• Algori thms for h yp er-par ameter optim ization . In . NIPS’ 2011 438 Berk es, P . and Wisko tt, L. (2005) . Slow featur e analys is yields a rich rep ertoire of compl ex cell proper ties. , (6), 579–60 2. Journ al of Vision 5 497 Bertse k as, D. P . and T sitsikl is, J. (1996) . Neur o-Dyn amic Pr o gr ammin g . A thena Scient ific. 106 Besag , J. (1975) . Statist ical analys is of non-la ttice data. , The Statist ician 24 (3), 179–19 5. 617 Bishop , C. M. (1994) . Mixtu re densit y netw orks. 188 Bishop , C. M. (1995a ). Regul arizati on and compl exit y contro l in feed-fo rw ard netw orks. In Pr o c e e dings Intern ationa l Confe r enc e on A rtificia l Neur al Netwo rks ICAN N’95 , v olume 1, page 141–14 8. , 242 250 Bishop , C. M. (1995b ). T rainin g with noise is equiv alent to Tikho nov regula rizatio n. Neur al Comp utation , (1), 108–11 6. 7 242 Bishop , C. M. (2006) . Patter n R e c o gnition and Machi ne L e arning . Spring er. , 98 145 Blum, A. L. and Riv est, R. L. (1992) . T rainin g a 3-no de neural netw ork is NP-co mplete . 293 Blume r, A., Ehren feuch t, A., Hauss ler, D., and W armut h, M. K. (1989) . Learna bility and the Vapni k–Che rv onenk is dimen sion. , (4), 929––8 65. Journ al of the ACM 36 114 Bonne t, G. (1964) . T ransfo rmatio ns des signau x aléato ires à trav ers les systèm es non linéair es sans mémo ire. Annal es des Télé c ommu nic ations , (9–10) , 203–22 0. 19 691 Borde s, A., W eston, J., C ollob ert, R ., and Bengio , Y. (2011) . Learni ng structu red em b edding s of kno wledge bases. In . AAAI 2011 486 Borde s, A., Glorot , X., W eston, J., and Bengio , Y. (2012) . Joint learnin g of w ords and meani ng repres en tation s for open-t ext seman tic parsin g. AIST A T
  • S’20 12 . , 402 486 Borde s, A., Glorot , X., W eston, J., and Bengio , Y. (2013a ). A seman tic matc hing energy functi on for learnin g with m ulti-re lationa l data. Machi ne L e arning : Sp e cial Issue on L e arning Seman tics . 485 Borde s, A., Usuni er, N., Garcia -Dura n, A., W eston, J., and Y akhne nko, O. (2013b ). T ransla ting embed dings for model ing multi- relatio nal data. In C. Burge s, L. Bottou , M. W elling, Z. Ghahr amani , and K. W einber ger, editor s, A dvanc es in Neur al Inform ation Pr o c essing System s 26 , pages 2787–2 795. Curra n Asso ciates, Inc. 486 Borns c hein, J. and Bengio , Y. (2015) . Rew eigh ted wak e-sleep . In ICLR’ 2015, arXiv: 1406.2 751 . 695 728 --- Page Break --- BIBLIOGRA PHY Borns c hein, J., Shaba nian, S., Fisc her, A., and Bengio , Y. (2015) . T rainin g bidirec tional Helmh oltz mac hines. T echnic al rep ort, arXiv: 1506.0 3877. 695 Boser, B. E., Guyon , I. M., and V apnik, V. N. (1992) . A trainin g algorit hm for opti- mal margi n classifi ers. In COL T ’92: Pr o c e e dings of the fifth annua l worksh op on Comp utation al le arning the ory , pages 144–15 2, New Y ork, NY, USA. ACM. , 18 140 Bottou , L. (1998) . Online algorit hms and sto chasti c approx imati ons. In D. Saad, editor , Online L e arning in Neur al Netwo rks . Camb ridge Univ ersit y Press, Camb ridge, UK. 296 Bottou , L. (2011) . F rom mac hine learnin g to machi ne reason ing. T ec hnical report , arXiv. 1102.1 808. , 400 402 Bottou , L. (2015) . Multil ay er neural netw orks. Deep Learni ng Summ er Sc ho ol. 442 Bottou , L. and Bousq uet, O. (2008) . The tradeo ffs of large scale learnin g. In . NIPS’ 2008 282 295 , Boula nger-L ew ando wski, N., Bengio , Y., and Vincen t, P . (2012) . Mo deling temp oral dep enden cies in high-d imens ional sequen ces: Applic ation to p olypho nic m usic genera tion and transc ription . In . , ICML ’12 687 688 Boure au, Y., Ponce , J., and LeCun , Y. (2010) . A theore tical analys is of featur e p o oling in vision algorit hms. In Pr o c. Intern ationa l Confe r enc e on Machi ne le arning (ICML ’10) . 345 Boure au, Y., Le Roux, N., Bach, F., Ponce , J., and LeCun , Y. (2011) . Ask the lo cals: m ulti-w a y lo cal po oling for image recogn ition. In Pr o c. Intern ationa l Confe r enc e on Comp uter Vision (ICCV ’11) . IEEE. 345 Bourla rd, H. and Kamp , Y. (1988) . Auto- associa tion by multil a y er p ercept rons and singul ar v alue decom p osition . Biolo gic al Cyb erneti cs , , 291–29 4. 59 504 Bourla rd, H. and W elleken s, C. (1989) . Speech patter n discrim inatio n and multi- la yered p ercept rons. Comp uter Sp e e ch and L angua ge , , 1–19. 3 461 Bo yd, S. and V anden berghe , L. (2004) . . Cam bridge Unive rsit y Conve x Optim ization Press, New Y ork, NY, USA. 93 Brady , M. L., Ragha v an, R., and Slawn y , J. (1989) . Bac k-prop agatio n fails to separa te where p ercept rons succee d. IEEE T r ansact ions on Cir cuits and System s , 36 , 665–67 4. 284 Brak el, P ., Stro oband t, D., and Schrau wen, B. (2013) . T rainin g energy -based mo dels for time-s eries imput ation. Journ al of Machi ne L e arning R ese ar ch , 14 , 2771–2 797. , 676 700 Brand , M. (2003) . Chart ing a manifo ld. In , pages 961–96 8. MIT Press. , NIPS’ 2002 163 520 729 --- Page Break --- BIBLIOGRA PHY Breim an, L. (1994) . Baggin g predic tors. Machi ne L e arning , (2), 123–14 0. 24 256 Breim an, L., F riedma n, J. H., Olshen , R. A., and Stone, C. J. (1984) . Classi fic ation and R e gr ession T r e es . W adswo rth Intern ationa l Group , Belmo nt, CA. 145 Bridle , J. S. (1990) . Alpha nets: a recurr ent ‘neura l’ net work archit ecture with a hidden Mark o v model interp retatio n. Sp e e ch Comm unic ation , (1), 83–92. 9 185 Briggm an, K., Denk, W., Seung , S., Helms taedte r, M. N., and T uraga, S. C. (2009) . Maxim in affinit y learnin g of image segme ntation .
  • Algorithms for hyper-parameter optimization.
    • 固定搭配:“hyper-parameter optimization”，含义：“超参数优化”。
    • 句子分析:简单的名词短语，“Algorithms”是中心词，“for hyper-parameter optimization”是后置定语修饰“Algorithms”。
    • 翻译:“超参数优化算法”
    • 单词分析:
      • hyper-parameter:名词，“hyper-”作为前缀表示“超过、过度”，“parameter”词源来自希腊语“para-”（旁边）和“metron”（测量），词义：超参数。
        • 记忆方法:“hyper-”有“超级”的意思，结合“parameter”（参数），可理解为超级的参数即超参数。
        • 形近词:parameter（参数）。
        • 发音解析:
          • 音节分解:hy + per + pa + me + ter /ˌhaɪpə(r)ˈpærəmɪtə(r)/，重音在第三音节
          • 规则:hy → /haɪ/， “hy” 发 /haɪ/ 音，其中 “h” 发 /h/ 音，“y” 发长元音 /aɪ/。
          • 规则:per → /pə(r)/， “per” 发 /pə(r)/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发音。
          • 规则:pa → /pæ/， “pa” 发 /pæ/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/。
          • 规则:me → /miː/， “me” 发长音 /miː/，类似于 “me” 的发音。
          • 规则:ter → /tə(r)/， “ter” 发 /tə(r)/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“r” 发音。
    • optimization:名词，词源来自拉丁语“optimus”（最好的），词义：优化；最佳化。
      • 记忆方法:“optimize”（优化）的名词形式，可联想“达到最好的状态”就是优化。
      • 形近词:optimize（优化）。
      • 发音解析:
        • 音节分解:op + ti + mi + za + tion /ˌɒptɪmaɪˈzeɪʃn/，重音在第四音节
        • 规则:op → /ɒp/， “op” 发 /ɒp/ 音，其中 “o” 发短元音 /ɒ/，“p” 发 /p/ 音。
        • 规则:ti → /tɪ/， “ti” 发短音 /tɪ/，类似于 “tip” 的发音。
        • 规则:mi → /maɪ/， “mi” 发长音 /maɪ/，类似于 “my” 的发音。
        • 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，是常见的名词后缀发音。
  • In NIPS’ 2011 438 Berkes, P. and Wiskott, L. (2005).
