认知机）。
        • 发音解析:
          • 音节分解:Neo + cog + ni + tron /ˌniːəʊˈkɒɡnɪtrɒn/，重音在第二音节
          • 规则:Neo → /niːəʊ/， “Neo” 发 /niːəʊ/ 音，其中 “N” 发 /n/ 音，“e” 发长元音 /iː/，“o” 发长元音 /əʊ/。
          • 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” 发短音 /nɪ/，类似于 “nick” 的发音。
          • 规则:tron → /trɒn/， “tron” 发 /trɒn/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“o” 发短元音 /ɒ/，“n” 发 /n/ 音。
    • unaffected:形容词，“un -”表示“不，未”，“affected”是“受影响的”，词义：不受影响的。
      • 记忆方法:“un（不）”+“affected（受影响的）”，表示没有受到影响。
      • 形近词:unaffected/affected（受影响的）。
      • 发音解析:
        • 音节分解:un + af + fect + ed /ˌʌnəˈfektɪd/，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:af → /əf/， “af” 发 /əf/ 音，其中 “a” 发短元音 /ə/，“f” 发 /f/ 音。
        • 规则:fect → /fekt/， “fect” 发 /fekt/ 音，其中 “f” 发 /f/ 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。
  • Biological Cybernetics, 36, 193–202.
    • 翻译:"《生物控制论》，第36卷，第193 - 202页。"
  • Gal, Y. and Ghahramani, Z. (2015). Bayesian convolutional neural networks with Bernoulli approximate variational inference. arXiv preprint arXiv:1506.02158.
    • 句子分析:文献引用格式，介绍加尔（Gal, Y.）和加哈拉尼（Ghahramani, Z.）在2015年提出的带有伯努利近似变分推理的贝叶斯卷积神经网络。
    • 翻译:"加尔和加哈拉尼（2015年）。带有伯努利近似变分推理的贝叶斯卷积神经网络。预印本arXiv:1506.02158。"
    • 单词分析:
      • Bayesian:形容词，源于英国数学家托马斯·贝叶斯（Thomas Bayes），词义：贝叶斯的。
        • 记忆方法:记住贝叶斯这个名字即可。
        • 形近词:Bayesian/Bayes（贝叶斯）。
        • 发音解析:
          • 音节分解:Bay + es + ian /beɪˈiːʒən/，重音在第二音节
          • 规则:Bay → /beɪ/， “Bay” 发 /beɪ/ 音，其中 “B” 发 /b/ 音，“a” 发长元音 /eɪ/。
          • 规则:es → /iːz/， “es” 发 /iːz/ 音，其中 “e” 发长元音 /iː/，“s” 发 /z/ 音。
          • 规则:ian → /ʒən/， “ian” 发 /ʒən/ 音，其中 “i” 发短元音 /ɪ/，“a” 发短元音 /ə/，“n” 发 /n/ 音。
    • convolutional:形容词，“convolve”是“卷积”，“- al”是形容词词尾，词义：卷积的。
      • 记忆方法:由“convolve（卷积）”衍生而来，记住“convolve”再加上形容词词尾。
      • 形近词:convolutional/convolve（卷积）。
      • 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 → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /ʃ/ 音，“i” 发短元音 /ɪ/，“o” 发短元音 /ə/，“n” 发 /n/ 音。
        • 规则:al → /l/， “al” 发 /l/ 音，其中 “a” 不发音，“l” 发 /l/ 音。
    • Bernoulli:名词，指瑞士数学家雅各布·伯努利（Jacob Bernoulli），词义：伯努利。
      • 记忆方法:记住伯努利这个名字。
      • 形近词:Bernoulli/Bernard（伯纳德）。
      • 发音解析:
        • 音节分解:Ber + nou + lli /bɜːˈnuːli/，重音在第二音节
        • 规则:Ber → /bɜː/， “Ber” 发 /bɜː/ 音，其中 “B” 发 /b/ 音，“e” 发长元音 /ɜː/。
        • 规则:nou → /nuː/， “nou” 发 /nuː/ 音，其中 “n” 发 /n/ 音，“o” 发长元音 /uː/。
        • 规则:lli → /li/， “lli” 发 /li/ 音，其中 “l” 发 /l/ 音，“i” 发短元音 /ɪ/。
    • variational:形容词，“variation”是“变化”，“- al”是形容词词尾，词义：变分的。
      • 记忆方法:由“variation（变化）”衍生而来，记住“variation”再加上形容词词尾。
      • 形近词:variational/variation（变化）。
      • 发音解析:
        • 音节分解:var + i + a + tion + al /ˌveərɪˈeɪʃənl/，重音在第二音节
        • 规则:var → /veə/， “var” 发 /veə/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eə/。
        • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
        • 规则:a → /eɪ/， “a” 发长元音 /eɪ/。
        • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /ʃ/ 音，“i” 发短元音 /ɪ/，“o” 发短元音 /ə/，“n” 发 /n/ 音。
        • 规则:al → /l/， “al” 发 /l/ 音，其中 “a” 不发音，“l” 发 /l/ 音。
  • 264 Gallinari, P., LeCun, Y., Thiria, S., and Fogelman - Soulie, F. (1987). Mémoires associatives distribuées. In Proceedings of COGNITIVA 87, Paris, La Villette.
