deeplearningbook_126-1

heardlover

368人浏览 · 2026-05-25 21:31:53

heardlover · 2026-05-25 21:31:53 发布

==================【DeepLearningBook_126.txt】================== Comp utation al Intel ligenc e and Applic ations , (4), 427–43 8. 1 517 Beiu, V., Quin tana, J. M., and A vedillo , M. J. (2003) . VLSI implem entat ions of thresh old logic-a compr ehensi v e survey . Neur al Netwo rks, IEEE T r ansact ions on , 14 (5), 1217– 1243. 453 Belkin , M. and N iy ogi, P . (2002) . Laplac ian eigenm aps and sp ectral tec hnique s for em b edding and cluster ing. I n T. Diette rich, S. Beck er, and Z. Ghahr amani , editor s, A dvanc es in Neur al Inform ation Pr o c essing System s 14 (NIPS ’01) , Camb ridge, MA. MIT Press. 244 Belkin , M. and Niy ogi, P . (2003) . Laplac ian eigenm aps for dimen sionali ty reduct ion and data repres en tation . Neur al Comp utation , (6), 1373–1 396. , 15 163 520 Bengio , E., Bacon , P .-L., Pineau , J., and Precup , D. (2015a ). Condi tional compu tation in neural net w orks for faster model s. arXiv: 1511.0 6297. 452 Bengio , S. a nd Bengio , Y. (2000a ). T aking on the curse of dimen sionali ty in join t distrib utions using neural netw orks. IEEE T r ansact ions on Neur al Netwo rks, sp e cial issue on Data Minin g and Know le dge Disc overy , (3), 550–55 7. 11 709 Bengio , S., Viny als, O., Jaitly , N., and Shazee r, N. (2015b ). Sched uled sampl ing for sequen ce predic tion with recurr en t neural net w orks. T echnic al rep ort, arXiv: 1506.0 3099. 384 Bengio , Y. (1991) . Artiﬁc ial Neur al Netwo rks and their Applic ation to Se quenc e R e c o gnition . Ph.D. thesis, McGil l Univ ersit y , (Comp uter Scienc e), Mon treal, Canad a. 408 Bengio , Y. (2000) . Gradi ent-ba sed optim ization of h yperpa ramet ers. Neur al Comp utation , 12 (8), 1889–1 900. 437 Bengio , Y. (2002) . New distrib uted probab ilistic langua ge mo dels. T echnic al Repor t 1215, Dept. IR O, Univ ersité de Mon tréal. 469 Bengio , Y. (2009) . L e arning de ep ar chite ctur es for AI . No w Publis hers. , 200 624 Bengio , Y. (2013) . Deep learnin g of repres entatio ns: lo oking forwar d. In Statist ic al L angua ge and Sp e e ch Pr o c essing , v olume 7978 of L e ctur e Notes in Comp uter Scienc e , pages 1–37. Spring er, also in arXiv at http:/ /arxiv .org/a bs/13 05.044 5. 450 Bengio , Y. (2015) . Early inferen ce in energy -based mo dels approx imate s bac k-prop agatio n. T echnic al Rep ort arXiv: 1510.0 2777, Unive rsite de Montr eal. 658 Bengio , Y. and Bengio , S. (2000b ). Model ing high-d imens ional discret e data with m ulti- la y er neural net w orks. In , pages 400–40 6. MIT Press. , , , NIPS 12 707 709 710 712 Bengio , Y. and Delall eau, O. (2009) . Justify ing and genera lizing con trastiv e div ergenc e. Neur al Comp utation , (6), 1601–1 621. , 21 515 613 725 --- Page Break --- BIBLIOGRA PHY Bengio , Y. and Grand v alet, Y. (2004) . No unbias ed estima tor of the v arianc e of k-fold cross-v alidati on. In S. Thrun , L. Saul, and B. Schölk opf, editor s, A dvanc es in Neur al Inform ation Pr o c essing System s 16 (NIPS ’03) , Camb ridge, MA. MIT Press, Cam bridge . 122 Bengio , Y. and LeCun , Y. (2007) . Scalin g learnin g algorit hms tow ards AI. In L ar ge Sc ale Kerne l Machi nes . 19 Bengio , Y. and Monp errus, M. (2005) . Non-lo cal manifo ld tangen t learnin g. 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) , pages 129–13 6. MIT Press. , 159 521 Bengio , Y. and Sénéca l, J.-S. (2003) . Quic k trainin g of probab ilistic neural nets by imp ortanc e sampl ing. In Pr o c e e dings of AIST A TS 2003 . 472 Bengio , Y. and Sénéca l, J.-S. (2008) . Adapt iv e imp ortanc e sampl ing to accele rate trainin g of a neural probab ilistic langua ge mo del. IEEE T r ans. Neur al Netwo rks , 19 (4), 713–72 2. 472 Bengio , Y., De Mori, R., Flamm ia, G., and Komp e, R. (1991) . Phone tically motiv ated acoust ic param eters for con tin uous sp eech recogn ition using artiﬁc ial neural netw orks. In Pr o c e e dings of Eur oSp e e ch’91 . , 27 461 Bengio , Y., De Mori, R., Flamm ia, G., and K omp e, R. (1992) . Neura l netw ork-G aussian mixtu re h ybrid for sp eech recogn ition or densit y estima tion. In , pages 175–18 2. NIPS 4 Morga n Kaufm ann. 461 Bengio , Y., F rascon i, P ., and Simar d, P . (1993) . The proble m of learnin g long-t erm dep enden cies in recurr ent netw orks. In IEEE Intern ationa l Confe r enc e on Neur al Netwo rks , pages 1183–1 195, San F rancis co. IEEE Press. (in vited pap er). 404 Bengio , Y., Simar d, P ., and F rascon i, P . (1994) . Learni ng long-t erm depen dencie s with gradie n t descen t is diﬃcu lt. IEEE T r. Neur al Nets . , , , , 18 402 404 405 413 Bengio , Y., Latend resse, S., and Dugas , C. (1999) . Gradi en t-base d learnin g of hyper- param eters. Learni ng Confe rence, Snowb ird. 437 Bengio , Y., Ducha rme, R., and Vincen t, P . (2001) . A neural probab ilistic langua ge model . In T. K. Leen, T. G. Diette rich, and V. T resp, editor s, , pages 932–93 8. MIT NIPS’ 2000 Press. , , , , , , 18 449 465 468 474 479 484 Bengio , Y., Ducha rme, R., Vincen t, P ., and Jauvin , C. (2003) . A neural probab ilistic langua ge model . , , 1137–1 155. , JMLR 3 468 474 Bengio , Y., Le Roux, N., Vincen t, P ., Delall eau, O., and Marco tte, P . (2006a ). Conv ex neural net w orks. In , pages 123–13 0. NIPS’ 2005 258 Bengio , Y., Delall eau, O., and Le Roux, N. (2006b ). The curse of highly v ariabl e functi ons for local kernel mac hines. In . NIPS’ 2005 157 726 --- Page Break --- BIBLIOGRA PHY Bengio , Y., Laro c helle, H., and Vincen t, P . (2006c ). Non-lo cal manifo ld Parzen windo ws. In . MIT Press. , NIPS’ 2005 159 522 Bengio , Y., Lam blin, P ., Popov ici, D., and Laro chelle, H. (2007) . Greed y lay er-wis e trainin g of deep net w orks. In . , , , , , , NIPS’ 2006 14 19 200 323 324 530 532 Bengio , Y., Loura dour, J., Collob ert, R., and W eston, J. (2009) . Curric ulum learnin g. In ICML ’09 . 328 Bengio , Y., Mesni l, G., Dauph in, Y., and Rifai, S. (2013a ). Better mixing via deep repres en tation s. In . ICML ’2013 606 Bengio , Y., Léona rd, N., and Courv ille, A. (2013b ). Estim ating or propag ating gradie n ts throug h sto chasti c neuron s for condit ional compu tation . arX iv:130 8.3432 . , , 450 452 691 693 , Bengio , Y., Y ao, L., Alain, G., and Vincen t, P . (2013c ). Gener alized denois ing auto- enco ders as genera tiv e model s. In . , , NIPS’ 2013 509 713 715 Bengio , Y., Courv ille, A., and Vincen t, P . (2013d ). Repre sen tation learnin g: A review and new p ersp ectives . IEEE T r ans. Patter n Analy sis and Machi ne Intel ligenc e (P AMI) , 35 (8), 1798–1 828. 557 Bengio , Y., Thib o deau-L aufer , E., Alain, G., and Y osinsk i, J. (2014) . Deep genera tive sto c hastic net w orks traina ble b y backp rop. In . , , , , ICML ’2014 713 714 715 716 717 Benne tt, C. (1976) . Eﬃcie n t estima tion of free energy diﬀere nces from Mon te Carlo data. Journ al of Comp utation al Physic s , (2), 245–26 8. 22 630 Benne tt, J. and Lanni ng, S. (2007) . The Netﬂix prize. 481 Berger , A. L., Della Pietra , V. J., and Della Pietra , S. A. (1996) . A maxim um entrop y approa c h to natura l langua ge pro cessing . , , 39–71. Comp utation al Lingui stics 22 475 Berglu nd, M. and Raik o, T. (2013) . Sto chasti c gradie nt estima te v arianc e in contra stiv e div ergenc e and persist ent con trastiv e div ergenc e. , . CoRR abs/1 312.6 002 616 Bergst ra, J. (2011) . Inc orp or ating Comp lex Cel ls into Neur al Netwo rks for Pa ttern Classi ﬁc ation . Ph.D. thesis, Univ ersité de Mon tréal. 255 Bergst ra, J. and Bengio , Y. (2009) . Slow, decorr elated featur es for pretra ining compl ex cell-lik e net w orks. In . NIPS’ 2009 496 Bergst ra, J. and Bengio , Y. (2012) . Rando m search for hyper- param eter optim ization . J. Machi ne L e arning R es. , , 281–30 5. , 13 436 437 Bergst ra, J., Breule ux, O., Bastie n, F., Lam blin, P ., Pascan u, R., Desjar dins, G., T urian, J., W arde-F arley , D., and Bengio , Y. (2010) . Thean o: a CPU and GPU math expres sion compi ler. In Pr o c. SciPy . , , , , 25 82 212 222 448 727 --- Page Break --- BIBLIOGRA PHY Bergst ra, J., Barde net, R., Bengio , Y., and Kégl, B. (2011) .