    • 句子分析:这是文献引用相关内容，表明在NIPS 2011会议的第438部分，引用了Berkes和Wiskott 2005年的研究。
    • 翻译:“在神经信息处理系统大会（NIPS）2011年会议的第438部分，Berkes, P.和Wiskott, L.（2005年）”
  • Slow feature analysis yields a rich repertoire of complex cell properties.
    • 固定搭配:“slow feature analysis”，含义：“慢特征分析”；“a repertoire of”，含义：“一系列；大量”。
    • 句子分析:主谓宾结构的简单句，“Slow feature analysis”是主语，“yields”是谓语，“a rich repertoire of complex cell properties”是宾语。
    • 翻译:“慢特征分析产生了一系列丰富的复杂细胞特性。”
    • 单词分析:
      • repertoire:名词，词源来自法语“répertoire”，词义：全部剧目；全部技能；一系列。
        • 记忆方法:可联想“re-”（再）+“per”（每个）+“toire”，表示每个都再收集起来，形成一系列。
        • 形近词:repertory（全部剧目；仓库）。
        • 发音解析:
          • 音节分解:re + per + toire /ˈrepətwɑː(r)/，重音在第一音节
          • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
          • 规则:per → /pə(r)/， “per” 发 /pə(r)/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发音。
          • 规则:toire → /twɑː(r)/， “toire” 发 /twɑː(r)/ 音，是法语词尾发音。
    • complex:形容词，词源来自拉丁语“com-”（一起）+“plicare”（折叠），词义：复杂的；合成的。
      • 记忆方法:“com-”表示“一起”，“plic”有“折叠”的意思，很多东西折叠在一起就是复杂的。
      • 形近词:complexion（面色；肤色）、complicate（使复杂化）。
      • 发音解析:
        • 音节分解:com + plex /ˈkɒmpleks/，重音在第一音节
        • 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:plex → /pleks/， “plex” 发 /pleks/ 音，其中 “p” 发 /p/ 音，“l” 发 /l/ 音，“e” 发短元音 /e/，“x” 发 /ks/ 音。
  • Journal of Vision 5 (6), 579–602.
    • 句子分析:这是文献引用相关内容，表明该研究发表在《视觉杂志》第5卷第6期，页码为579 - 602。
    • 翻译:“《视觉杂志》第5卷第6期，579 - 602页”
  • Bertsekas, D. P. and Tsitsiklis, J. (1996).
    • 句子分析:这是文献引用相关内容，表明引用了Bertsekas和Tsitsiklis 1996年的研究。
    • 翻译:“Bertsekas, D. P.和Tsitsiklis, J.（1996年）”
  • Neuro-Dynamic Programming.
    • 固定搭配:“Neuro-Dynamic Programming”，含义：“神经动态规划”。
    • 句子分析:简单的名词短语，描述一种规划方法。
    • 翻译:“神经动态规划”
    • 单词分析:
      • Neuro-:前缀，词源来自希腊语“neuron”（神经），词义：表示“神经的；神经系统的”。
        • 记忆方法:可联想与“神经”相关的概念。
        • 形近词:neural（神经的）。
        • 发音解析:
          • 音节分解:neu + ro /ˈnjʊərəʊ/，重音在第一音节
          • 规则:neu → /njʊə/， “neu” 发 /njʊə/ 音，其中 “n” 发 /n/ 音，“eu” 发 /jʊə/ 音。
          • 规则:ro → /rəʊ/， “ro” 发 /rəʊ/ 音，其中 “r” 发 /r/ 音，“o” 发长元音 /əʊ/。
    • Dynamic:形容词，词源来自希腊语“dynamis”（力量），词义：动态的；动力的。
      • 记忆方法:可联想“有力量的、不断变化的”就是动态的。
      • 形近词:dynamite（炸药）、dynamo（发电机）。
      • 发音解析:
        • 音节分解:dy + na + mic /daɪˈnæmɪk/，重音在第二音节
        • 规则:dy → /daɪ/， “dy” 发 /daɪ/ 音，其中 “d” 发 /d/ 音，“y” 发长元音 /aɪ/。
        • 规则:na → /næ/， “na” 发 /næ/ 音，其中 “n” 发 /n/ 音，“a” 发短元音 /æ/。
        • 规则:mic → /mɪk/， “mic” 发 /mɪk/ 音，其中 “m” 发 /m/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
    • Programming:名词，“program”词源来自希腊语“pro-”（向前）+“graphein”（写），词义：编程；规划。
      • 记忆方法:“program”（程序）加上“-ing”变成名词，表示编程这个行为。
      • 形近词:program（程序；节目）。
      • 发音解析:
        • 音节分解:pro + gram + ming /ˈprəʊɡræmɪŋ/，重音在第一音节
        • 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: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。
        • 规则:ming → /mɪŋ/， “ming” 发 /mɪŋ/ 音，其中 “m” 发 /m/ 音，“i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
  • Athena Scientific.
    • 句子分析:这是一个机构名称，“Athena”是希腊神话中的智慧女神，这里可能表示该机构与科学智慧相关。
    • 翻译:“雅典娜科学出版社”（推测为出版社之类的机构）
  • 106 Besag, J. (1975).
    • 句子分析:这是文献引用相关内容，表明引用了Besag 1975年的研究，“106”可能是文献编号等。
    • 翻译:“文献编号106，Besag, J.（1975年）”
  • Statistical analysis of non-lattice data.
    • 固定搭配:“statistical analysis”，含义：“统计分析”；“non-lattice data”，含义：“非格点数据”。
    • 句子分析:简单的名词短语，描述对非格点数据进行统计分析。
    • 翻译:“非格点数据的统计分析”
    • 单词分析:
      • non-lattice:形容词，“non-”是表示否定的前缀，“lattice”词源来自拉丁语“latticis”（格子），词义：非格点的。
        • 记忆方法:“non-”表示“非”，“lattice”是“格子”，合起来就是非格子的，即非格点的。
        • 形近词:lattice（格子；晶格）。
        • 发音解析:
          • 音节分解:non + lat + tice /ˌnɒnˈlætɪs/，重音在第二音节
          • 规则:non → /nɒn/， “non” 发 /nɒn/ 音，其中 “n” 发 /n/ 音，“o” 发短元音 /ɒ/，“n” 发 /n/ 音。
          • 规则:lat → /læt/， “lat” 发 /læt/ 音，其中 “l” 发 /l/ 音，“a” 发短元音 /æ/，“t” 发 /t/ 音。
          • 规则:tice → /tɪs/， “tice” 发 /tɪs/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /s/ 音。
  • The Statistician 24 (3), 179–195.
    • 句子分析:这是文献引用相关内容，表明该研究发表在《统计学家》杂志第24卷第3期，页码为179 - 195。
    • 翻译:“《统计学家》杂志第24卷第3期，179 - 195页”
  • Bishop, C. M. (1994).
    • 句子分析:这是文献引用相关内容，表明引用了Bishop 1994年的研究。
    • 翻译:“Bishop, C. M.（1994年）”
  • Mixture density networks.