    • 句子分析:文献引用格式，介绍加里纳里（Gallinari, P.）等人在1987年的研究，主题是分布式联想记忆，发表于认知科学会议COGNITIVA 87的会议论文集中。
    • 翻译:"264 加里纳里、勒昆、蒂里亚和福格尔曼 - 苏利（1987年）。分布式联想记忆。载于《COGNITIVA 87会议论文集》，法国巴黎拉维莱特。"
    • 单词分析:
      • Mémoires:名词，法语，词义：记忆。
        • 记忆方法:直接记住这个法语单词。
        • 形近词:Mémoires/memory（英语“记忆”）。
        • 发音解析:
          • 音节分解:Mé + moires /meɪˈmwɑːr/，重音在第一音节
          • 规则:Mé → /meɪ/， “Mé” 发 /meɪ/ 音，其中 “M” 发 /m/ 音，“é” 发长元音 /eɪ/。
          • 规则:moires → /mwɑːr/， “moires” 发 /mwɑːr/ 音，其中 “m” 发 /m/ 音，“oi” 发 /wɑː/ 音，“res” 不发音。
    • associatives:形容词，“associate”是“联想；关联”，“- ive”是形容词词尾，“- s”是复数形式，词义：联想的；关联的。
      • 记忆方法:由“associate（联想；关联）”衍生而来，记住“associate”再加上形容词词尾和复数形式。
      • 形近词:associatives/associate（联想；关联）。
      • 发音解析:
        • 音节分解:as + so + cia + tive + s /əˈsəʊʃətɪvz/，重音在第二音节
        • 规则:as → /ə/， “as” 发 /ə/ 音，其中 “a” 发短元音 /ə/，“s” 发 /s/ 音。
        • 规则:so → /səʊ/， “so” 发 /səʊ/ 音，其中 “s” 发 /s/ 音，“o” 发长元音 /əʊ/。
        • 规则:cia → /ʃə/， “cia” 发 /ʃə/ 音，其中 “c” 发 /ʃ/ 音，“i” 发短元音 /ɪ/，“a” 发短元音 /ə/。
        • 规则:tive → /tɪv/， “tive” 发 /tɪv/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音。
        • 规则:s → /z/， “s” 发 /z/ 音。
    • distribuées:形容词，法语，“distribuer”是“分布；分配”，词义：分布式的。
      • 记忆方法:记住法语“distribuer”，再记住其过去分词形式表示形容词“分布式的”。
      • 形近词:distribuées/distribute（英语“分布；分配”）。
      • 发音解析:
        • 音节分解:dis + tri + bu + ées /diːˈstribyːeɪ/，重音在第一音节
        • 规则:dis → /diː/， “dis” 发 /diː/ 音，其中 “d” 发 /d/ 音，“i” 发长元音 /iː/，“s” 发 /s/ 音。
        • 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:bu → /byː/， “bu” 发 /byː/ 音，其中 “b” 发 /b/ 音，“u” 发长元音 /yː/。
        • 规则:ées → /eɪ/， “ées” 发 /eɪ/ 音，其中 “é” 发长元音 /eɪ/，“es” 不发音。
  • Garcia - Duran, A., Bordes, A., Usunier, N., and Grandvalet, Y. (2015). Combining two and three - way embeddings models for link prediction in knowledge bases. arXiv preprint arXiv:1506.00999.
    • 句子分析:文献引用格式，介绍加西亚 - 杜兰（Garcia - Duran, A.）等人在2015年的研究，将二向和三向嵌入模型结合用于知识库中的链接预测。
    • 翻译:"加西亚 - 杜兰、博尔德斯、于叙尼耶和格朗瓦莱（2015年）。结合二向和三向嵌入模型用于知识库中的链接预测。预印本arXiv:1506.00999。"
    • 单词分析:
      • embeddings:名词复数，“embed”是“嵌入”，词义：嵌入模型。
        • 记忆方法:由“embed（嵌入）”衍生而来，记住“embed”再加上名词复数形式。
        • 形近词:embeddings/embed（嵌入）。
        • 发音解析:
          • 音节分解:em + bed + dings /ɪmˈbedɪŋz/，重音在第二音节
          • 规则:em → /ɪm/， “em” 发 /ɪm/ 音，其中 “e” 发短元音 /ɪ/，“m” 发 /m/ 音。
          • 规则:bed → /bed/， “bed” 发 /bed/ 音，其中 “b” 发 /b/ 音，“e” 发短元音 /e/，“d” 发 /d/ 音。
          • 规则:dings → /ɪŋz/， “dings” 发 /ɪŋz/ 音，其中 “d” 不发音，“i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音，“s” 发 /z/ 音。
  • 486 Garofolo, J. S., Lamel, L. F., Fisher, W. M., Fiscus, J. G., and Pallett, D. S. (1993). Darpa timit acoustic - phonetic continuous speech corpus cd - rom. nist speech disc 1 - 1.1. NASA STI/Recon Technical Report N, , 27403.