Computational Intelligence and Applications, (4), 427–438.
- 固定搭配:无
- 句子分析:简单介绍文献信息，不涉及复杂语法和难词。
- 翻译:《计算智能与应用》，第4期，427 - 438页。

1517 Beiu, V., Quintana, J. M., and Avedillo, M. J. (2003).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:1517 贝乌（V.）、金塔纳（J. M.）和阿维迪略（M. J.）（2003年）。

VLSI implementations of threshold logic - a comprehensive survey.
- 固定搭配:“VLSI implementations” 意为 “超大规模集成电路实现”；“threshold logic” 意为 “阈值逻辑”；“a comprehensive survey” 意为 “全面的综述”。
- 句子分析:简单句，表达关于阈值逻辑的超大规模集成电路实现的全面综述。
- 翻译:阈值逻辑的超大规模集成电路实现——一项全面的综述。
- 单词分析:
  - VLSI:名词，是 “Very Large Scale Integration” 的缩写，词义：超大规模集成电路。
    - 记忆方法:记住其英文全称缩写即可。
    - 形近词:无
- comprehensive:形容词，词源来自拉丁语 “comprehendere”（理解，包含），词义：全面的，综合的。
  - 记忆方法:“com-”（一起）+ “prehend”（抓住）→ 一起抓住所有内容 → 全面的。
  - 形近词:comprehend（理解）、apprehensive（忧虑的）
  - 发音解析:
    - 音节分解:com + pre + hen + sive /ˌkɒmprɪˈhensɪv/，重音在第二音节
    - 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:pre → /prɪ/， “pre” 发 /prɪ/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发短元音 /ɪ/。
    - 规则:hen → /hen/， “hen” 发 /hen/ 音，其中 “h” 发 /h/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音。
    - 规则:sive → /sɪv/， “sive” 发 /sɪv/ 音，其中 “s” 发 /s/ 音，“i” 发短元音 /ɪ/，“v” 发 /v/ 音。

Neural Networks, IEEE Transactions on, 14 (5), 1217–1243.
- 固定搭配:“IEEE Transactions on” 意为 “电气与电子工程师协会汇刊”。
- 句子分析:简单介绍文献发表在《电气与电子工程师协会神经网络汇刊》的信息。
- 翻译:《电气与电子工程师协会神经网络汇刊》，第14卷第5期，1217 - 1243页。

453 Belkin, M. and Niyogi, P. (2002).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:453 贝尔金（M.）和尼约吉（P.）（2002年）。

Laplacian eigenmaps and spectral techniques for embedding and clustering.
- 固定搭配:“Laplacian eigenmaps” 意为 “拉普拉斯特征映射”；“spectral techniques” 意为 “谱技术”；“embedding and clustering” 意为 “嵌入和聚类”。
- 句子分析:简单句，介绍拉普拉斯特征映射和谱技术用于嵌入和聚类。
- 翻译:用于嵌入和聚类的拉普拉斯特征映射和谱技术。
- 单词分析:
  - Laplacian:形容词，词源来自数学家拉普拉斯（Laplace）的名字，词义：拉普拉斯的。
    - 记忆方法:记住与数学家拉普拉斯相关即可。
    - 形近词:无
- eigenmaps:名词，“eigen” 来自德语，有 “自身的，特有的” 意思，“maps” 是 “映射”，词义：特征映射。
  - 记忆方法:“eigen”（特有的）+ “maps”（映射）→ 特有的映射 → 特征映射。
  - 形近词:无
- spectral:形容词，词源来自拉丁语 “spectrum”（光谱），词义：谱的，光谱的。
  - 记忆方法:联想 “spectrum”（光谱），“-al” 是形容词后缀。
  - 形近词:spectrum（光谱）、speculate（推测）
  - 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。

In T. Dietterich, S. Becker, and Z. Ghahramani, editors, Advances in Neural Information Processing Systems 14 (NIPS ’01), Cambridge, MA. MIT Press.
- 固定搭配:“Advances in Neural Information Processing Systems” 意为 “神经信息处理系统进展”。
- 句子分析:介绍文献发表在由特定编辑编辑的《神经信息处理系统进展14》（NIPS ’01），由麻省理工学院出版社出版。
- 翻译:收录于T. 迪特里希、S. 贝克尔和Z. 加哈拉马尼编辑的《神经信息处理系统进展14》（NIPS ’01），马萨诸塞州剑桥市，麻省理工学院出版社。

244 Belkin, M. and Niyogi, P. (2003).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:244 贝尔金（M.）和尼约吉（P.）（2003年）。

Laplacian eigenmaps for dimensionality reduction and data representation.
- 固定搭配:“dimensionality reduction” 意为 “降维”；“data representation” 意为 “数据表示”。
- 句子分析:简单句，介绍拉普拉斯特征映射用于降维和数据表示。
- 翻译:用于降维和数据表示的拉普拉斯特征映射。
- 单词分析:
  - dimensionality:名词，词源来自 “dimension”（维度），“-ity” 是名词后缀，词义：维数，维度。
    - 记忆方法:“dimension”（维度）+ “-ity”（名词后缀）→ 维数。
    - 形近词:dimension（维度）、dimensional（维度的）
    - 发音解析:
      - 音节分解:di + men + sion + al + ity /daɪˌmenʃəˈnæləti/，重音在第二音节
      - 规则:di → /daɪ/， “di” 发 /daɪ/ 音，其中 “d” 发 /d/ 音，“i” 发双元音 /aɪ/。
      - 规则:men → /men/， “men” 发 /men/ 音，其中 “m” 发 /m/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音。
      - 规则:sion → /ʃən/， “sion” 发 /ʃən/ 音，其中 “s” 发 /ʃ/ 音，“i” 不发音，“o” 发短元音 /ə/，“n” 发 /n/ 音。
      - 规则:al → /æl/， “al” 发 /æl/ 音，其中 “a” 发短元音 /æ/，“l” 发 /l/ 音。
      - 规则:ity → /əti/， “ity” 发 /əti/ 音，其中 “i” 发短元音 /ə/，“t” 发 /t/ 音，“y” 发 /i/ 音。

Neural Computation, (6), 1373–1396., 15163 520
- 固定搭配:无
- 句子分析:简单介绍文献发表在《神经计算》的信息。
- 翻译:《神经计算》，第6期，1373 - 1396页，15163 520。

Bengio, E., Bacon, P.-L., Pineau, J., and Precup, D. (2015a).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:本吉奥（E.）、培根（P.-L.）、皮诺（J.）和普雷库普（D.）（2015a年）。

Conditional computation in neural networks for faster models. arXiv: 1511.06297.
- 固定搭配:“conditional computation” 意为 “条件计算”。
- 句子分析:简单句，介绍神经网络中用于更快模型的条件计算，还给出了arXiv编号。
- 翻译:神经网络中用于更快模型的条件计算。arXiv编号：1511.06297。
- 单词分析:
  - conditional:形容词，词源来自 “condition”（条件），“-al” 是形容词后缀，词义：有条件的。
    - 记忆方法:“condition”（条件）+ “-al”（形容词后缀）→ 有条件的。
    - 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/，“n” 发 /n/ 音。
      - 规则:di → /dɪ/， “di” 发 /dɪ/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/。
      - 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 /n/ 音。
      - 规则:al → /l/， “al” 发 /l/ 音，其中 “a” 不发音，“l” 发 /l/ 音。

452 Bengio, S. and Bengio, Y. (2000a).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:452 本吉奥（S.）和本吉奥（Y.）（2000a年）。

Taking on the curse of dimensionality in joint distributions using neural networks.
- 固定搭配:“take on” 意为 “承担，应对”；“the curse of dimensionality” 意为 “维数灾难”；“joint distributions” 意为 “联合分布”。
- 句子分析:动名词短语作主语，表达用神经网络应对联合分布中的维数灾难。
- 翻译:使用神经网络应对联合分布中的维数灾难。
- 单词分析:
  - curse:名词，词源来自古英语 “curs”，词义：诅咒，灾难。
    - 记忆方法:联想 “curse” 发音像 “克死”，被诅咒可能会克死人 → 诅咒，灾难。
    - 形近词:curse/curse（诅咒）、course（课程）
    - 发音解析:
      - 音节分解:curse /kɜːs/，重音在第一音节
      - 规则:curse → /kɜːs/， “curse” 发 /kɜːs/ 音，其中 “c” 发 /k/ 音，“u” 发长元音 /ɜː/，“r” 发 /r/ 音，“s” 发 /s/ 音。
- joint:形容词，词源来自拉丁语 “iungere”（连接），词义：联合的，共同的。
  - 记忆方法:联想 “join”（连接），“-t” 是后缀，连接在一起 → 联合的。
  - 形近词:join（连接）、jointly（共同地）
  - 发音解析:
    - 音节分解:joint /dʒɔɪnt/，重音在第一音节
    - 规则:joint → /dʒɔɪnt/， “joint” 发 /dʒɔɪnt/ 音，其中 “j” 发 /dʒ/ 音，“o” 发双元音 /ɔɪ/，“i” 不发音，“n” 发 /n/ 音，“t” 发 /t/ 音。

IEEE Transactions on Neural Networks, special issue on Data Mining and Knowledge Discovery, (3), 550–557.
- 固定搭配:“special issue” 意为 “特刊”；“Data Mining and Knowledge Discovery” 意为 “数据挖掘与知识发现”。
- 句子分析:介绍文献发表在《电气与电子工程师协会神经网络汇刊》关于数据挖掘与知识发现的特刊上。
- 翻译:《电气与电子工程师协会神经网络汇刊》，数据挖掘与知识发现特刊，第3期，550 - 557页。

11709 Bengio, S., Vinyals, O., Jaitly, N., and Shazeer, N. (2015b).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:11709 本吉奥（S.）、维尼亚尔斯（O.）、杰特利（N.）和沙泽尔（N.）（2015b年）。

Scheduled sampling for sequence prediction with recurrent neural networks.
- 固定搭配:“scheduled sampling” 意为 “计划采样”；“sequence prediction” 意为 “序列预测”；“recurrent neural networks” 意为 “循环神经网络”。
- 句子分析:简单句，介绍循环神经网络用于序列预测的计划采样。
- 翻译:循环神经网络用于序列预测的计划采样。
- 单词分析:
  - scheduled:形容词，词源来自 “schedule”（安排，计划），“-ed” 是形容词后缀，词义：预定的，计划好的。
    - 记忆方法:“schedule”（计划）+ “-ed”（形容词后缀）→ 计划好的。
    - 形近词:schedule（安排）、unscheduled（非预定的）
    - 发音解析:
      - 音节分解:sche + dul + ed /ˈʃedjuːld/，重音在第一音节
      - 规则:sche → /ʃe/， “sche” 发 /ʃe/ 音，其中 “s” 发 /ʃ/ 音，“c” 不发音，“h” 不发音，“e” 发短元音 /e/。
      - 规则:dul → /djuːl/， “dul” 发 /djuːl/ 音，其中 “d” 发 /d/ 音，“u” 发长元音 /juː/，“l” 发 /l/ 音。
      - 规则:ed → /d/， “ed” 发 /d/ 音，其中 “e” 不发音，“d” 发 /d/ 音。
- recurrent:形容词，词源来自拉丁语 “recurrere”（返回，复发），词义：循环的，反复出现的。
  - 记忆方法:“re-”（再，又）+ “cur”（跑）+ “-ent”（形容词后缀）→ 再次跑回来 → 循环的。
  - 形近词:recur（复发）、recurrence（复发）
  - 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。

Technical report, arXiv: 1506.03099.
- 固定搭配:无
- 句子分析:简单介绍技术报告及arXiv编号。
- 翻译:技术报告，arXiv编号：1506.03099。

Bengio, Y. (1991).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:本吉奥（Y.）（1991年）。

Artificial Neural Networks and their Application to Sequence Recognition.
- 固定搭配:“Artificial Neural Networks” 意为 “人工神经网络”；“Application to” 意为 “应用于”；“Sequence Recognition” 意为 “序列识别”。
- 句子分析:简单句，介绍人工神经网络及其在序列识别中的应用。
- 翻译:人工神经网络及其在序列识别中的应用。

Ph.D. thesis, McGill University, (Computer Science), Montreal, Canada.
- 固定搭配:“Ph.D. thesis” 意为 “博士论文”。
- 句子分析:简单介绍博士论文的相关信息，包括学校、专业和地点。
- 翻译:博士论文，麦吉尔大学，（计算机科学），加拿大蒙特利尔。