    • 固定搭配:“mixture density networks”，含义：“混合密度网络”。
    • 句子分析:简单的名词短语，描述一种网络类型。
    • 翻译:“混合密度网络”
    • 单词分析:
      • mixture:名词，词源来自拉丁语“miscere”（混合），词义：混合；混合物。
        • 记忆方法:“mix”（混合）加上“-ture”变成名词，表示混合的结果即混合物。
        • 形近词:mix（混合）。
        • 发音解析:
          • 音节分解:mix + ture /ˈmɪkstʃə(r)/，重音在第一音节
          • 规则:mix → /mɪks/， “mix” 发 /mɪks/ 音，其中 “m” 发 /m/ 音，“i” 发短元音 /ɪ/，“x” 发 /ks/ 音。
          • 规则:ture → /tʃə(r)/， “ture” 发 /tʃə(r)/ 音，是常见的名词后缀发音。
    • density:名词，词源来自拉丁语“densitas”（密集），词义：密度；浓度。
      • 记忆方法:“dense”（密集的）加上“-ity”变成名词，表示密集的程度即密度。
      • 形近词:dense（密集的）。
      • 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” 发短音 /sɪ/，类似于 “sit” 的发音。
        • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发短元音 /i/。
  • Bishop, C. M. (1995a).
    • 句子分析:这是文献引用相关内容，表明引用了Bishop 1995年（标记为a）的研究。
    • 翻译:“Bishop, C. M.（1995年a）”
  • Regularization and complexity control in feed-forward networks.
    • 固定搭配:“regularization”，含义：“正则化”；“feed-forward networks”，含义：“前馈网络”。
    • 句子分析:简单的名词短语，描述前馈网络中的正则化和复杂度控制。
    • 翻译:“前馈网络中的正则化和复杂度控制”
    • 单词分析:
      • regularization:名词，“regular”词源来自拉丁语“regula”（规则），“-ization”是名词后缀，词义：正则化；规则化。
        • 记忆方法:“regular”（规则的）加上“-ization”变成名词，表示使符合规则的过程即正则化。
        • 形近词:regular（规则的）。
        • 发音解析:
          • 音节分解:reg + u + lar + i + za + tion /ˌreɡjələˈzeɪʃn/，重音在第四音节
          • 规则:reg → /reɡ/， “reg” 发 /reɡ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /e/，“g” 发 /ɡ/ 音。
          • 规则:u → /juː/， “u” 发 /juː/ 音，其中 “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” 发音。
          • 规则:i → /aɪ/， “i” 发长音 /aɪ/，类似于 “my” 的发音。
          • 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，是常见的名词后缀发音。
    • complexity:名词，“complex”词源来自拉丁语“com-”（一起）+“plicare”（折叠），“-ity”是名词后缀，词义：复杂性；复杂度。
      • 记忆方法:“complex”（复杂的）加上“-ity”变成名词，表示复杂的程度即复杂度。
      • 形近词:complex（复杂的）。
      • 发音解析:
        • 音节分解:com + plex + i + ty /kəmˈpleksəti/，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:plex → /pleks/， “plex” 发 /pleks/ 音，其中 “p” 发 /p/ 音，“l” 发 /l/ 音，“e” 发短元音 /e/，“x” 发 /ks/ 音。
        • 规则:i → /aɪ/， “i” 发长音 /aɪ/，类似于 “my” 的发音。
        • 规则:ty → /ti/， “ty” 发 /ti/ 音，其中 “t” 发 /t/ 音，“y” 发短元音 /i/。
  • In Proceedings International Conference on Artificial Neural Networks ICANN’95, volume 1, page 141–148.
    • 固定搭配:“Proceedings”，含义：“会议记录；论文集”；“International Conference on Artificial Neural Networks”，含义：“国际人工神经网络会议”。
    • 句子分析:这是文献引用相关内容，表明该研究发表在1995年国际人工神经网络会议的论文集第1卷，页码为141 - 148。
    • 翻译:“在1995年国际人工神经网络会议（ICANN’95）论文集第1卷，第141 - 148页”
  • 242 250 Bishop, C. M. (1995b).
    • 句子分析:这是文献引用相关内容，“242 250”可能是文献编号等，表明引用了Bishop 1995年（标记为b）的研究。
    • 翻译:“文献编号242 250，Bishop, C. M.（1995年b）”
  • Training with noise is equivalent to Tikhonov regularization.
    • 固定搭配:“be equivalent to”，含义：“等同于；相当于”；“Tikhonov regularization”，含义：“蒂霍诺夫正则化”。
    • 句子分析:主系表结构的简单句，“Training with noise”是主语，“is”是系动词，“equivalent to Tikhonov regularization”是表语。
    • 翻译:“带噪声训练等同于蒂霍诺夫正则化。”
    • 单词分析:
      • equivalent:形容词，词源来自拉丁语“aequus”（相等的）+“valere”（有价值），词义：相等的；等价的。
        • 记忆方法:“equi-”表示“相等”，“valent”可联想“有价值”，合起来就是价值相等的即等价的。
        • 形近词:equality（平等）、equator（赤道）。
        • 发音解析:
          • 音节分解:e + qui + va + lent /ɪˈkwɪvələnt/，重音在第二音节
          • 规则:e → /ɪ/， “e” 发短元音 /ɪ/。
          • 规则:qui → /kwɪ/， “qui” 发 /kwɪ/ 音，其中 “q” 发 /kw/ 音，“u” 不发音，“i” 发短元音 /ɪ/。
          • 规则:va → /veɪ/， “va” 发 /veɪ/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eɪ/。
          • 规则:lent → /lənt/， “lent” 发 /lənt/ 音，其中 “l” 发 /l/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
    • regularization:名词，前面已分析，这里不再赘述。
  • Neural Computation, (1), 108–116.
    • 句子分析:这是文献引用相关内容，表明该研究发表在《神经计算》杂志第1期，页码为108 - 116。
    • 翻译:“《神经计算》杂志第1期，108 - 116页”
  • 7 242 Bishop, C. M. (2006).
    • 句子分析:这是文献引用相关内容，“7 242”可能是文献编号等，表明引用了Bishop 2006年的研究。
    • 翻译:“文献编号7 242，Bishop, C. M.（2006年）”
  • Pattern Recognition and Machine Learning.
    • 固定搭配:“Pattern Recognition”，含义：“模式识别”；“Machine Learning”，含义：“机器学习”。
    • 句子分析:简单的名词短语，描述两个相关领域。
    • 翻译:“模式识别与机器学习”
  • Springer.
    • 句子分析:这是一个出版社名称，即施普林格出版社。
    • 翻译:“施普林格出版社”
  • 98 145 Blum, A. L. and Rivest, R. L. (1992).
    • 句子分析:这是文献引用相关内容，“98 145”可能是文献编号等，表明引用了Blum和Rivest 1992年的研究。
    • 翻译:“文献编号98 145，Blum, A. L.和Rivest, R. L.（1992年）”
  • Training a 3-node neural network is NP-complete.
    • 固定搭配:“NP-complete”，含义：“NP完全问题”。
    • 句子分析:主系表结构的简单句，“Training a 3-node neural network”是主语，“is”是系动词，“NP-complete”是表语。
    • 翻译:“训练一个3节点神经网络是NP完全问题。”
    • 单词分析:
      • NP-complete:形容词，“NP”是“Non-deterministic Polynomial”（非确定性多项式）的缩写，“complete”词源来自拉丁语“com-”（完全）+“plere”（充满），词义：NP完全的。
        • 记忆方法:结合计算机科学中“NP完全问题”的概念来记忆。
        • 形近词:complete（完成；完整的）。
        • 发音解析:
          • 音节分解:NP + com + plete /ˌen piː kəmˈpliːt/，重音在第三音节
          • 规则:NP → /ˌen piː/， “NP” 发 /ˌen piː/ 音，是字母缩写发音。
          • 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:plete → /pliːt/， “plete” 发 /pliːt/ 音，其中 “p” 发 /p/ 音，“l” 发 /l/ 音，“e” 发长元音 /iː/，“t” 发 /t/ 音。
  • Blumer, A., Ehrenfeucht, A., Haussler, D., and Warmuth, M. K. (1989).
    • 句子分析:这是文献引用相关内容，表明引用了Blumer、Ehrenfeucht、Haussler和Warmuth 1989年的研究。
    • 翻译:“Blumer, A.，Ehrenfeucht, A.，Haussler, D.和Warmuth, M. K.（1989年）”
  • Learnability and the Vapnik–Chervonenkis dimension.