    • 句子分析:文献引用格式，介绍加罗福洛（Garofolo, J. S.）等人在1993年关于达帕TIMIT声学 - 语音连续语音语料库光盘的研究，属于美国国家标准与技术研究院语音光盘1 - 1.1，相关报告编号为NASA STI/Recon Technical Report N 27403。
    • 翻译:"486 加罗福洛、拉梅尔、费舍尔、菲斯库斯和帕利特（1993年）。达帕TIMIT声学 - 语音连续语音语料库光盘。美国国家标准与技术研究院语音光盘1 - 1.1。美国国家航空航天局科技信息处/侦察技术报告N 27403。"
    • 单词分析:
      • acoustic - phonetic:形容词，“acoustic”是“声学的”，“phonetic”是“语音的”，词义：声学 - 语音的。
        • 记忆方法:“acoustic（声学的）”+“phonetic（语音的）”，表示与声学和语音相关的。
        • 形近词:acoustic - phonetic/acoustic（声学的）、phonetic（语音的）。
        • 发音解析:
          • 音节分解:a + cou + stic + pho + net + ic /əˌkuːstɪk fəˈnetɪk/，重音在第二和第四音节
          • 规则:a → /ə/， “a” 发短元音 /ə/。
          • 规则:cou → /kuː/， “cou” 发 /kuː/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /uː/。
          • 规则:stic → /stɪk/， “stic” 发 /stɪk/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
          • 规则:pho → /fə/， “pho” 发 /fə/ 音，其中 “ph” 发 /f/ 音，“o” 发短元音 /ə/。
          • 规则:net → /net/， “net” 发 /net/ 音，其中 “n” 发 /n/ 音，“e” 发短元音 /e/，“t” 发 /t/ 音。
          • 规则:ic → /ɪk/， “ic” 发 /ɪk/ 音，其中 “i” 发短元音 /ɪ/，“c” 发 /k/ 音。
    • corpus:名词，词源来自拉丁语“corpus”（身体；文集），词义：语料库。
      • 记忆方法:联想“身体”引申为“集合体”，这里指语料的集合体即语料库。
      • 形近词:corpus/corporation（公司）、corpse（尸体）。
      • 发音解析:
        • 音节分解:cor + pus /ˈkɔːpəs/，重音在第一音节
        • 规则:cor → /kɔː/， “cor” 发 /kɔː/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /ɔː/。
        • 规则:pus → /pəs/， “pus” 发 /pəs/ 音，其中 “p” 发 /p/ 音，“u” 发短元音 /ə/，“s” 发 /s/ 音。
  • 93 461 Garsson, J. (1900). The metric system of identification of criminals, as used in Great Britain and Ireland. The Journal of the Anthropological Institute of Great Britain and Ireland, (2), 177–227.
    • 句子分析:文献引用格式，介绍加尔森（Garsson, J.）在1900年关于英国和爱尔兰使用的罪犯识别度量系统的研究，发表于《大不列颠及爱尔兰人类学研究所杂志》第2期，第177 - 227页。
    • 翻译:"93 461 加尔森（1900年）。英国和爱尔兰使用的罪犯识别度量系统。《大不列颠及爱尔兰人类学研究所杂志》，第2期，第177 - 227页。"
    • 单词分析:
      • metric:形容词，词源来自希腊语“metron”（测量），词义：度量的；公制的。
        • 记忆方法:联想“measure（测量）”，“metric”与之相关，表示度量的。
        • 形近词:metric/metre（米）、metrology（计量学）。
        • 发音解析:
          • 音节分解:me + tric /ˈmetrɪk/，重音在第一音节
          • 规则:me → /me/， “me” 发 /me/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /e/。
          • 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。
    • identification:名词，“identify”是“识别”，“- ation”是名词词尾，词义：识别；鉴定。
      • 记忆方法:由“identify（识别）”衍生而来，记住“identify”再加上名词词尾。
      • 形近词:identification/identify（识别）。
      • 发音解析:
        • 音节分解:i + den + ti + fi + ca + tion /aɪˌdentɪfɪˈkeɪʃən/，重音在第二和第四音节
        • 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” 发短音 /tɪ/，类似于 “tip” 的发音。
        • 规则:fi → /fɪ/， “fi” 发短音 /fɪ/，类似于 “fit” 的发音。
        • 规则:ca → /keɪ/， “ca” 发 /keɪ/ 音，其中 “c” 发 /k/ 音，“a” 发长元音 /eɪ/。
        • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /ʃ/ 音，“i” 发短元音 /ɪ/，“o” 发短元音 /ə/，“n” 发 /n/ 音。
  • 21 Gers, F. A., Schmidhuber, J., and Cummins, F. (2000). Learning to forget: Continual prediction with LSTM. Neural computation, (10), 2451–2471.
    • 句子分析:文献引用格式，介绍格斯（Gers, F. A.）等人在2000年关于用长短期记忆网络（LSTM）进行持续预测的“学会遗忘”研究，发表于《神经计算》第10期，第2451 - 2471页。
    • 翻译:"21 格斯、施密德胡贝尔和卡明斯（2000年）。学会遗忘：用长短期记忆网络进行持续预测。《神经计算》，第10期，第2451 - 2471页。"
    • 单词分析:
      • continual:形容词，“continue”是“继续”，“- al”是形容词词尾，词义：持续的；频繁的。
        • 记忆方法:由“continue（继续）”衍生而来，记住“continue”再加上形容词词尾。
        • 形近词:continual/continue（继续）、continuous（连续的）。
        • 发音解析:
          • 音节分解:con + tin + ual /kənˈtɪnjuəl/，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 /n/ 音。
          • 规则:tin → /tɪn/， “tin” 发 /tɪn/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“n” 发 /n/ 音。
          • 规则:ual → /juəl/， “ual” 发 /juəl/ 音，其中 “u” 发长元音 /juː/，“a” 发短元音 /ə/，“l” 发 /l/ 音。
    • LSTM:名词缩写，Long Short - Term Memory的缩写，词义：长短期记忆网络。
      • 记忆方法:记住其英文全称的缩写含义。
      • 形近词:LSTM/STM（短期记忆）。
      • 发音解析:
        • 音节分解:L + S + T + M /el es tiː em/，无重音
        • 规则:L → /el/， “L” 发 /el/ 音。
        • 规则:S → /es/， “S” 发 /es/ 音。
        • 规则:T → /tiː/， “T” 发 /tiː/ 音。
        • 规则:M → /em/， “M” 发 /em/ 音。
  • 12 410 414 Ghahramani, Z. and Hinton, G. E. (1996). The EM algorithm for mixtures of factor analyzers.