Bengio, Y. (2000).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:本吉奥（Y.）（2000年）。

Gradient - based optimization of hyperparameters.
- 固定搭配:“gradient - based” 意为 “基于梯度的”；“optimization of” 意为 “……的优化”；“hyperparameters” 意为 “超参数”。
- 句子分析:简单句，介绍基于梯度的超参数优化。
- 翻译:基于梯度的超参数优化。
- 单词分析:
  - gradient:名词，词源来自拉丁语 “gradus”（步，级），词义：梯度，斜率。
    - 记忆方法:联想 “grade”（等级），“-ient” 是后缀，有等级变化的 → 梯度。
    - 形近词:grade（等级）、gradual（逐渐的）
    - 发音解析:
      - 音节分解:gra + di + ent /ˈɡreɪdiənt/，重音在第一音节
      - 规则:gra → /ɡreɪ/， “gra” 发 /ɡreɪ/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“a” 发双元音 /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，其中 “e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
- hyperparameters:名词，“hyper-” 表示 “超”，“parameters” 是 “参数”，词义：超参数。
  - 记忆方法:“hyper-”（超）+ “parameters”（参数）→ 超参数。
  - 形近词:parameter（参数）、hypersensitive（过敏的）
  - 发音解析:
    - 音节分解:hy + per + pa + ram + e + ters /ˌhaɪpəˈpærəmɪtəz/，重音在第二音节
    - 规则:hy → /haɪ/， “hy” 发 /haɪ/ 音，其中 “h” 发 /h/ 音，“y” 发双元音 /aɪ/。
    - 规则:per → /pə/， “per” 发 /pə/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
    - 规则:pa → /pæ/， “pa” 发 /pæ/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/。
    - 规则:ram → /ræm/， “ram” 发 /ræm/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /æ/，“m” 发 /m/ 音。
    - 规则:e → /ɪ/， “e” 发 /ɪ/ 音，其中 “e” 发短元音 /ɪ/。
    - 规则:ters → /təz/， “ters” 发 /təz/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音，“s” 发 /z/ 音。

Neural Computation, 12 (8), 1889–1900.
- 固定搭配:无
- 句子分析:简单介绍文献发表在《神经计算》的信息。
- 翻译:《神经计算》，第12卷第8期，1889 - 1900页。

Bengio, Y. (2002).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:本吉奥（Y.）（2002年）。

New distributed probabilistic language models.
- 固定搭配:“distributed probabilistic language models” 意为 “分布式概率语言模型”。
- 句子分析:简单句，介绍新的分布式概率语言模型。
- 翻译:新的分布式概率语言模型。
- 单词分析:
  - distributed:形容词，词源来自 “distribute”（分配，分布），“-ed” 是形容词后缀，词义：分布式的。
    - 记忆方法:“distribute”（分布）+ “-ed”（形容词后缀）→ 分布式的。
    - 形近词:distribute（分配）、undistributed（未分配的）
    - 发音解析:
      - 音节分解:dis + tri + but + ed /dɪˈstrɪbjuːtɪd/，重音在第二音节
      - 规则:dis → /dɪs/， “dis” 发 /dɪs/ 音，其中 “d” 发 /d/ 音，“i” 发短元音 /ɪ/，“s” 发 /s/ 音。
      - 规则:tri → /trɪ/， “tri” 发 /trɪ/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/。
      - 规则:but → /bjuːt/， “but” 发 /bjuːt/ 音，其中 “b” 发 /b/ 音，“u” 发长元音 /juː/，“t” 发 /t/ 音。
      - 规则:ed → /ɪd/， “ed” 发 /ɪd/ 音，其中 “e” 发短元音 /ɪ/，“d” 发 /d/ 音。
- probabilistic:形容词，词源来自 “probability”（概率），“-istic” 是形容词后缀，词义：概率的。
  - 记忆方法:“probability”（概率）+ “-istic”（形容词后缀）→ 概率的。
  - 形近词:probability（概率）、probabilize（使具有可能性）
  - 发音解析:
    - 音节分解:pro + ba + bil + is + tic /ˌprəʊbəˈbɪlɪstɪk/，重音在第二音节
    - 规则:pro → /prəʊ/， “pro” 发 /prəʊ/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“o” 发双元音 /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，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。

Technical Report 1215, Dept. IRO, Université de Montréal.
- 固定搭配:“Technical Report” 意为 “技术报告”。
- 句子分析:简单介绍技术报告编号及所属部门和学校。
- 翻译:技术报告1215，蒙特利尔大学跨学科研究系。

Bengio, Y. (2009).
- 固定搭配:无
- 句子分析:简单介绍作者及年份信息，无复杂语法和难词。
- 翻译:本吉奥（Y.）（2009年）。

Learning deep architectures for AI.
- 句子分析:这是一个动名词短语作标题，表达“为人工智能学习深度架构”的意思。
- 翻译:“为人工智能学习深度架构”
- 单词分析:
  - architectures:名词，词源来自拉丁语 "architectura"，词义：架构；体系结构。
    - 记忆方法:联想 "archi-"（主要的）+"tect"（建造）+"-ure"（名词后缀）→ 主要的建造方式 → 架构。
    - 形近词:architecture/archive（档案）、arctic（北极的）。
    - 发音解析:
      - 音节分解:ar + chi + tec + tures /ˈɑːkɪtektʃəz/，重音在第一音节
      - 规则:ar → /ɑː/， “ar” 发长元音 /ɑː/。
      - 规则:chi → /kɪ/， “chi” 发短音 /kɪ/。
      - 规则:tec → /tek/， “tec” 发 /tek/ 音。
      - 规则:tures → /tʃəz/， “tures” 发 /tʃəz/ 音。

Now Publishers., 200624 Bengio, Y. (2013).
- 句子分析:这是关于出版信息的表述，包含出版社和作者、年份等信息。
- 翻译:“现在出版社，200624，Y. 本吉奥（2013年）”

Deep learning of representations: looking forward.
- 句子分析:这是一个短语作标题，表达“表征的深度学习：展望”的意思。
- 翻译:“表征的深度学习：展望”
- 单词分析:
  - representations:名词，词源来自拉丁语 "repraesentare"，词义：表征；表现形式。
    - 记忆方法:联想 "re-"（再）+"present"（呈现）+"-ation"（名词后缀）→ 再次呈现的东西 → 表征。
    - 形近词:representation/represent（代表）、presentation（展示）。
    - 发音解析:
      - 音节分解:re + pre + sen + ta + tions /ˌreprɪzenˈteɪʃnz/，重音在第三音节
      - 规则:re → /rɪ/， “re” 发短音 /rɪ/。
      - 规则:pre → /priː/， “pre” 发长音 /priː/。
      - 规则:sen → /sen/， “sen” 发 /sen/ 音。
      - 规则:ta → /teɪ/， “ta” 发 /teɪ/ 音。
      - 规则:tions → /ʃnz/， “tions” 发 /ʃnz/ 音。

In Statistical Language and Speech Processing, volume 7978 of Lecture Notes in Computer Science, pages 1–37.
- 句子分析:这是关于文献出处的描述，说明文章发表在某卷某页。
- 翻译:“在《统计语言与语音处理》，计算机科学讲义第7978卷，第1 - 37页”
- 单词分析:
  - Statistical:形容词，词源来自拉丁语 "statisticus"，词义：统计的。
    - 记忆方法:联想 "stat-"（状态）+"-istical"（形容词后缀）→ 和状态数据相关的 → 统计的。
    - 形近词:statistical/statistic（统计数据）、statistics（统计学）。
    - 发音解析:
      - 音节分解:sta + tis + ti + cal /stəˈtɪstɪkl/，重音在第二音节
      - 规则:sta → /stə/， “sta” 发 /stə/ 音。
      - 规则:tis → /tɪs/， “tis” 发 /tɪs/ 音。
      - 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音。
      - 规则:cal → /kl/， “cal” 发 /kl/ 音。

Springer, also in arXiv at http://arxiv.org/abs/1305.0445.
- 句子分析:说明文章还可在arXiv网站上获取。
- 翻译:“施普林格出版社，也可在arXiv网站（http://arxiv.org/abs/1305.0445）获取”

450 Bengio, Y. (2015).
- 句子分析:关于作者和年份的信息。
- 翻译:“450，Y. 本吉奥（2015年）”

Early inference in energy-based models approximates back-propagation.
- 句子分析:主谓宾结构的句子，表达基于能量的模型中的早期推理近似于反向传播。
- 翻译:“基于能量的模型中的早期推理近似于反向传播。”
- 单词分析:
  - inference:名词，词源来自拉丁语 "inferre"，词义：推理；推断。
    - 记忆方法:联想 "in-"（进入）+"fer"（携带）+"-ence"（名词后缀）→ 带入信息进行思考 → 推理。
    - 形近词:inference/infer（推断）、preference（偏好）。
    - 发音解析:
      - 音节分解:in + fer + ence /ˈɪnfərəns/，重音在第一音节
      - 规则:in → /ɪn/， “in” 发短音 /ɪn/。
      - 规则:fer → /fɜːr/， “fer” 发长音 /fɜːr/。
      - 规则:ence → /əns/， “ence” 发 /əns/ 音。
- approximates:动词，词源来自拉丁语 "approximare"，词义：近似；接近。
  - 记忆方法:联想 "ap-"（加强）+"proxim"（接近）+"-ate"（动词后缀）→ 加强接近 → 近似。
  - 形近词:approximate/approx（大约）、proximate（接近的）。
  - 发音解析:
    - 音节分解:ap + prox + i + mates /əˈprɒksɪmeɪts/，重音在第二音节
    - 规则:ap → /ə/， “ap” 发短音 /ə/。
    - 规则:prox → /prɒks/， “prox” 发 /prɒks/ 音。
    - 规则:i → /ɪ/， “i” 发短音 /ɪ/。
    - 规则:mates → /meɪts/， “mates” 发 /meɪts/ 音。
- back-propagation:名词，由 "back"（向后）和 "propagation"（传播）组成，词义：反向传播。
  - 记忆方法:直接根据组成部分理解，“向后的传播”即反向传播。
  - 形近词:back-propagation/propagation（传播）、backward（向后的）。
  - 发音解析:
    - 音节分解:back + pro + pa + ga + tion /ˈbækprɒpəˈɡeɪʃn/，重音在第一音节
    - 规则:back → /bæk/， “back” 发 /bæk/ 音。
    - 规则:pro → /prɒ/， “pro” 发 /prɒ/ 音。
    - 规则:pa → /pə/， “pa” 发 /pə/ 音。
    - 规则:ga → /ɡeɪ/， “ga” 发 /ɡeɪ/ 音。
    - 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。

Technical Report arXiv:1510.02777, Universite de Montreal.
- 句子分析:说明技术报告的编号和所属机构。
- 翻译:“技术报告arXiv:1510.02777，蒙特利尔大学”