    • 固定搭配:“Learnability”，含义：“可学习性”；“Vapnik–Chervonenkis dimension”，含义：“瓦普尼克 - 切尔沃年基斯维数”。
    • 句子分析:简单的名词短语，描述可学习性和瓦普尼克 - 切尔沃年基斯维数。
    • 翻译:“可学习性与瓦普尼克 - 切尔沃年基斯维数”
    • 单词分析:
      • learnability:名词，“learn”词源来自古英语“leornian”（学习），“-ability”是名词后缀，词义：可学习性。
        • 记忆方法:“learn”（学习）加上“-ability”变成名词，表示能够学习的性质即可学习性。
        • 形近词:learn（学习）。
        • 发音解析:
          • 音节分解:learn + a + bil + ity /ˌlɜːnəˈbɪləti/，重音在第三音节
          • 规则:learn → /lɜːn/， “learn” 发 /lɜːn/ 音，其中 “l” 发 /l/ 音，“e” 发长元音 /ɜː/，“a” 不发音，“r” 发音，“n” 发 /n/ 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:ity → /əti/， “ity” 发 /əti/ 音，是常见的名词后缀发音。
  • Journal of the ACM 36 (4), 929–865.
    • 句子分析:这是文献引用相关内容，表明该研究发表在《美国计算机协会杂志》第36卷第4期，页码为929 - 865。
    • 翻译:“《美国计算机协会杂志》第36卷第4期，929 - 865页”
  • 114 Bonnet, G. (1964).
    • 句子分析:这是文献引用相关内容，“114”可能是文献编号等，表明引用了Bonnet 1964年的研究。
    • 翻译:“文献编号114，Bonnet, G.（1964年）”

  • Transformations designaux aléatoires à travers les systèmes non linéaires sans mémoire.
    • 句子分析:此句为法语句子，暂不做详细英语相关分析。
    • 翻译:通过无记忆的非线性系统进行随机设计变换。

  • Annales des Télécommunications, (9–10), 203–220. 1969
    • 句子分析:简单信息陈述，介绍文献相关信息，无需详细分析。
    • 翻译:《电信年鉴》，第9 - 10期，203 - 220页，1969年
  • Bordes, A., Weston, J., Collobert, R., and Bengio, Y. (2011).
    • 句子分析:简单列举作者信息，无需详细分析。
    • 翻译:博尔德斯（A.）、韦斯顿（J.）、科洛贝尔（R.）和本吉奥（Y.），2011年
  • Learning structured embeddings of knowledge bases.
    • 句子分析:动名词短语作标题，表达“学习知识库的结构化嵌入”。
    • 翻译:学习知识库的结构化嵌入
    • 单词分析:
      • structured:形容词，词源来自 "structure"（结构），词义：结构化的。
        • 记忆方法:由 "structure" 加后缀 "-ed" 构成，可联想 “有结构的”。
        • 形近词:structure/construct（建造）、destruct（破坏）。
        • 发音解析:
          • 音节分解:struc + tured /ˈstrʌktʃərd/，重音在第一音节
          • 规则:struc → /strʌk/， “struc” 发 /strʌk/ 音，其中 “s” 发 /s/ 音，“tr” 发 /tr/ 音，“u” 发短元音 /ʌ/，“c” 发 /k/ 音。
          • 规则:tured → /tʃərd/， “tured” 发 /tʃərd/ 音，其中 “t” 发 /t/ 音，“u” 不发音，“re” 发 /ʃə/ 音，“d” 发 /d/ 音。
    • embeddings:名词复数，词源来自 "embed"（嵌入），词义：嵌入；嵌入物。
      • 记忆方法:由 "embed" 加后缀 "-ing" 再变复数，可联想 “被嵌入的东西”。
      • 形近词:embed/embark（上船；着手）、embody（体现）。
      • 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” 发鼻音。
        • 规则:bed → /bed/， “bed” 发 /bed/ 音，其中 “b” 发 /b/ 音，“e” 发短元音 /ɛ/，“d” 发 /d/ 音。
        • 规则:dings → /dɪŋz/， “dings” 发 /dɪŋz/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音，“s” 发 /z/ 音。
  • In.
    • 句子分析:单独的介词，无完整句子意义，无需详细分析。
    • 翻译:在……里
  • AAAI 2011 486
    • 句子分析:简单信息陈述，介绍会议及页码，无需详细分析。
    • 翻译:美国人工智能协会2011年会议，第486页
  • Bordes, A., Glorot, X., Weston, J., and Bengio, Y. (2012).
    • 句子分析:简单列举作者信息，无需详细分析。
    • 翻译:博尔德斯（A.）、格洛罗（X.）、韦斯顿（J.）和本吉奥（Y.），2012年
  • Joint learning of words and meaning representations for open - text semantic parsing.
    • 句子分析:动名词短语作标题，表达“用于开放文本语义解析的单词和意义表示的联合学习”。
    • 翻译:用于开放文本语义解析的单词和意义表示的联合学习
    • 单词分析:
      • joint:形容词，词源来自拉丁语 "jungere"（连接），词义：联合的；共同的。
        • 记忆方法:联想 “连接在一起的”。
        • 形近词:joint/join（连接）、rejoin（再连接）。
        • 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 /ɔɪ/ 音。
          • 规则:int → /nt/， “int” 发 /nt/ 音，其中 “n” 发鼻音，“t” 发 /t/ 音。
    • representations:名词复数，词源来自 "represent"（代表；表现），词义：表示；表现形式。
      • 记忆方法:由 "represent" 加后缀 "-ation" 再变复数，可联想 “代表的事物”。
      • 形近词:represent/representation（表示）、reprehend（谴责）。
      • 发音解析:
        • 音节分解:re + pre + sent + a + tions /ˌreprɪzenˈteɪʃənz/，重音在第三音节
        • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
        • 规则:pre → /prɪ/， “pre” 发 /prɪ/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发短元音 /ɪ/。
        • 规则:sent → /sent/， “sent” 发 /sent/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /ɛ/，“n” 发鼻音，“t” 发 /t/ 音。
        • 规则:a → /ə/， “a” 发 /ə/ 音，为弱读音。
        • 规则:tions → /ʃənz/， “tions” 发 /ʃənz/ 音，其中 “t” 发 /t/ 音，“i” 不发音，“o” 发 /ə/ 音，“n” 发鼻音，“s” 发 /z/ 音。
    • semantic:形容词，词源来自希腊语 "sēmantikos"（有意义的），词义：语义的。
      • 记忆方法:联想 “和意义相关的”。
      • 形近词:semantic/semantics（语义学）、semiotic（符号学的）。
      • 发音解析:
        • 音节分解:se + man + tic /sɪˈmæntɪk/，重音在第二音节
        • 规则:se → /sɪ/， “se” 发 /sɪ/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /ɪ/。
        • 规则:man → /mæn/， “man” 发 /mæn/ 音，其中 “m” 发鼻音，“a” 发短元音 /æ/，“n” 发鼻音。
        • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
  • AISTATS’2012., 402 486
    • 句子分析:简单信息陈述，介绍会议及页码，无需详细分析。
    • 翻译:国际人工智能与统计学会2012年会议，第402 - 486页
  • Bordes, A., Glorot, X., Weston, J., and Bengio, Y. (2013a).
    • 句子分析:简单列举作者信息，无需详细分析。
    • 翻译:博尔德斯（A.）、格洛罗（X.）、韦斯顿（J.）和本吉奥（Y.），2013年a
  • A semantic matching energy function for learning with multi - relational data.
    • 句子分析:名词短语作标题，表达“用于多关系数据学习的语义匹配能量函数”。
    • 翻译:用于多关系数据学习的语义匹配能量函数
    • 单词分析:
      • matching:动名词，词源来自 "match"（匹配），词义：匹配的。
        • 记忆方法:由 "match" 加后缀 "-ing" 构成，可联想 “正在匹配的”。
        • 形近词:match/matching（匹配的）、mattress（床垫）。
        • 发音解析:
          • 音节分解:mat + ching /ˈmætʃɪŋ/，重音在第一音节
          • 规则:mat → /mæt/， “mat” 发 /mæt/ 音，其中 “m” 发鼻音，“a” 发短元音 /æ/，“t” 发 /t/ 音。
          • 规则:ching → /tʃɪŋ/， “ching” 发 /tʃɪŋ/ 音，其中 “ch” 发 /tʃ/ 音，“i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
    • multi - relational:形容词，“multi -” 表示 “多”，“relational” 来自 "relation"（关系），词义：多关系的。
      • 记忆方法:联想 “有多种关系的”。
      • 形近词:multi - relational/relational（关系的）、multimedia（多媒体的）。
      • 发音解析:
        • 音节分解:mul + ti + re + la + tion + al /ˌmʌltɪrɪˈleɪʃənl/，重音在第三音节
        • 规则:mul → /mʌl/， “mul” 发 /mʌl/ 音，其中 “m” 发鼻音，“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:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
        • 规则:la → /leɪ/， “la” 发 /leɪ/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/。
        • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /t/ 音，“i” 不发音，“o” 发 /ə/ 音，“n” 发鼻音。
        • 规则:al → /l/， “al” 发 /l/ 音，为弱读音。
  • Machine Learning: Special Issue on Learning Semantics. 485
    • 句子分析:简单信息陈述，介绍期刊及页码，无需详细分析。
    • 翻译:《机器学习》：学习语义学特刊，第485页
  • Bordes, A., Usunier, N., Garcia - Duran, A., Weston, J., and Yakhenenko, O. (2013b).