    • 句子分析:文献引用格式，介绍加哈拉尼（Ghahramani, Z.）和辛顿（Hinton, G. E.）在1996年关于因子分析器混合的期望最大化（EM）算法的研究。
    • 翻译:"12 410 414 加哈拉尼和辛顿（1996年）。因子分析器混合的期望最大化算法。"
    • 单词分析:
      • algorithm:名词，词源来自阿拉伯数学家花拉子米（al - Khwarizmi）的名字，词义：算法。
        • 记忆方法:记住这个词与数学算法相关，联想花拉子米对算法的贡献。
        • 形近词:algorithm/algebra（代数）。
        • 发音解析:
          • 音节分解:al + go + rithm /ˈælɡərɪðəm/，重音在第一音节
          • 规则:al → /æl/， “al” 发 /æl/ 音，其中 “a” 发短元音 /æ/，“l” 发 /l/ 音。
          • 规则:go → /ɡəʊ/， “go” 发 /ɡəʊ/ 音，其中 “g” 发 /ɡ/ 音，“o” 发长元音 /əʊ/。
          • 规则:rithm → /rɪðəm/， “rithm” 发 /rɪðəm/ 音，其中 “r” 发 /r/ 音，“i” 发短元音 /ɪ/，“th” 发 /ð/ 音，“m” 发 /m/ 音。
    • mixtures:名词复数，“mix”是“混合”，词义：混合物；混合体。
      • 记忆方法:由“mix（混合）”衍生而来，记住“mix”再加上名词复数形式。
      • 形近词:mixtures/mix（混合）。
      • 发音解析:
        • 音节分解:mix + tures /ˈmɪkstʃəz/，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:tures → /tʃəz/， “tures” 发 /tʃəz/ 音，其中 “t” 发 /tʃ/ 音，“u” 发短元音 /ə/，“r” 不发音，“es” 发 /z/ 音。
    • factor:名词，词源来自拉丁语“facere”（做；制造），词义：因素；因子。
      • 记忆方法:联想“做事情的要素”，即因素、因子。
      • 形近词:factor/fact（事实）、factory（工厂）。
      • 发音解析:
        • 音节分解:fac + tor /ˈfæktə(r)/，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(r)/， “tor” 发 /tə(r)/ 音，其中 “t” 发 /t/ 音，“o” 发短元音 /ə/，“r” 发音或不发音。
    • analyzers:名词复数，“analyze”是“分析”，词义：分析器。
      • 记忆方法:由“analyze（分析）”衍生而来，记住“analyze”再加上名词复数形式。
      • 形近词:analyzers/analyze（分析）。
      • 发音解析:
        • 音节分解:an + a + lyze + rs /ˈænəlaɪzəz/，重音在第一音节
        • 规则:an → /æn/， “an” 发 /æn/ 音，其中 “a” 发短元音 /æ/，“n” 发 /n/ 音。
        • 规则:a → /ə/， “a” 发短元音 /ə/。
        • 规则:lyze → /laɪz/， “lyze” 发 /laɪz/ 音，其中 “l” 发 /l/ 音，“y” 发长元音 /aɪ/，“z” 发 /z/ 音。
        • 规则:rs → /əz/， “rs” 发 /əz/ 音，其中 “r” 不发音，“s” 发 /z/ 音。

  • Technical Report CRG-TR-96-1, Dpt. of Comp. Sci., Univ. of Toronto.
    • 句子分析:简单的名词短语，介绍技术报告信息，包含机构和部门等内容。
    • 翻译:"技术报告CRG - TR - 96 - 1，多伦多大学计算机科学系。"

  • Gillick, D., Brunk, C., Vinals, O., and Subramanya, A. (2015). Multilingual language processing from bytes. arXiv preprint arXiv:1512.00103.
    • 固定搭配:"arXiv preprint"意为 "arXiv预印本"。
    • 句子分析:先列出作者，然后说明研究内容是从字节进行多语言处理，最后给出预印本编号。
    • 翻译:"吉里克，D.，布伦克，C.，维尼亚尔斯，O.，和苏布拉马尼亚，A.（2015年）。从字节进行多语言处理。arXiv预印本arXiv:1512.00103。"
    • 单词分析:
      • Multilingual:形容词，词源：multi-（多）+ lingual（语言的），词义：多语言的。
        • 记忆方法:联想 "multi"（多）和 "language"（语言），合起来就是多语言的。
        • 形近词:multilingual/unilingual（单语的）、bilingual（双语的）。
        • 发音解析:
          • 音节分解:mul + ti + lin + gual /ˌmʌltiˈlɪŋɡwəl/，重音在第三音节
          • 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 → /ti/， “ti” 发 /ti/ 音，其中 “t” 发 /t/ 音，“i” 发长元音 /i/。
          • 规则:lin → /lɪn/， “lin” 发 /lɪn/ 音，其中 “l” 发 /l/ 音，“i” 发短元音 /ɪ/，“n” 发鼻音。
          • 规则:gual → /ɡwəl/， “gual” 发 /ɡwəl/ 音，其中 “g” 发 /ɡ/ 音，“u” 发短元音 /ʌ/，“a” 不发音，“l” 发 /l/ 音。
  • Girshick, R., Donahue, J., Darrell, T., and Malik, J. (2015). Region-based convolutional networks for accurate object detection and segmentation.