658 Bengio, Y. and Bengio, S. (2000b).
- 句子分析:关于作者和年份的信息。
- 翻译:“658，Y. 本吉奥和S. 本吉奥（2000b年）”

Modeling high-dimensional discrete data with multi-layer neural networks.
- 句子分析:动名词短语作标题，表达用多层神经网络对高维离散数据进行建模。
- 翻译:“用多层神经网络对高维离散数据进行建模”
- 单词分析:
  - high-dimensional:形容词，由 "high"（高的）和 "dimensional"（维度的）组成，词义：高维的。
    - 记忆方法:直接根据组成部分理解，“高的维度的”即高维的。
    - 形近词:high-dimensional/dimensional（维度的）、high-level（高级的）。
    - 发音解析:
      - 音节分解:high + di + men + sion + al /ˌhaɪdaɪˈmenʃənl/，重音在第二音节
      - 规则:high → /haɪ/， “high” 发 /haɪ/ 音。
      - 规则:di → /daɪ/， “di” 发 /daɪ/ 音。
      - 规则:men → /men/， “men” 发 /men/ 音。
      - 规则:sion → /ʃn/， “sion” 发 /ʃn/ 音。
      - 规则:al → /l/， “al” 发 /l/ 音。
- discrete:形容词，词源来自拉丁语 "discretus"，词义：离散的；不连续的。
  - 记忆方法:联想 "dis-"（分开）+"crete"（生长）→ 分开生长的 → 离散的。
  - 形近词:discrete/discreet（谨慎的）、concrete（具体的）。
  - 发音解析:
    - 音节分解:dis + crete /dɪˈskriːt/，重音在第二音节
    - 规则:dis → /dɪs/， “dis” 发 /dɪs/ 音。
    - 规则:crete → /kriːt/， “crete” 发 /kriːt/ 音。
- multi-layer:形容词，由 "multi-"（多）和 "layer"（层）组成，词义：多层的。
  - 记忆方法:直接根据组成部分理解，“多的层的”即多层的。
  - 形近词:multi-layer/layer（层）、multimedia（多媒体）。
  - 发音解析:
    - 音节分解:multi + layer /ˈmʌltɪleɪə(r)/，重音在第一音节
    - 规则:multi → /ˈmʌltɪ/， “multi” 发 /ˈmʌltɪ/ 音。
    - 规则:layer → /leɪə(r)/， “layer” 发 /leɪə(r)/ 音。

In, pages 400–406.
- 句子分析:说明文章所在的页码范围。
- 翻译:“在（某文献），第400 - 406页”

MIT Press., , , NIPS 12 707 709 710 712
- 句子分析:包含出版社和会议相关信息。
- 翻译:“麻省理工学院出版社，神经信息处理系统大会12，707 709 710 712”

Bengio, Y. and Delalleau, O. (2009).
- 句子分析:关于作者和年份的信息。
- 翻译:“Y. 本吉奥和O. 德拉洛（2009年）”

Justifying and generalizing contrastive divergence.
- 句子分析:动名词短语作标题，表达对对比散度进行论证和推广。
- 翻译:“论证和推广对比散度”
- 单词分析:
  - justifying:动名词，词源来自拉丁语 "justificare"，词义：证明……正确；为……辩护。
    - 记忆方法:联想 "just"（正义的）+"-ify"（使……化）→ 使变得正义 → 证明正确。
    - 形近词:justify/just（正义的）、adjust（调整）。
    - 发音解析:
      - 音节分解:jus + ti + fy + ing /ˈdʒʌstɪfaɪɪŋ/，重音在第一音节
      - 规则:jus → /dʒʌs/， “jus” 发 /dʒʌs/ 音。
      - 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音。
      - 规则:fy → /faɪ/， “fy” 发 /faɪ/ 音。
      - 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音。
- generalizing:动名词，词源来自拉丁语 "generalis"，词义：推广；概括。
  - 记忆方法:联想 "general"（一般的）+"-ize"（使……化）→ 使变得一般化 → 推广。
  - 形近词:generalize/general（一般的）、generate（产生）。
  - 发音解析:
    - 音节分解:gen + er + al + ize + ing /ˈdʒenrəlaɪzɪŋ/，重音在第一音节
    - 规则:gen → /dʒen/， “gen” 发 /dʒen/ 音。
    - 规则:er → /rə/， “er” 发 /rə/ 音。
    - 规则:al → /l/， “al” 发 /l/ 音。
    - 规则:ize → /aɪz/， “ize” 发 /aɪz/ 音。
    - 规则:ing → /ɪŋ/， “ing” 发 /ɪŋ/ 音。
- contrastive:形容词，词源来自拉丁语 "contrastare"，词义：对比的；对照的。
  - 记忆方法:联想 "contra-"（相反）+"-st"（站）+"-ive"（形容词后缀）→ 站在相反位置的 → 对比的。
  - 形近词:contrastive/contrast（对比）、contribute（贡献）。
  - 发音解析:
    - 音节分解:con + tra + sti + ve /kənˈtræstɪv/，重音在第二音节
    - 规则:con → /kən/， “con” 发 /kən/ 音。
    - 规则:tra → /træ/， “tra” 发 /træ/ 音。
    - 规则:sti → /stɪ/， “sti” 发 /stɪ/ 音。
    - 规则:ve → /v/， “ve” 发 /v/ 音。
- divergence:名词，词源来自拉丁语 "divergere"，词义：散度；分歧。
  - 记忆方法:联想 "di-"（分开）+"verge"（边缘）+"-ence"（名词后缀）→ 向边缘分开 → 散度。
  - 形近词:divergence/diverge（分开）、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。
    - 规则:ver → /vɜː/， “ver” 发 /vɜː/ 音。
    - 规则:gen → /dʒən/， “gen” 发 /dʒən/ 音。
    - 规则:ce → /s/， “ce” 发 /s/ 音。

Neural Computation, (6), 1601–1621., 21 515 613 725
- 句子分析:说明文章发表在《神经计算》期刊的卷号、页码等信息。
- 翻译:“《神经计算》，（6），第1601 - 1621页，21 515 613 725”

BIBLIOGRAPHY
- 句子分析:表示这是参考文献部分。
- 翻译:“参考文献”

Bengio, Y. and Grandvalet, Y. (2004).
- 句子分析:关于作者和年份的信息。
- 翻译:“Y. 本吉奥和Y. 格兰德瓦莱（2004年）”

No unbiased estimator of the variance of k-fold cross-validation.
- 句子分析:表达不存在k折交叉验证方差的无偏估计量。
- 翻译:“不存在k折交叉验证方差的无偏估计量。”
- 单词分析:
  - unbiased:形容词，由 "un-"（否定）和 "biased"（有偏见的）组成，词义：无偏的。
    - 记忆方法:直接根据组成部分理解，“没有偏见的”即无偏的。
    - 形近词:unbiased/biased（有偏见的）、unhappy（不开心的）。
    - 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。
      - 规则:bi → /baɪ/， “bi” 发 /baɪ/ 音。
      - 规则:as → /ə/， “as” 发 /ə/ 音。
      - 规则:ed → /st/， “ed” 发 /st/ 音。
- estimator:名词，词源来自拉丁语 "aestimare"，词义：估计量。
  - 记忆方法:联想 "est-"（估计）+"-imator"（表示人或物的后缀）→ 进行估计的东西 → 估计量。
  - 形近词:estimator/estimate（估计）、evaluate（评估）。
  - 发音解析:
    - 音节分解:es + ti + ma + tor /ˈestɪmeɪtə(r)/，重音在第一音节
    - 规则:es → /es/， “es” 发 /es/ 音。
    - 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音。
    - 规则:ma → /meɪ/， “ma” 发 /meɪ/ 音。
    - 规则:tor → /tə(r)/， “tor” 发 /tə(r)/ 音。
- variance:名词，词源来自拉丁语 "variare"，词义：方差；变异。
  - 记忆方法:联想 "var-"（变化）+"-iance"（名词后缀）→ 变化的情况 → 方差。
  - 形近词:variance/vary（变化）、variant（变体）。
  - 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。
    - 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
    - 规则:ance → /əns/， “ance” 发 /əns/ 音。
- k-fold:形容词，由 "k" 和 "fold"（折叠）组成，词义：k折的。
  - 记忆方法:直接根据组成部分理解，“k次折叠的”即k折的。
  - 形近词:k-fold/fold（折叠）、two-fold（两倍的）。
  - 发音解析:
    - 音节分解:k + fold /ˈkeɪfəʊld/，重音在第一音节
    - 规则:k → /keɪ/， “k” 发 /keɪ/ 音。
    - 规则:fold → /fəʊld/， “fold” 发 /fəʊld/ 音。
- cross-validation:名词，由 "cross"（交叉）和 "validation"（验证）组成，词义：交叉验证。
  - 记忆方法:直接根据组成部分理解，“交叉的验证”即交叉验证。
  - 形近词:cross-validation/validation（验证）、crossroads（十字路口）。
  - 发音解析:
    - 音节分解:cross + val + i + da + tion /ˈkrɒsvælɪˈdeɪʃn/，重音在第一音节
    - 规则:cross → /krɒs/， “cross” 发 /krɒs/ 音。
    - 规则:val → /væl/， “val” 发 /væl/ 音。
    - 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
    - 规则:da → /deɪ/， “da” 发 /deɪ/ 音。
    - 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音。

In S. Thrun, L. Saul, and B. Schölkopf, editors, Advances in Neural Information Processing Systems 16 (NIPS ’03), Cambridge, MA.
- 句子分析:说明文章发表在由某些人编辑的《神经信息处理系统进展16》会议论文集中。
- 翻译:“在S. 特伦、L. 索尔和B. 朔尔科普夫编辑的《神经信息处理系统进展16》（神经信息处理系统大会2003年），马萨诸塞州剑桥市”

MIT Press, Cambridge.
- 句子分析:说明出版社和出版地。
- 翻译:“麻省理工学院出版社，剑桥市”

122 Bengio, Y. and LeCun, Y. (2007).
- 句子分析:关于作者和年份的信息。
- 翻译:“122，Y. 本吉奥和Y. 勒昆（2007年）”

Scaling learning algorithms towards AI.
- 句子分析:动名词短语作标题，表达将学习算法向人工智能方向扩展。
- 翻译:“将学习算法向人工智能方向扩展”
- 单词分析:
  - scaling:动名词，词源来自古挪威语 "skala"，词义：扩展；缩放。
    - 记忆方法:联想 "scale"（规模）+"-ing"（动名词后缀）→ 改变规模 → 扩展。
    - 形近词:scaling/scale（规模）、sculpture（雕塑）。
    - 发音解析:
      - 音节分解:sca + ling /ˈskeɪlɪŋ/，重音在第一音节
      - 规则:sca → /skeɪ/， “sca” 发 /skeɪ/ 音。
      - 规则:ling → /lɪŋ/， “ling” 发 /lɪŋ/ 音。

In Large Scale Kernel Machines.
- 句子分析:说明文章发表在《大规模核机器》相关文献中。
- 翻译:“在《大规模核机器》中”