    • 句子分析:简单列举作者信息，无需详细分析。
    • 翻译:博尔德斯（A.）、于叙尼耶（N.）、加西亚 - 杜兰（A.）、韦斯顿（J.）和亚赫年科（O.），2013年b
  • Translating embeddings for modeling multi - relational data.
    • 句子分析:动名词短语作标题，表达“用于多关系数据建模的翻译嵌入”。
    • 翻译:用于多关系数据建模的翻译嵌入
    • 单词分析:
      • translating:动名词，词源来自 "translate"（翻译），词义：翻译；转换。
        • 记忆方法:由 "translate" 加后缀 "-ing" 构成，可联想 “正在翻译的”。
        • 形近词:translate/translating（翻译的）、transplant（移植）。
        • 发音解析:
          • 音节分解:trans + lat + ing /trænsˈleɪtɪŋ/，重音在第二音节
          • 规则:trans → /træns/， “trans” 发 /træns/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“a” 发短元音 /æ/，“n” 发鼻音，“s” 发 /s/ 音。
          • 规则:lat → /leɪt/， “lat” 发 /leɪt/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/，“t” 发 /t/ 音。
          • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
    • modeling:动名词，词源来自 "model"（模型；建模），词义：建模。
      • 记忆方法:由 "model" 加后缀 "-ing" 构成，可联想 “正在建模的”。
      • 形近词:model/modeling（建模的）、modest（谦虚的）。
      • 发音解析:
        • 音节分解:mod + el + ing /ˈmɑːdlɪŋ/，重音在第一音节
        • 规则:mod → /mɑːd/， “mod” 发 /mɑːd/ 音，其中 “m” 发鼻音，“o” 发长元音 /ɑː/，“d” 发 /d/ 音。
        • 规则:el → /l/， “el” 发 /l/ 音，为弱读音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
  • In C. Burges, L. Bottou, M. Welling, Z. Ghahramani, and K. Weinberger, editors, Advances in Neural Information Processing Systems 26, pages 2787–2795.
    • 句子分析:此句介绍文献所在的编辑信息、会议名称及页码，结构较复杂，包含插入语 “editors”。
    • 翻译:收录于由C. 伯吉斯、L. 博托、M. 韦林、Z. 加法拉尼和K. 韦恩伯格编辑的《神经信息处理系统进展26》，第2787 - 2795页。
    • 单词分析:
      • advances:名词复数，词源来自拉丁语 "advancare"（前进），词义：进展；进步。
        • 记忆方法:联想 “向前走的成果”。
        • 形近词:advance/advances（进展）、advantage（优势）。
        • 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，“c” 发 /s/ 音。
          • 规则:s → /ɪz/， “s” 发 /ɪz/ 音，为复数词尾发音。
    • neural:形容词，词源来自拉丁语 "neuralis"（神经的），词义：神经的；神经网络的。
      • 记忆方法:联想 “和神经有关的”。
      • 形近词:neural/neuron（神经元）、neurotic（神经质的）。
      • 发音解析:
        • 音节分解:neu + ral /ˈnʊrəl/，重音在第一音节
        • 规则:neu → /nʊr/， “neu” 发 /nʊr/ 音，其中 “n” 发鼻音，“eu” 发 /ʊr/ 音。
        • 规则:ral → /əl/， “ral” 发 /əl/ 音，为弱读音。
    • processing:动名词，词源来自 "process"（处理），词义：处理；加工。
      • 记忆方法:由 "process" 加后缀 "-ing" 构成，可联想 “正在处理的”。
      • 形近词:process/processing（处理的）、proceed（继续进行）。
      • 发音解析:
        • 音节分解:pro + cess + ing /ˈprɑːsesɪŋ/，重音在第一音节
        • 规则:pro → /prɑː/， “pro” 发 /prɑː/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发长元音 /ɑː/。
        • 规则:cess → /ses/， “cess” 发 /ses/ 音，其中 “c” 发 /s/ 音，“e” 发短元音 /ɛ/，“s” 发 /s/ 音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
  • Curran Associates, Inc. 486
    • 句子分析:简单信息陈述，介绍出版社及页码，无需详细分析。
    • 翻译:柯伦联合公司，第486页
  • Bornschein, J. and Bengio, Y. (2015).
    • 句子分析:简单列举作者信息，无需详细分析。
    • 翻译:博恩斯chein（J.）和本吉奥（Y.），2015年
  • Reweighted wake - sleep.
    • 句子分析:名词短语作标题，表达“重新加权的唤醒 - 睡眠”。
    • 翻译:重新加权的唤醒 - 睡眠
    • 单词分析:
      • reweighted:动词过去式，“re -” 表示 “再；重新”，“weight” 表示 “重量；加权”，词义：重新加权的。
        • 记忆方法:联想 “再次给与重量”。
        • 形近词:reweighted/weight（重量）、rewrite（重写）。
        • 发音解析:
          • 音节分解:re + weight + ed /ˌriːˈweɪtɪd/，重音在第二音节
          • 规则:re → /riː/， “re” 发 /riː/ 音，其中 “r” 发 /r/ 音，“e” 发长元音 /iː/。
          • 规则:weight → /weɪt/， “weight” 发 /weɪt/ 音，其中 “w” 发 /w/ 音，“e” 发长元音 /eɪ/，“i” 不发音，“g” 发 /t/ 音。
          • 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音，为过去式词尾发音。
  • In ICLR’2015, arXiv: 1406.2751. 695 728
    • 句子分析:简单信息陈述，介绍会议及文献编号、页码，无需详细分析。
    • 翻译:收录于2015年国际学习表征会议，预印本编号：arXiv: 1406.2751，第695 - 728页
  • Bornschein, J., Shabanian, S., Fischer, A., and Bengio, Y. (2015).
    • 句子分析:简单列举作者信息，无需详细分析。
    • 翻译:博恩斯chein（J.）、沙巴尼安（S.）、菲舍尔（A.）和本吉奥（Y.），2015年
  • Training bidirectional Helmholtz machines.
    • 句子分析:动名词短语作标题，表达“训练双向亥姆霍兹机”。
    • 翻译:训练双向亥姆霍兹机
    • 单词分析:
      • bidirectional:形容词，“bi -” 表示 “双；两”，“directional” 来自 "direction"（方向），词义：双向的。
        • 记忆方法:联想 “有两个方向的”。
        • 形近词:bidirectional/directional（方向的）、bicycle（自行车）。
        • 发音解析:
          • 音节分解:bi + di + rec + tion + al /ˌbaɪdaɪˈrekʃənl/，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:di → /daɪ/， “di” 发 /daɪ/ 音，其中 “d” 发 /d/ 音，“i” 发长元音 /aɪ/。
          • 规则:rec → /rek/， “rec” 发 /rek/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɛ/，“c” 发 /k/ 音。
          • 规则:tion → /ʃən/， “tion” 发 /ʃən/ 音，其中 “t” 发 /t/ 音，“i” 不发音，“o” 发 /ə/ 音，“n” 发鼻音。
          • 规则:al → /l/， “al” 发 /l/ 音，为弱读音。
    • Helmholtz:名词，指 “亥姆霍兹”（人名），无特定词源解释。
      • 记忆方法:可通过直接记忆人名来记住该词。
      • 形近词:Helmholtz无明显形近词。
      • 发音解析:
        • 音节分解:Helm + holtz /ˈhɛlmhoʊlts/，重音在第一音节
        • 规则:Helm → /hɛlm/， “Helm” 发 /hɛlm/ 音，其中 “H” 发 /h/ 音，“e” 发短元音 /ɛ/，“l” 发 /l/ 音，“m” 发鼻音。
        • 规则:holtz → /hoʊlts/， “holtz” 发 /hoʊlts/ 音，其中 “h” 发 /h/ 音，“o” 发长元音 /oʊ/，“l” 发 /l/ 音，“t” 发 /t/ 音，“z” 发 /s/ 音。
  • Technical report, arXiv: 1506.03877. 695
    • 句子分析:简单信息陈述，介绍技术报告及文献编号、页码，无需详细分析。
    • 翻译:技术报告，预印本编号：arXiv: 1506.03877，第695页
  • Boser, B. E., Guyon, I. M., and Vapnik, V. N. (1992).