    • 固定搭配:"region-based"意为 "基于区域的"；"convolutional networks"意为 "卷积网络"；"object detection"意为 "目标检测"；"object segmentation"意为 "目标分割"。
    • 句子分析:列出作者，说明研究是关于基于区域的卷积网络用于精确目标检测和分割。
    • 翻译:"吉尔希克，R.，多纳休，J.，达雷尔，T.，和马利克，J.（2015年）。基于区域的卷积网络用于精确目标检测和分割。"
    • 单词分析:
      • Convolutional:形容词，词源：con-（一起）+ volve（卷）+ -ional（形容词后缀），词义：卷积的。
        • 记忆方法:联想 “卷在一起” 就是卷积的意思。
        • 形近词:convolutional/convolution（卷积）、revolve（旋转）。
        • 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，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 → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /t/ 音，“i” 不发音，“o” 发短元音 /ə/，“n” 发鼻音。
          • 规则:al → /l/， “al” 发 /l/ 音，其中 “a” 不发音，“l” 发 /l/ 音。
  • Giudice, M. D., Manera, V., and Keysers, C. (2009). Programmed to learn? The ontogeny of mirror neurons. Dev. Sci. 12(2), 350–363.
    • 固定搭配:无。
    • 句子分析:列出作者，提出问题“是否被编程来学习”，接着说明研究镜像神经元的个体发生，最后给出发表期刊及页码。
    • 翻译:"朱迪切，M. D.，马内拉，V.，和凯泽斯，C.（2009年）。被编程来学习吗？镜像神经元的个体发生。《发展科学》第12卷第2期，350 - 363页。"
    • 单词分析:
      • Ontogeny:名词，词源：onto-（存在）+ -geny（起源），词义：个体发生；个体发育。
        • 记忆方法:联想 “存在的起源” 就是个体发生。
        • 形近词:ontogeny/phylogeny（系统发生）。
        • 发音解析:
          • 音节分解:on + to + geny /ɒnˈtɒdʒəni/，重音在第二音节
          • 规则:on → /ɒn/， “on” 发 /ɒn/ 音，其中 “o” 发短元音 /ɒ/，“n” 发鼻音。
          • 规则:to → /təʊ/， “to” 发 /təʊ/ 音，其中 “t” 发 /t/ 音，“o” 发长元音 /əʊ/。
          • 规则:geny → /dʒəni/， “geny” 发 /dʒəni/ 音，其中 “g” 发 /dʒ/ 音，“e” 发短元音 /ə/，“n” 发鼻音，“y” 发 /i/ 音。
  • Glorot, X. and Bengio, Y. (2010). Understanding the difficulty of training deep feedforward neural networks. In AISTATS’2010.
    • 固定搭配:"feedforward neural networks"意为 "前馈神经网络"。
    • 句子分析:列出作者，说明研究内容是理解训练深度前馈神经网络的困难，以及发表会议。
    • 翻译:"格洛罗，X. 和本吉奥，Y.（2010年）。理解训练深度前馈神经网络的困难。发表于2010年人工智能与统计学年会。"
    • 单词分析:
      • Feedforward:形容词，词源：feed（供给）+ forward（向前），词义：前馈的。
        • 记忆方法:联想 “向前供给” 就是前馈的意思。
        • 形近词:feedforward/feedback（反馈）。
        • 发音解析:
          • 音节分解:feed + for + ward /ˈfiːdfɔːwəd/，重音在第一音节
          • 规则:feed → /fiːd/， “feed” 发 /fiːd/ 音，其中 “f” 发 /f/ 音，“ee” 发长元音 /iː/，“d” 发 /d/ 音。
          • 规则:for → /fɔː/， “for” 发 /fɔː/ 音，其中 “f” 发 /f/ 音，“o” 发长元音 /ɔː/。
          • 规则:ward → /wəd/， “ward” 发 /wəd/ 音，其中 “w” 发 /w/ 音，“a” 发短元音 /ə/，“r” 发 /r/ 音，“d” 发 /d/ 音。
  • Glorot, X., Bordes, A., and Bengio, Y. (2011a). Deep sparse rectifier neural networks. In AISTATS’2011.
    • 固定搭配:"sparse rectifier neural networks"意为 "稀疏整流器神经网络"。
    • 句子分析:列出作者，说明研究内容是深度稀疏整流器神经网络及发表会议。
    • 翻译:"格洛罗，X.，博尔德斯，A.，和本吉奥，Y.（2011a）。深度稀疏整流器神经网络。发表于2011年人工智能与统计学年会。"
    • 单词分析:
      • Sparse:形容词，词源：拉丁语 “sparsus”（分散的），词义：稀疏的；稀少的。
        • 记忆方法:联想 “分散开来” 就是稀疏的。
        • 形近词:sparse/spar（船桅）、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，其中 “s” 发 /s/ 音，“e” 不发音。
    • Rectifier:名词，词源：rectify（纠正；整流）+ -er（表示人或物的后缀），词义：整流器。
      • 记忆方法:联想 “能整流的东西” 就是整流器。
      • 形近词:rectifier/rectify（纠正；整流）、rectangle（矩形）。
      • 发音解析:
        • 音节分解:rec + ti + fi + er /ˈrektɪfaɪə(r)/，重音在第一音节
        • 规则:rec → /rek/， “rec” 发 /rek/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /e/，“c” 发 /k/ 音。
        • 规则:ti → /tɪ/， “ti” 发 /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:er → /ə(r)/， “er” 发 /ə(r)/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音。
  • Glorot, X., Bordes, A., and Bengio, Y. (2011b). Domain adaptation for large-scale sentiment classification: A deep learning approach. In ICML’2011.