19 Bengio, Y. and Monperrus, M. (2005).
- 句子分析:关于作者和年份的信息。
- 翻译:“19，Y. 本吉奥和M. 蒙佩鲁斯（2005年）”

Non-local manifold tangent learning.
- 句子分析:动名词短语作标题，表达非局部流形切线学习。
- 翻译:“非局部流形切线学习”
- 单词分析:
  - non-local:形容词，由 "non-"（非）和 "local"（局部的）组成，词义：非局部的。
    - 记忆方法:直接根据组成部分理解，“不是局部的”即非局部的。
    - 形近词:non-local/local（局部的）、non-stop（不停的）。
    - 发音解析:
      - 音节分解:non + lo + cal /ˈnɒnˈləʊkl/，重音在第一音节
      - 规则:non → /nɒn/， “non” 发 /nɒn/ 音。
      - 规则:lo → /ləʊ/， “lo” 发 /ləʊ/ 音。
      - 规则:cal → /kl/， “cal” 发 /kl/ 音。
- manifold:名词，词源来自拉丁语 "manus"（手）和 "fold"（折叠），词义：流形。
  - 记忆方法:联想 “手可以做出很多形状，流形也有很多形态”。
  - 形近词:manifold/manifest（显示）、mankind（人类）。
  - 发音解析:
    - 音节分解:man + i + fold /ˈmænɪfəʊld/，重音在第一音节
    - 规则:man → /mæn/， “man” 发 /mæn/ 音。
    - 规则:i → /ɪ/， “i” 发 /ɪ/ 音。
    - 规则:fold → /fəʊld/， “fold” 发 /fəʊld/ 音。
- tangent:名词，词源来自拉丁语 "tangere"，词义：切线；正切。
  - 记忆方法:联想 “切线是和曲线刚好接触的线，‘tang’有接触的意思”。
  - 形近词:tangent/tangle（纠缠）、tangible（可触摸的）。
  - 发音解析:
    - 音节分解:tan + gent /ˈtændʒənt/，重音在第一音节
    - 规则:tan → /tæn/， “tan” 发 /tæn/ 音。
    - 规则:gent → /dʒənt/， “gent” 发 /dʒənt/ 音。

Bottou, editors, Advances in Neural Information Processing Systems 17 (NIPS ’04), pages 129–136. MIT Press.
- 句子分析:这是一个文献引用信息，介绍了文章标题、所属会议、页码和出版社等信息。
- 翻译:博图，编辑，《神经信息处理系统进展17》（NIPS ’04），第129 - 136页。麻省理工学院出版社。
- 单词分析:
  - Advances:名词，词源来自拉丁语 "advancare"（前进），词义：进展；进步。
    - 记忆方法:联想 "ad-"（朝向）+"vance"（前进）→ 朝向前进 → 进展。
    - 形近词:advance/advantage（优势）、advanced（先进的）。
    - 发音解析:
      - 音节分解:ad + vance /ədˈvæns/，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 /n/ 音，“ce” 发 /s/ 音。

Bengio, Y. and Sénécal, J.-S. (2003). Quick training of probabilistic neural nets by importance sampling. In Proceedings of AISTATS 2003.
- 句子分析:这是关于一篇论文的介绍，包含作者、年份、论文主题和所属会议。
- 翻译:本吉奥，Y.和塞内卡尔，J.-S.（2003年）。通过重要性采样快速训练概率神经网络。收录于《2003年人工智能与统计国际会议论文集》。
- 单词分析:
  - probabilistic:形容词，词源来自拉丁语 "probabilis"（可能的），词义：概率的；或然的。
    - 记忆方法:联想 "probable"（可能的）+"-istic"（……的）→ 概率的。
    - 形近词:probabilistic/probability（概率）、probable（可能的）。
    - 发音解析:
      - 音节分解:prob + a + bil + is + tic /ˌprɑːbəˈlɪstɪk/，重音在第二音节
      - 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: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，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。
- importance:名词，词源来自拉丁语 "importare"（引入；意味着），词义：重要性；重要。
  - 记忆方法:联想 "import"（重要）+"-ance"（名词后缀）→ 重要性。
  - 形近词:importance/important（重要的）、import（进口；重要）。
  - 发音解析:
    - 音节分解:im + por + tance /ɪmˈpɔːrtns/，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:por → /pɔːr/， “por” 发 /pɔːr/ 音，其中 “p” 发 /p/ 音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音。
    - 规则:tance → /tns/， “tance” 发 /tns/ 音，其中 “t” 发 /t/ 音，“a” 不发音，“n” 发 /n/ 音，“ce” 发 /s/ 音。

Bengio, Y. and Sénécal, J.-S. (2008). Adaptive importance sampling to accelerate training of a neural probabilistic language model. IEEE Trans. Neural Networks, 19 (4), 713–722.
- 句子分析:介绍了作者、年份、论文主题以及发表期刊和卷期页码等信息。
- 翻译:本吉奥，Y.和塞内卡尔，J.-S.（2008年）。自适应重要性采样以加速神经概率语言模型的训练。《电气与电子工程师协会神经网络汇刊》，第19卷第4期，第713 - 722页。
- 单词分析:
  - Adaptive:形容词，词源来自拉丁语 "adaptare"（使适应），词义：适应的；自适应的。
    - 记忆方法:联想 "adapt"（适应）+"-ive"（……的）→ 适应的。
    - 形近词:adaptive/adapt（适应）、adaptation（适应）。
    - 发音解析:
      - 音节分解:ad + ap + tive /əˈdæptɪv/，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:ap → /æp/， “ap” 发 /æp/ 音，其中 “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/，“v” 发 /v/ 音。
- accelerate:动词，词源来自拉丁语 "accelerare"（加速），词义：加速；促进。
  - 记忆方法:联想 "ac-"（加强）+"celer"（速度）→ 加强速度 → 加速。
  - 形近词:accelerate/acceleration（加速度）、decelerate（减速）。
  - 发音解析:
    - 音节分解:ac + cel + er + ate /ækˈseləreɪt/，重音在第二音节
    - 规则:ac → /æk/， “ac” 发 /æk/ 音，其中 “a” 发短元音 /æ/，“c” 发 /k/ 音。
    - 规则:cel → /sel/， “cel” 发 /sel/ 音，其中 “c” 发 /s/ 音，“e” 发短元音 /e/，“l” 发 /l/ 音。
    - 规则:er → /ər/， “er” 发 /ər/ 音，其中 “e” 发短元音 /ə/，“r” 发 /r/ 音。
    - 规则:ate → /eɪt/， “ate” 发 /eɪt/ 音，其中 “a” 发长元音 /eɪ/，“t” 发 /t/ 音。

Bengio, Y., De Mori, R., Flammia, G., and Kompe, R. (1991). Phonetically motivated acoustic parameters for continuous speech recognition using artificial neural networks. In Proceedings of EuroSpeech’91.
- 句子分析:介绍作者、年份、论文主题和所属会议。
- 翻译:本吉奥，Y.，德·莫里，R.，弗拉米亚，G.和孔佩，R.（1991年）。使用人工神经网络进行连续语音识别的语音学驱动声学参数。收录于《1991年欧洲语音会议论文集》。
- 单词分析:
  - Phonetically:副词，词源来自希腊语 "phone"（声音），词义：语音上地；音韵上地。
    - 记忆方法:联想 "phonetic"（语音的）+"-ally"（副词后缀）→ 语音上地。
    - 形近词:phonetically/phonetic（语音的）、phonics（语音学）。
    - 发音解析:
      - 音节分解:pho + net + i + cal + ly /fəˈnetɪkli/，重音在第二音节
      - 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:i → /ɪ/， “i” 发短元音 /ɪ/。
      - 规则:cal → /kəl/， “cal” 发 /kəl/ 音，其中 “c” 发 /k/ 音，“a” 发短元音 /ə/，“l” 发 /l/ 音。
      - 规则:ly → /li/， “ly” 发 /li/ 音，其中 “l” 发 /l/ 音，“y” 发 /i/ 音。
- acoustic:形容词，词源来自希腊语 "akoustikos"（听觉的），词义：声学的；听觉的。
  - 记忆方法:联想 “acou-” 类似 “audio”（音频）→ 与声音有关 → 声学的。
  - 形近词:acoustic/acoustics（声学）、acoustical（声学的）。
  - 发音解析:
    - 音节分解:a + cou + stic /əˈkuːstɪk/，重音在第二音节
    - 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。
- continuous:形容词，词源来自拉丁语 "continuus"（连续的），词义：连续的；持续的。
  - 记忆方法:联想 “continue”（继续）+"-ous"（……的）→ 连续的。
  - 形近词:continuous/continue（继续）、continuation（继续；延续）。
  - 发音解析:
    - 音节分解:con + tin + u + ous /kənˈtɪnjuəs/，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:tin → /tɪn/， “tin” 发 /tɪn/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“n” 发 /n/ 音。
    - 规则:u → /juː/， “u” 发 /juː/ 音。
    - 规则:ous → /əs/， “ous” 发 /əs/ 音，其中 “o” 发短元音 /ə/，“u” 不发音，“s” 发 /s/ 音。

Bengio, Y., De Mori, R., Flammia, G., and Kompe, R. (1992). Neural network - Gaussian mixture hybrid for speech recognition or density estimation. In, pages 175–182. NIPS 4 Morgan Kaufmann.
- 句子分析:介绍作者、年份、论文主题、页码和出版社。
- 翻译:本吉奥，Y.，德·莫里，R.，弗拉米亚，G.和孔佩，R.（1992年）。用于语音识别或密度估计的神经网络 - 高斯混合模型。收录于，第175 - 182页。神经信息处理系统会议4，摩根·考夫曼出版社。
- 单词分析:
  - Gaussian:形容词，词源来自德国数学家高斯（Gauss）的名字，词义：高斯的；高斯分布的。
    - 记忆方法:记住数学家高斯（Gauss），加 “-ian” 表示 “……的”。
    - 形近词:Gaussian/Gauss（高斯）。
    - 发音解析:
      - 音节分解:Gaus + si + an /ˈɡaʊsiən/，重音在第一音节
      - 规则:Gaus → /ɡaʊs/， “Gaus” 发 /ɡaʊs/ 音，其中 “G” 发 /ɡ/ 音，“au” 发 /aʊ/ 音，“s” 发 /s/ 音。
      - 规则:si → /si/， “si” 发 /si/ 音，其中 “s” 发 /s/ 音，“i” 发 /i/ 音。
      - 规则:an → /ən/， “an” 发 /ən/ 音，其中 “a” 发短元音 /ə/，“n” 发 /n/ 音。
- hybrid:名词，词源来自拉丁语 "hybrida"（杂种），词义：混合体；杂交种。
  - 记忆方法:联想 “hy-” 像 “high”（高），“brid” 像 “bridge”（桥）→ 连接不同部分的东西 → 混合体。
  - 形近词:hybrid/hybridize（使杂交）、hydride（氢化物）。
  - 发音解析:
    - 音节分解:hy + brid /ˈhaɪbrɪd/，重音在第一音节
    - 规则:hy → /haɪ/， “hy” 发 /haɪ/ 音，其中 “h” 发 /h/ 音，“y” 发 /aɪ/ 音。
    - 规则:brid → /brɪd/， “brid” 发 /brɪd/ 音，其中 “b” 发 /b/ 音，“r” 发 /r/ 音，“i” 发短元音 /ɪ/，“d” 发 /d/ 音。
- density:名词，词源来自拉丁语 "densitas"（密度），词义：密度；浓度。
  - 记忆方法:联想 “dense”（密集的）+"-ity"（名词后缀）→ 密度。
  - 形近词:density/dense（密集的）、densify（使密集）。
  - 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。