    • 句子分析:简单列举作者信息，无需详细分析。
    • 翻译:博泽（B. E.）、居永（I. M.）和瓦普尼克（V. N.），1992年

  • A training algorithm for optimal margin classifiers. In COLT ’92: Proceedings of the fifth annual workshop on Computational learning theory, pages 144–152, New York, NY, USA. ACM.
    • 固定搭配:无
    • 句子分析:这是一个关于学术成果的描述，介绍了一种用于最优边际分类器的训练算法，以及该成果发表在COLT ’92会议的相关信息。句子包含了会议名称、会议内容、页码、地点、主办方等信息。
    • 翻译:一种用于最优边际分类器的训练算法。发表于COLT ’92：第五届计算学习理论年度研讨会会议记录，第144 - 152页，美国纽约州纽约市。美国计算机协会。
    • 单词分析:
      • optimal:形容词，词源来自拉丁语 "optimus"（最好的），词义：最佳的；最理想的。
        • 记忆方法:联想 "opt"（选择）+"imal"（形容词后缀）→ 经过选择的最好的 → 最佳的。
        • 形近词:optimal/optimist（乐观主义者）、optimize（优化）。
        • 发音解析:
          • 音节分解:op + ti + mal /ˈɑːptɪməl/，重音在第一音节
          • 规则:op → /ɑːp/， “op” 发 /ɑːp/ 音，其中 “o” 发长元音 /ɑː/，“p” 发 /p/ 音。
          • 规则:ti → /tɪ/， “ti” 发短音 /tɪ/，类似于 “tip” 的发音。
          • 规则:mal → /məl/， “mal” 发 /məl/ 音，其中 “m” 发 /m/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
    • margin:名词，词源来自拉丁语 "margo"（边缘），词义：边缘；差额；利润。
      • 记忆方法:联想 “在边缘” → 边缘；引申为差额、利润等意思。
      • 形近词:margin/marble（大理石）、marginal（边缘的）。
      • 发音解析:
        • 音节分解:mar + gin /ˈmɑːrdʒɪn/，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。
    • proceedings:名词复数，词源来自 "proceed"（进行；继续），词义：会议记录；诉讼程序。
      • 记忆方法:由 “proceed” 加 “-ings” 构成，表示 “进行的事情”，这里指会议记录。
      • 形近词:proceedings/proceed（继续；进行）、procedure（程序）。
      • 发音解析:
        • 音节分解:pro + ceed + ings /prəˈsiːdɪŋz/，重音在第二音节
        • 规则:pro → /prə/， “pro” 发 /prə/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发短元音 /ə/。
        • 规则:ceed → /siːd/， “ceed” 发 /siːd/ 音，其中 “c” 发 /s/ 音，“ee” 发长元音 /iː/，“d” 发 /d/ 音。
        • 规则:ings → /ɪŋz/， “ings” 发 /ɪŋz/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音，“s” 发 /z/ 音。

  • 18140 Bottou, L. (1998). Online algorithms and stochastic approximations. In D. Saad, editor, Online Learning in Neural Networks. Cambridge University Press, Cambridge, UK. 296
    • 固定搭配:无
    • 句子分析:介绍了Bottou在1998年的研究成果，关于在线算法和随机近似，以及该成果发表在由D. Saad编辑的《神经网络中的在线学习》一书中，还给出了出版社和地点等信息。
    • 翻译:18140 博图，L.（1998年）。在线算法和随机近似。载于D. 萨德编辑的《神经网络中的在线学习》。剑桥大学出版社，英国剑桥。296
    • 单词分析:
      • stochastic:形容词，词源来自希腊语 "stokhazesthai"（猜测），词义：随机的；随机过程的。
        • 记忆方法:联想 “随机猜测” → 随机的。
        • 形近词:stochastic/stock（股票；储存）、stochast（随机变量）。
        • 发音解析:
          • 音节分解:sto + chas + tic /stoʊˈkæstɪk/，重音在第二音节
          • 规则:sto → /stoʊ/， “sto” 发 /stoʊ/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“o” 发长元音 /oʊ/。
          • 规则:chas → /kæs/， “chas” 发 /kæs/ 音，其中 “ch” 发 /k/ 音，“a” 发短元音 /æ/，“s” 发 /s/ 音。
          • 规则:tic → /tɪk/， “tic” 发 /tɪk/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
  • Bottou, L. (2011). From machine learning to machine reasoning. Technical report, arXiv. 1102.1808., 400 402
    • 固定搭配:无
    • 句子分析:介绍了Bottou在2011年的技术报告，内容是关于从机器学习到机器推理。
    • 翻译:博图，L.（2011年）。从机器学习到机器推理。技术报告，arXiv。1102.1808。400 - 402
    • 单词分析:无
  • Bottou, L. (2015). Multilayer neural networks. Deep Learning Summer School. 442
    • 固定搭配:无
    • 句子分析:介绍了Bottou在2015年与多层神经网络相关的内容，以及涉及深度学习暑期学校。
    • 翻译:博图，L.（2015年）。多层神经网络。深度学习暑期学校。442
    • 单词分析:
      • multilayer:形容词，由 “multi-”（多）和 “layer”（层）组成，词义：多层的。
        • 记忆方法:“multi-” 表示多，“layer” 是层，合起来就是多层的。
        • 形近词:multilayer/multimedia（多媒体）、multicolored（多色的）。
        • 发音解析:
          • 音节分解:mul + ti + layer /ˈmʌltɪleɪər/，重音在第一音节
          • 规则:mul → /mʌl/， “mul” 发 /mʌl/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ʌ/，“l” 发 /l/ 音。
          • 规则:ti → /tɪ/， “ti” 发短音 /tɪ/，类似于 “tip” 的发音。
          • 规则:layer → /leɪər/， “layer” 发 /leɪər/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/，“y” 不发音，“er” 发 /ər/ 音。
  • Bottou, L. and Bousquet, O. (2008). The tradeoffs of large scale learning. In. NIPS’ 2008 282 295
    • 固定搭配:“large scale” 意为 “大规模的”；“tradeoffs” 意为 “权衡；取舍”。
    • 句子分析:介绍了Bottou和Bousquet在2008年关于大规模学习权衡的研究，该研究发表在NIPS’ 2008会议上。
    • 翻译:博图，L. 和布斯凯，O.（2008年）。大规模学习的权衡。载于NIPS’ 2008。282 - 295
    • 单词分析:
      • tradeoffs:名词，由 “trade”（交易；交换）和 “off” 组成，词义：权衡；取舍。
        • 记忆方法:“trade” 有交易的意思，“off” 有离开的意思，交易中需要做出选择，即权衡、取舍。
        • 形近词:tradeoffs/trade（贸易；交易）、offset（抵消；补偿）。
        • 发音解析:
          • 音节分解:trade + offs /ˈtreɪdɔːfs/，重音在第一音节
          • 规则:trade → /treɪd/， “trade” 发 /treɪd/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“a” 发长元音 /eɪ/，“d” 发 /d/ 音。
          • 规则:offs → /ɔːfs/， “offs” 发 /ɔːfs/ 音，其中 “o” 发长元音 /ɔː/，“f” 发 /f/ 音，“s” 发 /s/ 音。
  • Boulanger-Lewandowski, N., Bengio, Y., and Vincent, P. (2012). Modeling temporal dependencies in high-dimensional sequences: Application to polyphonic music generation and transcription. In., ICML ’12 687 688
    • 固定搭配:无
    • 句子分析:介绍了Boulanger - Lewandowski、Bengio和Vincent在2012年的研究，关于对高维序列中时间依赖关系的建模，以及该研究在多声部音乐生成和转录方面的应用，该研究发表在ICML ’12会议上。
    • 翻译:布朗热 - 莱万多夫斯基，N.，本吉奥，Y.，和文森特，P.（2012年）。高维序列中时间依赖关系的建模：在多声部音乐生成和转录中的应用。载于ICML ’12。687 - 688
    • 单词分析:
      • temporal:形容词，词源来自拉丁语 "tempus"（时间），词义：时间的；暂时的。
        • 记忆方法:联想 “和时间有关的” → 时间的。
        • 形近词:temporal/temporary（暂时的）、contemporary（当代的）。
        • 发音解析:
          • 音节分解:tem + po + ral /ˈtempərəl/，重音在第一音节
          • 规则:tem → /tem/， “tem” 发 /tem/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /e/，“m” 发 /m/ 音。