    • 固定搭配:"domain adaptation"意为 "领域适应"；"sentiment classification"意为 "情感分类"。
    • 句子分析:列出作者，说明研究是关于大规模情感分类的领域适应，采用深度学习方法，以及发表会议。
    • 翻译:"格洛罗，X.，博尔德斯，A.，和本吉奥，Y.（2011b）。大规模情感分类的领域适应：一种深度学习方法。发表于2011年国际机器学习会议。"
    • 单词分析:
      • Adaptation:名词，词源：adapt（适应）+ -ation（名词后缀），词义：适应；改编。
        • 记忆方法:联想 “适应的状态” 就是适应。
        • 形近词:adaptation/adapt（适应）、adept（熟练的）。
        • 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，其中 “a” 发短元音 /æ/，“d” 发 /d/ 音。
          • 规则:ap → /æp/， “ap” 发 /æp/ 音，其中 “a” 发短元音 /æ/，“p” 发 /p/ 音。
          • 规则:ta → /teɪ/， “ta” 发 /teɪ/ 音，其中 “t” 发 /t/ 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，“o” 发短元音 /ə/，“n” 发鼻音。
    • Sentiment:名词，词源：拉丁语 “sentire”（感觉），词义：情感；情绪；观点。
      • 记忆方法:联想 “感觉出来的东西” 就是情感。
      • 形近词:sentiment/sentimental（多愁善感的）、consent（同意）。
      • 发音解析:
        • 音节分解:sen + ti + ment /ˈsentɪmənt/，重音在第一音节
        • 规则:sen → /sen/， “sen” 发 /sen/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /e/，“n” 发鼻音。
        • 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
        • 规则:ment → /mənt/， “ment” 发 /mənt/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /ə/，“n” 发鼻音，“t” 发 /t/ 音。
  • Goldberger, J., Roweis, S., Hinton, G. E., and Salakhutdinov, R. (2005). Neighbourhood components analysis. In L. Saul, Y. Weiss, and L. Bottou, editors, Advances in Neural Information Processing Systems 17 (NIPS’04). MIT Press.
    • 固定搭配:"neighbourhood components analysis"意为 "邻域成分分析"。
    • 句子分析:列出作者，说明研究内容是邻域成分分析，以及发表书籍信息。
    • 翻译:"戈德伯格，J.，罗威斯，S.，辛顿，G. E.，和萨拉胡季诺夫，R.（2005年）。邻域成分分析。收录于L. 索尔，Y. 韦斯，和L. 博托编辑的《神经信息处理系统进展17》（2004年神经信息处理系统大会）。麻省理工学院出版社。"
    • 单词分析:
      • Neighbourhood:名词，词源：neighbour（邻居）+ -hood（表示状态、性质的后缀），词义：邻里；街区；邻近地区。
        • 记忆方法:联想 “邻居们所处的状态” 就是邻里。
        • 形近词:neighbourhood/neighbour（邻居）、brotherhood（兄弟情谊）。
        • 发音解析:
          • 音节分解:neigh + bour + hood /ˈneɪbəhʊd/，重音在第一音节
          • 规则:neigh → /neɪ/， “neigh” 发 /neɪ/ 音，其中 “n” 发 /n/ 音，“ei” 发长元音 /eɪ/，“gh” 不发音。
          • 规则:bour → /bə(r)/， “bour” 发 /bə(r)/ 音，其中 “b” 发 /b/ 音，“o” 发短元音 /ə/，“u” 不发音，“r” 发 /r/ 音。
          • 规则:hood → /hʊd/， “hood” 发 /hʊd/ 音，其中 “h” 发 /h/ 音，“oo” 发短元音 /ʊ/，“d” 发 /d/ 音。
  • Gong, S., McKenna, S., and Psarrou, A. (2000). Dynamic Vision: From Images to Face Recognition.
    • 固定搭配:无。
    • 句子分析:列出作者，说明研究内容是动态视觉，从图像到人脸识别。
    • 翻译:"龚，S.，麦凯纳，S.，和萨尔鲁，A.（2000年）。动态视觉：从图像到人脸识别。"

  • Imperial College Press., 164 521 Goodfellow, I., Le, Q., Saxe, A., and Ng, A. (2009).
    • 句子分析:这是一个简单的信息陈述，列出了出版社和作者等信息。
    • 翻译:帝国理工学院出版社，164 521，古德费洛（I.）、勒（Q.）、萨克斯（A.）和吴（A.）（2009年）。

  • Measuring invariances in deep networks.
    • 句子分析:动名词短语作主题，表达在深度网络中测量不变性这一内容。
    • 翻译:深度网络中的不变性测量。
    • 单词分析:
      • invariances:名词，词源来自 “in-”（不）+ “variance”（变化），词义：不变性。
        • 记忆方法:联想 “in-” 表示否定，“variance” 是变化，合起来就是不变性。
        • 形近词:invariance/variance（变化）、invariant（不变的）。
        • 发音解析:
          • 音节分解:in + var + i + ances /ɪnˈveəriənsɪz/，重音在第二音节
          • 规则:in → /ɪn/， “in” 发 /ɪn/ 音，其中 “i” 发短元音 /ɪ/，“n” 发鼻音。
          • 规则:var → /vɑːr/， “var” 发 /vɑːr/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /ɑː/。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:ances → /ənsɪz/， “ances” 发 /ənsɪz/ 音，其中 “a” 发短元音 /ə/，“n” 发鼻音，“c” 发 /s/ 音，“es” 发 /ɪz/ 音。
  • In, pages 646–654.
    • 句子分析:简单信息陈述，表明相关内容在某出版物的646 - 654页。
    • 翻译:在（某出版物），第646 - 654页。
  • NIPS’ 2009 255 Goodfellow, I., Koenig, N., Muja, M., Pantofaru, C., Sorokin, A., and Takayama, L. (2010).