Bengio, Y., Frasconi, P., and Simard, P. (1993). The problem of learning long - term dependencies in recurrent networks. In IEEE International Conference on Neural Networks, pages 1183–1195, San Francisco. IEEE Press. (invited paper).
- 句子分析:介绍作者、年份、论文主题、所属会议、页码、地点和出版社，还标明是邀请论文。
- 翻译:本吉奥，Y.，弗拉斯科尼，P.和西马尔，P.（1993年）。循环网络中学习长期依赖关系的问题。收录于《电气与电子工程师协会国际神经网络会议》，第1183 - 1195页，旧金山。电气与电子工程师协会出版社。（邀请论文）
- 单词分析:
  - dependencies:名词复数，词源来自拉丁语 "dependere"（依靠），词义：依赖关系；依存关系。
    - 记忆方法:联想 “depend”（依靠）+"-ency"（名词后缀）→ 依赖关系。
    - 形近词:dependencies/depend（依靠）、dependent（依赖的）。
    - 发音解析:
      - 音节分解:de + pen + den + cies /dɪˈpendənsiz/，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:pen → /pen/， “pen” 发 /pen/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /e/，“n” 发 /n/ 音。
      - 规则:den → /dən/， “den” 发 /dən/ 音，其中 “d” 发 /d/ 音，“e” 发短元音 /ə/，“n” 发 /n/ 音。
      - 规则:cies → /siz/， “cies” 发 /siz/ 音，其中 “c” 发 /s/ 音，“i” 发短元音 /ɪ/，“e” 不发音，“s” 发 /z/ 音。
- recurrent:形容词，词源来自拉丁语 "recurrere"（返回；复发），词义：循环的；反复出现的。
  - 记忆方法:联想 “re-”（再次）+"cur"（跑）→ 再次跑回来 → 循环的。
  - 形近词:recurrent/recur（复发；重现）、recurrence（复发；重现）。
  - 发音解析:
    - 音节分解:re + cur + rent /rɪˈkɜːrənt/，重音在第二音节
    - 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
    - 规则:cur → /kɜːr/， “cur” 发 /kɜːr/ 音，其中 “c” 发 /k/ 音，“u” 发长元音 /ɜːr/。
    - 规则: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。

Bengio, Y., Simard, P., and Frasconi, P. (1994). Learning long - term dependencies with gradient descent is difficult. IEEE Tr. Neural Nets., 18 402 404 405 413
- 句子分析:介绍作者、年份、论文主题和发表期刊相关信息，句子主语是动名词短语 “Learning long - term dependencies with gradient descent”。
- 翻译:本吉奥，Y.，西马尔，P.和弗拉斯科尼，P.（1994年）。用梯度下降法学习长期依赖关系是困难的。《电气与电子工程师协会神经网络汇刊》，18 402 404 405 413
- 单词分析:
  - gradient:名词，词源来自拉丁语 "gradus"（步；级），词义：梯度；坡度。
    - 记忆方法:联想 “grade”（等级）+"-ient"（与……有关的）→ 与等级有关的 → 梯度。
    - 形近词:gradient/gradual（逐渐的）、graduation（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 /i/ 音。
      - 规则:ent → /ənt/， “ent” 发 /ənt/ 音，其中 “e” 发短元音 /ə/，“n” 发 /n/ 音，“t” 发 /t/ 音。
- descent:名词，词源来自拉丁语 "descendere"（下降），词义：下降；血统。
  - 记忆方法:联想 “de-”（向下）+"scent"（气味；踪迹）→ 向下的踪迹 → 下降。
  - 形近词:descent/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” 不发音，“e” 发短元音 /e/，“n” 发 /n/ 音，“t” 发 /t/ 音。

Bengio, Y., Latendresse, S., and Dugas, C. (1999). Gradient - based learning of hyper - parameters. Learning Conference, Snowbird.
- 句子分析:介绍作者、年份、论文主题和所属会议。
- 翻译:本吉奥，Y.，拉滕德雷斯，S.和迪加斯，C.（1999年）。基于梯度的超参数学习。学习会议，雪鸟。
- 单词分析:
  - hyper - parameters:名词，“hyper-” 词源来自希腊语 “hyper”（超过；过度），词义：超参数。
    - 记忆方法:联想 “hyper”（超过）+“parameters”（参数）→ 超过普通参数的参数 → 超参数。
    - 形近词:hyper - parameters/hyperactive（过度活跃的）、parameter（参数）。
    - 发音解析:
      - 音节分解:hy + per + pa + ram + e + ters /ˌhaɪpərˈpærəmɪtərz/，重音在第二音节
      - 规则:hy → /haɪ/， “hy” 发 /haɪ/ 音，其中 “h” 发 /h/ 音，“y” 发 /aɪ/ 音。
      - 规则:per → /pər/， “per” 发 /pər/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
      - 规则:pa → /pæ/， “pa” 发 /pæ/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/。
      - 规则:ram → /ræm/， “ram” 发 /ræm/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /æ/，“m” 发 /m/ 音。
      - 规则:e → /ɪ/， “e” 发短元音 /ɪ/。
      - 规则:ters → /tərz/， “ters” 发 /tərz/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音，“s” 发 /z/ 音。

Bengio, Y., Ducharme, R., and Vincent, P. (2001). A neural probabilistic language model. In T. K. Leen, T. G. Dietterich, and V.
- 句子分析:介绍作者、年份、论文主题和相关人员。
- 翻译:本吉奥，Y.，迪夏尔姆，R.和文森特，P.（2001年）。一个神经概率语言模型。收录于T. K. 利恩，T. G. 迪特里希和V.
- 单词分析:
  - probabilistic:形容词，词源来自拉丁语 "probabilis"（可能的），词义：概率的；或然的。
    - 记忆方法:联想 "probable"（可能的）+"-istic"（……的）→ 概率的。
    - 形近词:probabilistic/probability（概率）、probable（可能的）。
    - 发音解析:
      - 音节分解:prob + a + bil + is + tic /ˌprɑːbəˈlɪstɪk/，重音在第二音节
      - 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: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，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。

T resp, editor s, , pages 932–93 8. MIT NIPS’ 2000 Press.
- 句子分析:这是文献引用相关内容，表明文献的页码范围及出版社等信息。
- 翻译:T resp，编辑，页码932 - 938。麻省理工学院神经信息处理系统大会（NIPS）2000年出版社。

Bengio , Y., Ducha rme, R., Vincen t, P ., and Jauvin , C. (2003) . A neural probab ilistic langua ge model . , , 1137–1 155. , JMLR 3 468 474
- 句子分析:介绍了作者Bengio等人在2003年发表的关于神经概率语言模型的文献，包含文献页码等信息。
- 翻译:本吉奥（Bengio），Y.，杜查姆（Ducharme），R.，文森特（Vincent），P.，和若万（Jauvin），C.（2003年）。《神经概率语言模型》，1137 - 1155页。《机器学习研究杂志》（JMLR）3 468 474
- 单词分析:
  - probabilistic:形容词，词源来自拉丁语 "probabilis"（可证明的，可信的），词义：概率性的；或然的。
    - 记忆方法:联想 "probable"（可能的）+ "-istic"（表示……的）→ 概率性的。
    - 形近词:probabilistic/probable（可能的）、probability（概率）。
    - 发音解析:
      - 音节分解:pro + ba + bil + is + tic /ˌprɑːbəˈlɪstɪk/，重音在第二音节
      - 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: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，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/，“c” 发 /k/ 音。

Bengio , Y., Le Roux, N., Vincen t, P ., Delall eau, O., and Marco tte, P . (2006a ). Conv ex neural net w orks. In , pages 123–13 0. NIPS’ 2005 258
- 句子分析:介绍作者Bengio等人在2006年（标注为2006a）发表的关于凸神经网络的文献，给出了文献所在会议及页码等信息。
- 翻译:本吉奥（Bengio），Y.，勒鲁（Le Roux），N.，文森特（Vincent），P.，德拉洛（Delalleau），O.，和马尔科特（Marcotte），P.（2006a）。《凸神经网络》。收录于，第123 - 130页。2005年神经信息处理系统大会（NIPS）258
- 单词分析:
  - convex:形容词，词源来自拉丁语 "convexus"（弯曲的，拱形的），词义：凸面的；凸圆的。
    - 记忆方法:联想 “con-”（一起）+ “vex”（弯曲）→ 一起弯曲成凸面 → 凸面的。
    - 形近词:convex/concave（凹面的）、vex（使烦恼）。
    - 发音解析:
      - 音节分解:con + vex /ˈkɑːnveks/，重音在第一音节
      - 规则:con → /kɑːn/， “con” 发 /kɑːn/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /ɑː/，“n” 发鼻音。
      - 规则:vex → /veks/， “vex” 发 /veks/ 音，其中 “v” 发 /v/ 音，“e” 发短元音 /ɛ/，“x” 发 /ks/ 音。

Bengio , Y., Delall eau, O., and Le Roux, N. (2006b ). The curse of highly v ariabl e functi ons for local kernel mac hines. In . NIPS’ 2005 157 726
- 句子分析:介绍Bengio等人在2006年（标注为2006b）发表的关于局部核机器中高度可变函数的弊端的文献，给出会议信息。
- 翻译:本吉奥（Bengio），Y.，德拉洛（Delalleau），O.，和勒鲁（Le Roux），N.（2006b）。《局部核机器中高度可变函数的弊端》。收录于。2005年神经信息处理系统大会（NIPS）157 726
- 单词分析:
  - curse:名词，词源来自古英语 "curs"（诅咒），词义：诅咒；祸害。
    - 记忆方法:谐音 “克死”，被诅咒就可能克死别人。
    - 形近词:curse/curse（诅咒）、course（课程）。
    - 发音解析:
      - 音节分解:cur + se /kɜːrs/，重音在第一音节
      - 规则:cur → /kɜːr/， “cur” 发 /kɜːr/ 音，其中 “c” 发 /k/ 音，“u” 发长元音 /ɜːr/。
      - 规则:se → /s/， “se” 发 /s/ 音，其中 “s” 发 /s/ 音，“e” 不发音。
- variable:形容词，词源来自拉丁语 "variabilis"（可变的），词义：可变的；易变的。
  - 记忆方法:联想 “vary”（变化）+ “-able”（可……的）→ 可变化的 → 可变的。
  - 形近词:variable/vary（变化）、variation（变化）。
  - 发音解析:
    - 音节分解:var + i + able /ˈveriəbl/，重音在第一音节
    - 规则:var → /ver/， “var” 发 /ver/ 音，其中 “v” 发 /v/ 音，“a” 发长元音 /eɪ/，“r” 发 /r/ 音。
    - 规则:i → /ɪ/， “i” 发短元音 /ɪ/。
    - 规则:able → /əbl/， “able” 发 /əbl/ 音，其中 “a” 发短元音 /ə/，“b” 发 /b/ 音，“l” 发 /l/ 音，“e” 不发音。

Bengio , Y., Laro c helle, H., and Vincen t, P . (2006c ). Non-lo cal manifo ld Parzen windo ws. In . MIT Press. , NIPS’ 2005 159 522
- 句子分析:介绍Bengio等人在2006年（标注为2006c）发表的关于非局部流形帕森窗的文献，给出出版社和会议信息。
- 翻译:本吉奥（Bengio），Y.，拉罗谢尔（Larochelle），H.，和文森特（Vincent），P.（2006c）。《非局部流形帕森窗》。收录于。麻省理工学院出版社。2005年神经信息处理系统大会（NIPS）159 522
- 单词分析:
  - manifold:名词，词源来自拉丁语 "manus"（手）+ "fold"（折叠），原指用手折叠的东西，后引申为流形，词义：流形；多种；多方面。
    - 记忆方法:联想 “mani-”（手）+ “fold”（折叠）→ 用手折叠出各种形状 → 多种。
    - 形近词:manifold/manifest（表明）、mankind（人类）。
    - 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” 发鼻音。
      - 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。