          • 规则:po → /pəʊ/， “po” 发 /pəʊ/ 音，其中 “p” 发 /p/ 音，“o” 发长元音 /əʊ/。
          • 规则:ral → /rəl/， “ral” 发 /rəl/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
    • polyphonic:形容词，由 “poly-”（多）和 “phonic”（声音的）组成，词义：多声部的；复调的。
      • 记忆方法:“poly-” 表示多，“phonic” 表示声音，合起来就是多声部的。
      • 形近词:polyphonic/polygon（多边形）、phonetic（语音的）。
      • 发音解析:
        • 音节分解:poly + pho + nic /ˌpɑːliˈfɑːnɪk/，重音在第二音节
        • 规则:poly → /ˈpɑːli/， “poly” 发 /ˈpɑːli/ 音，其中 “p” 发 /p/ 音，“o” 发长元音 /ɑː/，“l” 发 /l/ 音，“y” 发 /i/ 音。
        • 规则:pho → /fəʊ/， “pho” 发 /fəʊ/ 音，其中 “ph” 发 /f/ 音，“o” 发长元音 /əʊ/。
        • 规则:nic → /nɪk/， “nic” 发 /nɪk/ 音，其中 “n” 发 /n/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
  • Boureau, Y., Ponce, J., and LeCun, Y. (2010). A theoretical analysis of feature pooling in vision algorithms. In Proc. International Conference on Machine learning (ICML ’10). 345
    • 固定搭配:“theoretical analysis” 意为 “理论分析”；“feature pooling” 意为 “特征池化”。
    • 句子分析:介绍了Boureau、Ponce和LeCun在2010年关于视觉算法中特征池化的理论分析，该研究发表在ICML ’10会议上。
    • 翻译:布罗，Y.，庞斯，J.，和勒昆，Y.（2010年）。视觉算法中特征池化的理论分析。载于机器学习国际会议（ICML ’10）会议记录。345
    • 单词分析:
      • theoretical:形容词，词源来自希腊语 "theoria"（理论），词义：理论的。
        • 记忆方法:由 “theory”（理论）加 “-ical” 构成形容词。
        • 形近词:theoretical/theory（理论）、theologian（神学家）。
        • 发音解析:
          • 音节分解:theo + ret + i + cal /ˌθiːəˈretɪkl/，重音在第二音节
          • 规则:theo → /θiːəʊ/， “theo” 发 /θiːəʊ/ 音，其中 “th” 发 /θ/ 音，“e” 发长元音 /iː/，“o” 发长元音 /əʊ/。
          • 规则:ret → /ret/， “ret” 发 /ret/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /e/，“t” 发 /t/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:cal → /kl/， “cal” 发 /kl/ 音，其中 “c” 发 /k/ 音，“a” 不发音，“l” 发 /l/ 音。
    • pooling:名词，由 “pool”（池；汇集）加 “-ing” 构成，词义：池化；汇集。
      • 记忆方法:“pool” 有池的意思，“pooling” 表示像在池里汇集一样，这里指特征池化。
      • 形近词:pooling/pool（水池；汇集）、polling（投票；民意测验）。
      • 发音解析:
        • 音节分解:pool + ing /ˈpuːlɪŋ/，重音在第一音节
        • 规则:pool → /puːl/， “pool” 发 /puːl/ 音，其中 “p” 发 /p/ 音，“oo” 发长元音 /uː/，“l” 发 /l/ 音。
        • 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音，其中 “i” 发短元音 /ɪ/，“ng” 发 /ŋ/ 音。
  • Boureau, Y., Le Roux, N., Bach, F., Ponce, J., and LeCun, Y. (2011). Ask the locals: multi-way local pooling for image recognition. In Proc. International Conference on Computer Vision (ICCV ’11). IEEE. 345
    • 固定搭配:“multi - way” 意为 “多方向的；多路的”；“local pooling” 意为 “局部池化”；“image recognition” 意为 “图像识别”。
    • 句子分析:介绍了Boureau等人在2011年关于图像识别中多方向局部池化的研究，该研究发表在ICCV ’11会议上。
    • 翻译:布罗，Y.，勒鲁，N.，巴赫，F.，庞斯，J.，和勒昆，Y.（2011年）。询问当地人：用于图像识别的多方向局部池化。载于计算机视觉国际会议（ICCV ’11）会议记录。电气和电子工程师协会。345
    • 单词分析:
      • multi - way:形容词，由 “multi-”（多）和 “way”（方向；方式）组成，词义：多方向的；多路的。
        • 记忆方法:“multi-” 表示多，“way” 表示方向或方式，合起来就是多方向的。
        • 形近词:multi - way/multipath（多路径的）、multimedia（多媒体）。
        • 发音解析:
          • 音节分解:multi + way /ˈmʌltiweɪ/，重音在第一音节
          • 规则:multi → /ˈmʌlti/， “multi” 发 /ˈmʌlti/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ʌ/，“l” 发 /l/ 音，“t” 发 /t/ 音，“i” 发 /i/ 音。
          • 规则:way → /weɪ/， “way” 发 /weɪ/ 音，其中 “w” 发 /w/ 音，“a” 发长元音 /eɪ/，“y” 不发音。
  • Bourlard, H. and Kamp, Y. (1988). Auto - association by multilayer perceptrons and singular value decomposition. Biological Cybernetics,, 291–294. 59 504
    • 固定搭配:“auto - association” 意为 “自联想”；“singular value decomposition” 意为 “奇异值分解”。
    • 句子分析:介绍了Bourlard和Kamp在1988年关于通过多层感知器进行自联想以及奇异值分解的研究，该研究发表在《生物控制论》杂志上。
    • 翻译:布拉尔，H. 和坎普，Y.（1988年）。通过多层感知器的自联想和奇异值分解。《生物控制论》，291 - 294。59 504
    • 单词分析:
      • auto - association:名词，由 “auto-”（自）和 “association”（联想；关联）组成，词义：自联想。
        • 记忆方法:“auto-” 表示自，“association” 表示联想，合起来就是自联想。
        • 形近词:auto - association/autobiography（自传）、association（协会；联想）。
        • 发音解析:
          • 音节分解:auto + as + so + ci + a + tion /ˌɔːtoʊəˌsoʊsiˈeɪʃn/，重音在第三音节
          • 规则:auto → /ˈɔːtoʊ/， “auto” 发 /ˈɔːtoʊ/ 音，其中 “a” 发长元音 /ɔː/，“u” 发长元音 /oʊ/，“t” 发 /t/ 音，“o” 发长元音 /oʊ/。
          • 规则:as → /ə/， “as” 发 /ə/ 音，其中 “a” 发短元音 /ə/，“s” 发 /s/ 音。
          • 规则:so → /soʊ/， “so” 发 /soʊ/ 音，其中 “s” 发 /s/ 音，“o” 发长元音 /oʊ/。
          • 规则:ci → /ʃiː/， “ci” 发 /ʃiː/ 音，其中 “c” 发 /ʃ/ 音，“i” 发长元音 /iː/。
          • 规则:a → /ə/， “a” 发短元音 /ə/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 不发音，“o” 不发音，“n” 发 /n/ 音。
    • singular:形容词，词源来自拉丁语 "singulus"（单个的），词义：奇异的；单一的；非凡的。
      • 记忆方法:联想 “单个的、独特的” → 奇异的。
      • 形近词:singular/singularity（奇点；奇异）、single（单一的）。
      • 发音解析:
        • 音节分解:sin + gu + lar /ˈsɪŋɡjələr/，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 → /lər/， “lar” 发 /lər/ 音，其中 “l” 发 /l/ 音，“a” 发短元音 /ə/，“r” 发 /r/ 音。
    • decomposition:名词，由 “de-”（分离；去除）、“com-”（共同）、“pos”（放置）和 “-ition”（名词后缀）组成，词义：分解；腐烂。
      • 记忆方法:“de-” 表示分离，“com-” 表示共同，“pos” 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:decomposition/decompose（分解）、composition（组成；作文）。
      • 发音解析:
        • 音节分解:de + com + po + si + tion /ˌdiːkɑːmpəˈzɪʃn/，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 → /kɑːm/， “com” 发 /kɑːm/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /ɑː/，“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，其中 “t” 不发音，“i” 不发音，“o” 不发音，“n” 发 /n/ 音。
  • Bourlard, H. and Wellenken s, C. (1989). Speech pattern discrimination and multi - layered perceptrons.