    • 句子分析:陈述了2009年NIPS会议相关信息以及作者等内容。
    • 翻译:2009年神经信息处理系统大会，255，古德费洛（I.）、柯尼格（N.）、穆贾（M.）、潘托法鲁（C.）、索罗金（A.）和高山（L.）（2010年）。
  • Help me help you: Interfaces for personal robots.
    • 句子分析:这是一个带有冒号解释说明的句子，前面 “Help me help you” 表达帮助的意愿，后面说明是关于个人机器人的接口。
    • 翻译:帮我来帮你：个人机器人的接口。
  • In Proc. of Human Robot Interaction (HRI), Osaka, Japan.
    • 句子分析:表明相关内容发表在日本大阪举行的人机交互会议的会议录中。
    • 翻译:在日本大阪举行的人机交互会议（HRI）会议录中。
  • ACM Press, ACM Press. 100 Goodfellow, I.
    • 句子分析:指出出版社是ACM出版社，以及相关编号和作者。
    • 翻译:美国计算机协会出版社，美国计算机协会出版社。100，古德费洛（I.）
  • J. (2010).
    • 句子分析:简单的信息陈述，表明作者J.（2010年）。
    • 翻译:J.（2010年）。
  • Technical report: Multidimensional, downsampled convolution for autoencoders.
    • 句子分析:这是一个技术报告的标题，说明了报告内容是关于自编码器的多维下采样卷积。
    • 翻译:技术报告：自编码器的多维下采样卷积。
    • 单词分析:
      • Multidimensional:形容词，词源来自 “multi-”（多）+ “dimensional”（维度的），词义：多维的。
        • 记忆方法:联想 “multi-” 表示多，“dimensional” 是维度，合起来就是多维的。
        • 形近词:Multidimensional/dimensional（维度的）、unidimensional（一维的）。
        • 发音解析:
          • 音节分解:mul + ti + di + men + sion + al /ˌmʌltɪdaɪˈmenʃənl/，重音在第三音节
          • 规则:mul → /mʌl/， “mul” 发 /mʌl/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ʌ/。
          • 规则:ti → /taɪ/， “ti” 发 /taɪ/ 音，其中 “t” 发 /t/ 音，“i” 发长元音 /aɪ/。
          • 规则:di → /daɪ/， “di” 发 /daɪ/ 音，其中 “d” 发 /d/ 音，“i” 发长元音 /aɪ/。
          • 规则:men → /men/， “men” 发 /men/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /e/。
          • 规则:sion → /ʃən/， “sion” 发 /ʃən/ 音，其中 “s” 发 /ʃ/ 音，“i” 不发音，“o” 发短元音 /ə/。
          • 规则:al → /l/， “al” 发 /l/ 音。
    • downsampled:形容词，词源来自 “down-”（向下）+ “sample”（采样），词义：下采样的。
      • 记忆方法:联想 “down” 表示向下，“sample” 是采样，合起来就是下采样的。
      • 形近词:downsampled/sample（采样）、upsampled（上采样的）。
      • 发音解析:
        • 音节分解:down + sam + pled /ˈdaʊnsæmpld/，重音在第一音节
        • 规则:down → /daʊn/， “down” 发 /daʊn/ 音，其中 “d” 发 /d/ 音，“o” 发双元音 /aʊ/。
        • 规则:sam → /sæm/， “sam” 发 /sæm/ 音，其中 “s” 发 /s/ 音，“a” 发短元音 /æ/。
        • 规则:pled → /pld/， “pled” 发 /pld/ 音，其中 “p” 发 /p/ 音，“l” 发 /l/ 音，“ed” 不发音。
    • convolution:名词，词源来自拉丁语 “convolvere”（卷绕），词义：卷积。
      • 记忆方法:联想 “con-”（一起）+ “volve”（卷），合起来就是卷绕在一起，即卷积。
      • 形近词:convolution/evolve（进化）、revolve（旋转）。
      • 发音解析:
        • 音节分解:con + vo + lu + tion /ˌkɒnvəˈluːʃn/，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/。
        • 规则:vo → /vəʊ/， “vo” 发 /vəʊ/ 音，其中 “v” 发 /v/ 音，“o” 发双元音 /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/。
    • autoencoders:名词，词源来自 “auto-”（自动）+ “encoder”（编码器），词义：自编码器。
      • 记忆方法:联想 “auto” 表示自动，“encoder” 是编码器，合起来就是自编码器。
      • 形近词:autoencoders/encoder（编码器）、decoder（解码器）。
      • 发音解析:
        • 音节分解:au + to + en + cod + ers /ˌɔːtəʊɪnˈkəʊdəz/，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” 发双元音 /əʊ/。
        • 规则:en → /ɪn/， “en” 发 /ɪn/ 音，其中 “e” 发短元音 /ɪ/。
        • 规则:cod → /kəʊd/， “cod” 发 /kəʊd/ 音，其中 “c” 发 /k/ 音，“o” 发双元音 /əʊ/。
        • 规则:ers → /əz/， “ers” 发 /əz/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音，“s” 发 /z/ 音。
  • Technical report, Université de Montréal. 357 Goodfellow, I.
    • 句子分析:表明这是蒙特利尔大学的技术报告，以及相关编号和作者。
    • 翻译:技术报告，蒙特利尔大学。357，古德费洛（I.）
  • J. (2014).
    • 句子分析:简单的信息陈述，表明作者J.（2014年）。
    • 翻译:J.（2014年）。
  • On distinguishability criteria for estimating generative models.