Bengio , Y., Lam blin, P ., Popov ici, D., and Laro chelle, H. (2007) . Greed y lay er-wis e trainin g of deep net w orks. In . , , , , , , NIPS’ 2006 14 19 200 323 324 530 532
- 句子分析:介绍Bengio等人在2007年发表的关于深度网络贪婪逐层训练的文献，给出会议及页码等信息。
- 翻译:本吉奥（Bengio），Y.，兰布林（Lamblin），P.，波波维奇（Popovici），D.，和拉罗谢尔（Larochelle），H.（2007年）。《深度网络的贪婪逐层训练》。收录于。2006年神经信息处理系统大会（NIPS）14 19 200 323 324 530 532
- 单词分析:
  - greedy:形容词，词源来自古英语 "grædig"（贪婪的），词义：贪婪的；贪心的。
    - 记忆方法:联想 “greed”（贪婪）+ “-y”（形容词后缀）→ 贪婪的。
    - 形近词:greedy/greed（贪婪）、green（绿色的）。
    - 发音解析:
      - 音节分解:greed + y /ˈɡriːdi/，重音在第一音节
      - 规则:greed → /ɡriːd/， “greed” 发 /ɡriːd/ 音，其中 “g” 发 /ɡ/ 音，“r” 发 /r/ 音，“ee” 发长元音 /iː/，“d” 发 /d/ 音。
      - 规则:y → /i/， “y” 发短元音 /i/。

Bengio , Y., Loura dour, J., Collob ert, R., and W eston, J. (2009) . Curric ulum learnin g. In ICML ’09 . 328
- 句子分析:介绍Bengio等人在2009年发表的关于课程学习的文献，给出会议及页码信息。
- 翻译:本吉奥（Bengio），Y.，卢拉杜尔（Louradour），J.，科洛贝尔（Collobert），R.，和韦斯顿（Weston），J.（2009年）。《课程学习》。收录于2009年国际机器学习会议（ICML）。328
- 单词分析:
  - curriculum:名词，词源来自拉丁语 "curriculum"（跑道，课程），词义：课程；全部课程。
    - 记忆方法:联想 “cur-”（跑）+ “-riculum” → 学习就像在跑道上跑 → 课程。
    - 形近词:curriculum/curricula（curriculum的复数）、curse（诅咒）。
    - 发音解析:
      - 音节分解:cur + ri + cu + lum /kəˈrɪkjələm/，重音在第二音节
      - 规则:cur → /kə/， “cur” 发 /kə/ 音，其中 “c” 发 /k/ 音，“u” 发短元音 /ə/。
      - 规则:ri → /rɪ/， “ri” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“i” 发短元音 /ɪ/。
      - 规则:cu → /kjuː/， “cu” 发 /kjuː/ 音，其中 “c” 发 /k/ 音，“u” 发长元音 /juː/。
      - 规则:lum → /ləm/， “lum” 发 /ləm/ 音，其中 “l” 发 /l/ 音，“u” 发短元音 /ə/，“m” 发 /m/ 音。

Bengio , Y., Mesni l, G., Dauph in, Y., and Rifai, S. (2013a ). Better mixing via deep repres en tation s. In . ICML ’2013 606
- 句子分析:介绍Bengio等人在2013年（标注为2013a）发表的关于通过深度表示实现更好混合的文献，给出会议及页码信息。
- 翻译:本吉奥（Bengio），Y.，梅尼尔（Mesnil），G.，多芬（Dauphin），Y.，和里法伊（Rifai），S.（2013a）。《通过深度表示实现更好的混合》。收录于。2013年国际机器学习会议（ICML）606
- 单词分析:
  - representation:名词，词源来自拉丁语 "repraesentare"（呈现，代表），词义：代表；表示；表现。
    - 记忆方法:联想 “re-”（再）+ “present”（呈现）+ “-ation”（名词后缀）→ 再次呈现 → 表示。
    - 形近词:representation/represent（代表）、presentation（展示）。
    - 发音解析:
      - 音节分解:re + pre + sen + ta + tion /ˌreprɪzenˈteɪʃn/，重音在第四音节
      - 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
      - 规则:pre → /priː/， “pre” 发 /priː/ 音，其中 “p” 发 /p/ 音，“r” 发 /r/ 音，“e” 发长元音 /iː/。
      - 规则:sen → /sen/， “sen” 发 /sen/ 音，其中 “s” 发 /s/ 音，“e” 发短元音 /ɛ/，“n” 发鼻音。
      - 规则:ta → /tə/， “ta” 发 /tə/ 音，其中 “t” 发 /t/ 音，“a” 发短元音 /ə/。
      - 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发短元音 /ɪ/，“o” 不发音，“n” 发鼻音。

Bengio , Y., Léona rd, N., and Courv ille, A. (2013b ). Estim ating or propag ating gradie n ts throug h sto chasti c neuron s for condit ional compu tation . arX iv:130 8.3432 . , , 450 452 691 693 ,
- 句子分析:介绍Bengio等人在2013年（标注为2013b）发表的关于通过随机神经元进行条件计算来估计或传播梯度的文献，给出文献编号及页码等信息。
- 翻译:本吉奥（Bengio），Y.，莱昂纳德（Léonard），N.，和库尔维尔（Courville），A.（2013b）。《通过随机神经元进行条件计算来估计或传播梯度》。arXiv编号：1308.3432。450 452 691 693
- 单词分析:
  - estimate:动词，词源来自拉丁语 "aestimare"（评估，估计），词义：估计；估量。
    - 记忆方法:联想 “e-”（出）+ “stimate”（类似 “state” 陈述）→ 说出估计的情况 → 估计。
    - 形近词:estimate/estimation（估计）、stimulate（刺激）。
    - 发音解析:
      - 音节分解:es + ti + mate /ˈestɪmeɪt/，重音在第一音节
      - 规则:es → /es/， “es” 发 /es/ 音，其中 “e” 发短元音 /ɛ/，“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:mate → /meɪt/， “mate” 发 /meɪt/ 音，其中 “m” 发 /m/ 音，“a” 发长元音 /eɪ/，“t” 发 /t/ 音。
- propagate:动词，词源来自拉丁语 "propagare"（繁殖，传播），词义：传播；繁殖；宣传。
  - 记忆方法:联想 “pro-”（向前）+ “pag”（类似 “page” 页）+ “-ate”（动词后缀）→ 向前翻页传播信息 → 传播。
  - 形近词:propagate/propagation（传播）、propaganda（宣传）。
  - 发音解析:
    - 音节分解:pro + pa + gate /ˈprɑːpəɡeɪt/，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:pa → /pə/， “pa” 发 /pə/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /ə/。
    - 规则:gate → /ɡeɪt/， “gate” 发 /ɡeɪt/ 音，其中 “g” 发 /ɡ/ 音，“a” 发长元音 /eɪ/，“t” 发 /t/ 音。
- 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:联想 “stoch-”（猜测）+ “-astic”（形容词后缀）→ 靠猜测的 → 随机的。
  - 形近词:stochastic/stochastics（随机过程）、stoke（煽动）。
  - 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。

Bengio , Y., Y ao, L., Alain, G., and Vincen t, P . (2013c ). Gener alized denois ing auto- enco ders as genera tiv e model s. In . , , NIPS’ 2013 509 713 715
- 句子分析:介绍Bengio等人在2013年（标注为2013c）发表的关于将广义去噪自动编码器作为生成模型的文献，给出会议及页码信息。
- 翻译:本吉奥（Bengio），Y.，姚（Yao），L.，阿兰（Alain），G.，和文森特（Vincent），P.（2013c）。《将广义去噪自动编码器作为生成模型》。收录于。2013年神经信息处理系统大会（NIPS）509 713 715
- 单词分析:
  - generalize:动词，词源来自拉丁语 "generalis"（普遍的，一般的），词义：概括；推广；使一般化。
    - 记忆方法:联想 “general”（一般的）+ “-ize”（动词后缀）→ 使一般化。
    - 形近词:generalize/general（一般的）、generalization（概括）。
    - 发音解析:
      - 音节分解:gen + er + al + ize /ˈdʒenrəlaɪz/，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 /ɛ/，“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。
- denoise:动词，由 “de-”（去除）+ “noise”（噪音）构成，词义：去噪。
  - 记忆方法:联想 “de-”（去除）+ “noise”（噪音）→ 去除噪音 → 去噪。
  - 形近词:denoise/noise（噪音）、annoy（使恼怒）。
  - 发音解析:
    - 音节分解:de + noise /diːˈnɔɪz/，重音在第二音节
    - 规则:de → /diː/， “de” 发 /diː/ 音，其中 “d” 发 /d/ 音，“e” 发长元音 /iː/。
    - 规则:noise → /nɔɪz/， “noise” 发 /nɔɪz/ 音，其中 “n” 发鼻音，“o” 发长元音 /ɔɪ/，“i” 不发音，“s” 发 /z/ 音。
- generative:形容词，由 “generate”（生成）+ “-ive”（形容词后缀）构成，词义：生成的；有生产力的。
  - 记忆方法:联想 “generate”（生成）+ “-ive”（形容词后缀）→ 生成的。
  - 形近词:generative/generate（生成）、generation（一代）。
  - 发音解析:
    - 音节分解:gen + er + a + tive /ˈdʒenrətɪv/，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 /ɛ/，“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: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/，“v” 发 /v/ 音。

Bengio , Y., Courv ille, A., and Vincen t, P . (2013d ). Repre sen tation learnin g: A review and new p ersp ectives . IEEE T r ans.
- 句子分析:介绍Bengio等人在2013年（标注为2013d）发表的关于表示学习的文献，涉及对其进行回顾和新视角探讨，给出期刊相关信息。
- 翻译:本吉奥（Bengio），Y.，库尔维尔（Courville），A.，和文森特（Vincent），P.（2013d）。《表示学习：回顾与新视角》。《电气与电子工程师协会汇刊》（IEEE Trans.）
- 单词分析:
  - perspective:名词，词源来自拉丁语 "perspicere"（看透，洞察），词义：观点；视角；远景。
    - 记忆方法:联想 “per-”（贯穿）+ “spect”（看）+ “-ive”（名词后缀）→ 贯穿地看 → 视角。
    - 形近词:perspective/spectacle（奇观）、inspect（检查）。
    - 发音解析:
      - 音节分解:per + spec + tive /pərˈspektɪv/，重音在第二音节
      - 规则:per → /pər/， “per” 发 /pər/ 音，其中 “p” 发 /p/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。
      - 规则:spec → /spek/， “spec” 发 /spek/ 音，其中 “s” 发 /s/ 音，“p” 发 /p/ 音，“e” 发短元音 /ɛ/，“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。

Pattern Analysis and Machine Intelligence (PAMI), 35 (8), 1798–1828.
- 翻译:"《模式分析与机器智能》（PAMI），第35卷，第8期，1798 - 1828页。"

Bengio, Y., Thibodeau-Laufer, E., Alain, G., and Yosinski, J. (2014). Deep generative stochastic networks trainable by backprop.
- 固定搭配:"backprop"是 "backpropagation" 的缩写，意为 "反向传播"。
- 句子分析:简单句，介绍作者及发表的文章主题。“trainable by backprop” 是后置定语修饰 “networks”。
- 翻译:"本吉奥（Y. Bengio）、蒂博多 - 劳弗（E. Thibodeau - Laufer）、阿兰（G. Alain）和约辛斯基（J. Yosinski）（2014年）。可通过反向传播训练的深度生成随机网络。"
- 单词分析:
  - generative:形容词，词源来自拉丁语 "generare"（产生），词义：生成的；有生成能力的。
    - 记忆方法:联想 "generate"（产生）+ "ive"（形容词后缀）→ 生成的。
    - 形近词:generative/generate（产生）、generator（发电机；发生器）。
    - 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 /ɛ/，“n” 发鼻音。
      - 规则:er → /ər/， “er” 发 /ər/ 音，类似于 “her” 的发音。
      - 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/，“v” 发 /v/ 音。
- 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 “猜测” 具有随机性 → 随机的。
  - 形近词:stochastic/stochast（随机变量）、stochastically（随机地）。
  - 发音解析:
    - 音节分解:sto + chas + tic /stəˈkæstɪk/，重音在第二音节
    - 规则:sto → /stə/， “sto” 发 /stə/ 音，其中 “s” 发 /s/ 音，“t” 发 /t/ 音，“o” 发短元音 /ə/。
    - 规则:chas → /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。