    • 固定搭配:“speech pattern discrimination” 意为 “语音模式识别”；“multi - layered” 意为 “多层的”。
    • 句子分析:介绍了Bourlard和Wellenken s在1989年关于语音模式识别和多层感知器的研究。
    • 翻译:布拉尔，H. 和韦伦肯斯，C.（1989年）。语音模式识别和多层感知器。
    • 单词分析:
      • discrimination:名词，词源来自拉丁语 "discriminare"（区分；辨别），词义：识别；歧视。
        • 记忆方法:联想 “区分不同的事物” → 识别。
        • 形近词:discrimination/discriminate（区分；歧视）、discriminatory（歧视性的）。
        • 发音解析:
          • 音节分解:dis + crim + i + na + tion /dɪˌskrɪmɪˈneɪʃn/，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:crim → /krɪm/， “crim” 发 /krɪm/ 音，其中 “c” 发 /k/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/，“m” 发 /m/ 音。
          • 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
          • 规则:na → /nə/， “na” 发 /nə/ 音，其中 “n” 发 /n/ 音，“a” 发短元音 /ə/。
          • 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 不发音，“o” 不发音，“n” 发 /n/ 音。
    • multi - layered:形容词，由 “multi-”（多）和 “layered”（有层的）组成，词义：多层的。
      • 记忆方法:“multi-” 表示多，“layered” 表示有层的，合起来就是多层的。
      • 形近词:multi - layered/multilayer（多层的）、multicolored（多色的）。
      • 发音解析:
        • 音节分解:multi + lay + ered /ˈmʌltɪleɪərd/，重音在第一音节
        • 规则:multi → /ˈmʌlti/， “multi” 发 /ˈmʌlti/ 音，其中 “m” 发 /m/ 音，“u” 发短元音 /ʌ/，“l” 发 /l/ 音，“t” 发 /t/ 音，“i” 发 /i/ 音。
        • 规则:lay → /leɪ/， “lay” 发 /leɪ/ 音，其中 “l” 发 /l/ 音，“a” 发长元音 /eɪ/，“y” 不发音。
        • 规则:ered → /ərd/， “ered” 发 /ərd/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音，“e” 不发音，“d” 发 /d/ 音。

  • Computer Speech and Language, 1–19.
    • 翻译:《计算机语音与语言》，第1 - 19页。

  • 3461 Boyd, S. and Vandenberghe, L. (2004). Cambridge University Press, New York, NY, USA.
    • 翻译:3461 博伊德，S. 和范登伯格，L.（2004 年）。剑桥大学出版社，美国纽约州纽约市。
  • 93 Brady, M. L., Raghavan, R., and Slawney, J. (1989). Back - propagation fails to separate where perceptrons succeed. IEEE Transactions on Circuits and Systems, 36, 665–674.
    • 固定搭配:“back - propagation”意为“反向传播”；“fail to”意为“未能做某事”。
    • 句子分析:主从复合句，“where perceptrons succeed”是地点状语从句。句子描述了在感知器能成功分离的情况下，反向传播却失败了这一情况。
    • 翻译:93 布雷迪，M. L.，拉加万，R.，和斯拉尼，J.（1989 年）。在感知器能成功分离的地方，反向传播却失败了。《电气与电子工程师协会电路与系统汇刊》，36 卷，665 - 674 页。
    • 单词分析:
      • perceptrons:名词，词源来自“perceive”（感知），词义：感知器。
        • 记忆方法:“perceive”（感知）+“-tron”（表示装置）→ 感知装置 → 感知器。
        • 形近词:perceptron/perception（感知）。
        • 发音解析:
          • 音节分解:per + cep + tron /ˈpɜːseptrɒn/，重音在第一音节
          • 规则:per → /pɜː/， “per” 发 /pɜː/ 音，其中 “p” 发 /p/ 音，“e” 发长元音 /ɜː/。
          • 规则:cep → /sep/， “cep” 发 /sep/ 音，其中 “c” 发 /s/ 音，“e” 发短元音 /e/，“p” 发 /p/ 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。
  • 284 Brakel, P., Stroobandt, D., and Schrauwen, B. (2013). Training energy - based models for time - series imputation. Journal of Machine Learning Research, 14, 2771–2797.
    • 固定搭配:“energy - based”意为“基于能量的”；“time - series”意为“时间序列”。
    • 句子分析:简单句，描述了为时间序列插补训练基于能量的模型这一研究内容。
    • 翻译:284 布拉凯尔，P.，斯特罗布兰特，D.，和施劳文，B.（2013 年）。为时间序列插补训练基于能量的模型。《机器学习研究杂志》，14 卷，2771 - 2797 页。
    • 单词分析:
      • imputation:名词，词源来自“impute”（归因；归咎），词义：插补；归因。
        • 记忆方法:“impute”（归因）+“-ation”（名词后缀）→ 归因的行为 → 插补。
        • 形近词:imputation/impute（归因）。
        • 发音解析:
          • 音节分解:im + pu + ta + tion /ˌɪmpjuːˈteɪʃn/，重音在第二音节
          • 规则:im → /ɪm/， “im” 发 /ɪm/ 音，其中 “i” 发短元音 /ɪ/，“m” 发 /m/ 音。
          • 规则:pu → /pjuː/， “pu” 发 /pjuː/ 音，其中 “p” 发 /p/ 音，“u” 发 /juː/ 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，是常见的名词后缀发音。
  • 676 700 Brand, M. (2003). Charting a manifold. In, pages 961–968. MIT Press. NIPS’ 2002 163 520 729
    • 翻译:676 700 布兰德，M.（2003 年）。绘制流形图。见，第 961 - 968 页。麻省理工学院出版社。2002 年神经信息处理系统大会 163 520 729
  • BIBLIOGRAPHY
    • 翻译:参考文献
  • Breiman, L. (1994). Bagging predictors. Machine Learning, (2), 123–140.
    • 固定搭配:“bagging predictors”意为“装袋预测器”。
    • 句子分析:简单句，介绍了布雷曼在 1994 年关于装袋预测器的研究。
    • 翻译:布雷曼，L.（1994 年）。装袋预测器。《机器学习》，（2），123 - 140 页。
  • 24 256 Breiman, L., Friedman, J. H., Olshen, R. A., and Stone, C. J. (1984). Classification and Regression Trees. Wadsworth International Group, Belmont, CA.
    • 翻译:24 256 布雷曼，L.，弗里德曼，J. H.，奥尔申，R. A.，和斯通，C. J.（1984 年）。《分类与回归树》。沃兹沃思国际集团，加利福尼亚州贝尔蒙特。
  • 145 Bridle, J. S. (1990). Alpha nets: a recurrent ‘neural’ network architecture with a hidden Markov model interpretation. Speech Communication, (1), 83–92.
    • 固定搭配:“hidden Markov model”意为“隐马尔可夫模型”。
    • 句子分析:简单句，介绍了布赖德尔在 1990 年关于阿尔法网络（具有隐马尔可夫模型解释的循环神经网络架构）的研究。
    • 翻译:145 布赖德尔，J. S.（1990 年）。阿尔法网络：一种具有隐马尔可夫模型解释的循环‘神经’网络架构。《语音通信》，（1），83 - 92 页。
    • 单词分析:
      • recurrent:形容词，词源来自拉丁语“recurrere”（跑回来），词义：循环的；反复出现的。
        • 记忆方法:“re -”（回）+“cur”（跑）+“-ent”（形容词后缀）→ 跑回来 → 循环的。
        • 形近词:recurrent/recur（复发；重现）。
        • 发音解析:
          • 音节分解:re + cur + rent /rɪˈkʌrənt/，重音在第二音节
          • 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
          • 规则:cur → /kʌr/， “cur” 发 /kʌr/ 音，其中 “c” 发 /k/ 音，“u” 发短元音 /ʌ/，“r” 发 /r/ 音。
          • 规则:rent → /rənt/， “rent” 发 /rənt/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
  • 9 185 Briggman, K., Denk, W., Seung, S., Helmstaedter, M. N., and Turaga, S. C. (2009). Maxim in affinity learning of image segmentation.
    • 翻译:9 185 布里格曼，K.，登克，W.，徐，S.，赫尔姆斯泰特，M. N.，和图拉加，S. C.（2009 年）。图像分割的最大亲和学习。
# 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