    • 句子分析:表明关于估计生成模型的可区分性标准这一主题。
    • 翻译:关于估计生成模型的可区分性标准。
    • 单词分析:
      • distinguishability:名词，词源来自 “distinguish”（区分）+ “-ability”（能力），词义：可区分性。
        • 记忆方法:联想 “distinguish” 是区分，加上 “-ability” 表示能力，就是可区分性。
        • 形近词:distinguishability/distinguish（区分）、indistinguishability（不可区分性）。
        • 发音解析:
          • 音节分解:dis + tin + guish + a + bil + ity /dɪˌstɪŋɡwɪʃəˈbɪləti/，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/。
          • 规则:tin → /tɪn/， “tin” 发 /tɪn/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
          • 规则:guish → /ɡwɪʃ/， “guish” 发 /ɡwɪʃ/ 音，其中 “g” 发 /ɡ/ 音，“u” 不发音，“i” 发短元音 /ɪ/。
          • 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/。
          • 规则:ity → /əti/， “ity” 发 /əti/ 音，其中 “i” 发短元音 /ə/，“t” 发 /t/ 音，“y” 发 /i/ 音。
    • generative:形容词，词源来自 “generate”（生成）+ “-ive”（……的），词义：生成性的。
      • 记忆方法:联想 “generate” 是生成，加上 “-ive” 表示……的，就是生成性的。
      • 形近词:generative/generate（生成）、regenerative（再生的）。
      • 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，其中 “g” 发 /dʒ/ 音，“e” 发短元音 /e/。
        • 规则:er → /ər/， “er” 发 /ər/ 音，其中 “e” 发短元音 /ə/。
        • 规则:a → /ə/， “a” 发短元音 /ə/。
        • 规则:tive → /tɪv/， “tive” 发 /tɪv/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
  • In International Conference on Learning Representations, Workshops Track., , 624 702 703 Goodfellow, I.
    • 句子分析:表明相关内容发表在国际学习表征会议的研讨会环节，以及相关编号和作者。
    • 翻译:在国际学习表征会议，研讨会环节。，，624 702 703，古德费洛（I.）
  • J., Courville, A., and Bengio, Y. (2011).
    • 句子分析:简单的信息陈述，表明作者J.、库尔维尔（A.）和本吉奥（Y.）（2011年）。
    • 翻译:J.、库尔维尔（A.）和本吉奥（Y.）（2011年）。
  • Spike-and-slab sparse coding for unsupervised feature discovery.
    • 句子分析:说明用于无监督特征发现的尖峰 - 平板稀疏编码这一内容。
    • 翻译:用于无监督特征发现的尖峰 - 平板稀疏编码。
    • 单词分析:
      • sparse:形容词，词源来自拉丁语 “sparsus”（分散的），词义：稀疏的。
        • 记忆方法:联想 “s” 像分散的小点，“parse” 有解析的意思，分散解析就是稀疏的。
        • 形近词:sparse/spar（spar）、parse（解析）。
        • 发音解析:
          • 音节分解:spar + se /spɑːs/，重音在第一音节
          • 规则:spar → /spɑː/， “spar” 发 /spɑː/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“a” 发长元音 /ɑː/。
          • 规则:se → /s/， “se” 发 /s/ 音。
    • unsupervised:形容词，词源来自 “un-”（不）+ “supervise”（监督），词义：无监督的。
      • 记忆方法:联想 “un-” 表示否定，“supervise” 是监督，合起来就是无监督的。
      • 形近词:unsupervised/supervise（监督）、supervisor（监督者）。
      • 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，其中 “u” 发短元音 /ʌ/。
        • 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/。
        • 规则:vis → /vaɪz/， “vis” 发 /vaɪz/ 音，其中 “v” 发 /v/ 音，“i” 发长元音 /aɪ/。
        • 规则:ed → /d/， “ed” 发 /d/ 音。
  • In NIPS Workshop on Challenges in Learning Hierarchical Models., 534 540 Goodfellow, I.
    • 句子分析:表明相关内容发表在神经信息处理系统大会关于学习层次模型挑战的研讨会上，以及相关编号和作者。
    • 翻译:在神经信息处理系统大会关于学习层次模型挑战的研讨会上。，534 540，古德费洛（I.）
  • J., Warde-Farley, D., Mirza, M., Courville, A., and Bengio, Y. (2013a).
    • 句子分析:简单的信息陈述，表明作者J.、沃德 - 法利（D.）、米尔扎（M.）、库尔维尔（A.）和本吉奥（Y.）（2013a年）。
    • 翻译:J.、沃德 - 法利（D.）、米尔扎（M.）、库尔维尔（A.）和本吉奥（Y.）（2013a年）。
  • Maxout networks.
    • 句子分析:简单陈述了Maxout网络这一主题。
    • 翻译:Maxout网络。
  • In S. Dasgupta and D. McAllester, editors,, pages 1319– ICML ’13 1327.
    • 句子分析:表明相关内容在由S. 达斯古普塔和D. 麦卡利斯特编辑的（某出版物）中，在ICML ’13的第1319 - 1327页。
    • 翻译:在S. 达斯古普塔和D. 麦卡利斯特编辑的（某出版物）中，ICML ’13，第1319 - 1327页。
# 学习
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

刚刚！Codex Harness 全面开源：OpenAI 向开发者开放 Agent 运行时底层，三层集成接口完整解析

avatar AI编程社区
cover

DeepSeek Harness 子代理教程：在 rc.8 中接入 Codex 与 Claude Code

avatar AI编程社区
cover

使用ChatGPT登录到Codex卡住？2026年6种排查与解决方法

avatar AI编程社区