In.,,, ICML ’2014 713 714 715 716 717
- 翻译:"收录于2014年国际机器学习会议（ICML），页码713 - 717。"

Bennett, C. (1976). Efficient estimation of free energy differences from Monte Carlo data.
- 固定搭配:"Monte Carlo" 是固定用法，指 “蒙特卡罗（一种统计模拟方法）”。
- 句子分析:简单句，介绍作者及文章主题。“from Monte Carlo data” 是后置定语修饰 “estimation”。
- 翻译:"贝内特（C. Bennett）（1976年）。基于蒙特卡罗数据对自由能差的有效估计。"
- 单词分析:
  - estimation:名词，词源来自拉丁语 "aestimare"（估计），词义：估计；估算。
    - 记忆方法:联想 "estimate"（估计）+ "tion"（名词后缀）→ 估计。
    - 形近词:estimation/estimate（估计）、estimator（估计量）。
    - 发音解析:
      - 音节分解:es + ti + ma + tion /ˌestɪˈmeɪʃn/，重音在第二音节
      - 规则:es → /es/， “es” 发 /es/ 音，其中 “e” 发短元音 /ɛ/，“s” 发 /s/ 音。
      - 规则:ti → /tɪ/， “ti” 发 /tɪ/ 音，其中 “t” 发 /t/ 音，“i” 发短元音 /ɪ/。
      - 规则:ma → /meɪ/， “ma” 发 /meɪ/ 音，其中 “m” 发 /m/ 音，“a” 发长元音 /eɪ/。
      - 规则:tion → /ʃn/， “tion” 发 /ʃn/ 音，其中 “t” 不发音，“i” 发短元音 /ɪ/，“on” 发 /ʃn/ 音。

Journal of Computational Physics, (2), 245–268.
- 翻译:"《计算物理杂志》，第2期，245 - 268页。"

Bennett, J. and Lanning, S. (2007). The Netflix prize.
- 翻译:"贝内特（J. Bennett）和兰宁（S. Lanning）（2007年）。网飞奖。"

Berger, A. L., Della Pietra, V. J., and Della Pietra, S. A. (1996). A maximum entropy approach to natural language processing.
- 固定搭配:"a ... approach to" 意为 “一种……的方法”；“natural language processing” 意为 “自然语言处理”。
- 句子分析:简单句，介绍作者及文章主题。“to natural language processing” 是后置定语修饰 “approach”。
- 翻译:"伯杰（A. L. Berger）、德拉·彼得拉（V. J. Della Pietra）和德拉·彼得拉（S. A. Della Pietra）（1996年）。一种用于自然语言处理的最大熵方法。"
- 单词分析:
  - entropy:名词，词源来自希腊语 "entropia"（转变），词义：熵；无序状态。
    - 记忆方法:联想 “事物的转变” 会带来无序 → 熵。
    - 形近词:entropy/entropic（熵的）、entropically（熵地）。
    - 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 /ɛ/，“n” 发鼻音。
      - 规则:tro → /trə/， “tro” 发 /trə/ 音，其中 “t” 发 /t/ 音，“r” 发 /r/ 音，“o” 发短元音 /ə/。
      - 规则:py → /pi/， “py” 发 /pi/ 音，其中 “p” 发 /p/ 音，“y” 发长元音 /i/。

Computational Linguistics 22 475
- 翻译:"《计算语言学》，第22卷，475页。"

Berglund, M. and Raiko, T. (2013). Stochastic gradient estimate variance in contrastive divergence and persistent contrastive divergence.
- 固定搭配:"contrastive divergence" 意为 “对比散度”；“persistent contrastive divergence” 意为 “持续对比散度”。
- 句子分析:简单句，介绍作者及文章主题。“in contrastive divergence and persistent contrastive divergence” 是后置定语修饰 “variance”。
- 翻译:"贝格伦德（M. Berglund）和赖科（T. Raiko）（2013年）。对比散度和持续对比散度中的随机梯度估计方差。"
- 单词分析:
  - gradient:名词，词源来自拉丁语 "gradi"（走），词义：梯度；坡度。
    - 记忆方法:联想 “走的过程中会有坡度变化” → 梯度。
    - 形近词:gradient/gradual（逐渐的）、gradually（逐渐地）。
    - 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” 发长元音 /i/。
      - 规则:ent → /ənt/， “ent” 发 /ənt/ 音，其中 “e” 发短元音 /ə/，“n” 发鼻音，“t” 发 /t/ 音。
- variance:名词，词源来自拉丁语 "variare"（变化），词义：方差；变化。
  - 记忆方法:联想 "vary"（变化）+ "ance"（名词后缀）→ 方差。
  - 形近词:variance/vary（变化）、variable（变量）。
  - 发音解析:
    - 音节分解:va + ri + ance /ˈveəriəns/，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/， “ri” 发 /ri/ 音，其中 “r” 发 /r/ 音，“i” 发长元音 /i/。
    - 规则:ance → /əns/， “ance” 发 /əns/ 音，其中 “a” 发短元音 /ə/，“n” 发鼻音，“ce” 发 /s/ 音。

CoRR abs/1312.6002
- 翻译:"计算机研究报告库（CoRR），编号abs/1312.6002。"

Bergstra, J. (2011). Incorporating Complex Cells into Neural Networks for Pattern Classification.
- 固定搭配:"incorporate ... into ..." 意为 “将……融入……”。
- 句子分析:简单句，介绍作者及文章主题。“for Pattern Classification” 是目的状语。
- 翻译:"伯格斯特拉（J. Bergstra）（2011年）。将复杂细胞融入神经网络用于模式分类。"
- 单词分析:
  - incorporating:动词现在分词，词源来自拉丁语 "incorporare"（合并；使具体化），词义：包含；吸收；使并入。
    - 记忆方法:联想 "in-"（进入）+ "corpor"（身体；团体）+ "ate"（动词后缀）→ 进入团体 → 并入。
    - 形近词:incorporating/incorporate（合并）、corporation（公司）。
    - 发音解析:
      - 音节分解:in + cor + po + rat + ing /ɪnˈkɔːpəreɪtɪŋ/，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:cor → /kɔː/， “cor” 发 /kɔː/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音。
      - 规则:po → /pə/， “po” 发 /pə/ 音，其中 “p” 发 /p/ 音，“o” 发短元音 /ə/。
      - 规则:rat → /reɪt/， “rat” 发 /reɪt/ 音，其中 “r” 发 /r/ 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。

Ph.D. thesis, Université de Montréal.
- 翻译:"博士论文，蒙特利尔大学。"

Bergstra, J. and Bengio, Y. (2009). Slow, decorrelated features for pre - training complex cell - like networks.
- 句子分析:简单句，介绍作者及文章主题。“for pre - training complex cell - like networks” 是后置定语修饰 “features”。
- 翻译:"伯格斯特拉（J. Bergstra）和本吉奥（Y. Bengio）（2009年）。用于预训练类复杂细胞网络的缓慢、去相关特征。"
- 单词分析:
  - decorrelated:形容词，词源来自 “de - ”（去除）+ "correlate"（使相关），词义：去相关的。
    - 记忆方法:联想 “去除相关性” → 去相关的。
    - 形近词:decorrelated/correlate（使相关）、correlation（相关性）。
    - 发音解析:
      - 音节分解:de + cor + re + lat + ed /ˌdiːˈkɔːrɪleɪtɪd/，重音在第二音节
      - 规则:de → /diː/， “de” 发 /diː/ 音，其中 “d” 发 /d/ 音，“e” 发长元音 /iː/。
      - 规则:cor → /kɔː/， “cor” 发 /kɔː/ 音，其中 “c” 发 /k/ 音，“o” 发长元音 /ɔː/，“r” 发 /r/ 音。
      - 规则:re → /rɪ/， “re” 发 /rɪ/ 音，其中 “r” 发 /r/ 音，“e” 发短元音 /ɪ/。
      - 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:ed → /ɪd/， “ed” 发 /ɪd/ 音，其中 “e” 发短元音 /ɪ/，“d” 发 /d/ 音。

In. NIPS’ 2009
- 翻译:"收录于2009年神经信息处理系统大会（NIPS）。"

Bergstra, J. and Bengio, Y. (2012). Random search for hyper - parameter optimization.
- 固定搭配:"random search" 意为 “随机搜索”；“hyper - parameter optimization” 意为 “超参数优化”。
- 句子分析:简单句，介绍作者及文章主题。“for hyper - parameter optimization” 是后置定语修饰 “search”。
- 翻译:"伯格斯特拉（J. Bergstra）和本吉奥（Y. Bengio）（2012年）。用于超参数优化的随机搜索。"
- 单词分析:
  - hyper - parameter:名词，“hyper - ” 是前缀，表示 “超；过度”，“parameter” 词源来自希腊语 “para - ”（旁边）+ “metron”（测量），整体词义：超参数。
    - 记忆方法:联想 “超出普通参数的参数” → 超参数。
    - 形近词:hyper - parameter/parameter（参数）、hyperactive（过度活跃的）。
    - 发音解析:
      - 音节分解:hy + per + pa + ram + e + ter /ˌhaɪpəˈpærəmɪtə(r)/，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: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:pa → /pæ/， “pa” 发 /pæ/ 音，其中 “p” 发 /p/ 音，“a” 发短元音 /æ/。
      - 规则:ram → /ræm/， “ram” 发 /ræm/ 音，其中 “r” 发 /r/ 音，“a” 发短元音 /æ/，“m” 发 /m/ 音。
      - 规则:e → /ɪ/， “e” 发短元音 /ɪ/。
      - 规则:ter → /tə(r)/， “ter” 发 /tə(r)/ 音，其中 “t” 发 /t/ 音，“e” 发短元音 /ə/，“r” 发 /r/ 音。

J. Machine Learning Res.,, 281–305., 13 436 437
- 翻译:"《机器学习研究杂志》，页码281 - 305，卷号13，文章编号436、437。"

Bergstra, J., Breuleux, O., Bastien, F., Lamblin, P., Pascanu, R., Desjardins, G., Turian, J., Warde - Farley, D., and Bengio, Y. (2010). Theano: a CPU and GPU math expression compiler.
- 句子分析:简单句，介绍作者及文章主题。“a CPU and GPU math expression compiler” 是 “Theano” 的同位语。
- 翻译:"伯格斯特拉（J. Bergstra）、布勒勒（O. Breuleux）、巴斯蒂安（F. Bastien）、兰布林（P. Lamblin）、帕斯库努（R. Pascanu）、德雅尔丹（G. Desjardins）、图里安（J. Turian）、沃德 - 法利（D. Warde - Farley）和本吉奥（Y. Bengio）（2010年）。Theano：一个CPU和GPU数学表达式编译器。"