这是神经网（wǎng）络与机器学习下载，最近在做知识（shí）图谱实体对齐和属（shǔ）性对齐（qí）中（zhōng），简单用（yòng）了下Word2vec谷歌开源代码。Word2vec是（shì）一个（gè）将（jiāng）单词表征成（chéng）向（xiàng）量的形式，它可以把文本内容的处（chù）理简（jiǎn）化（huà）为向量空间中的（de）向量运算，计算出（chū）向量（liàng）空间上的相似度，来表示文（wén）本（běn）语义上的相似度。
神经（jīng）网络（luò）与机器学（xué）习(原书第3版)是关（guān）于（yú）神经网络的全面的、彻底（dǐ）的、可读性很强的、最新的论述。全书共15章（zhāng），主要内容包括Rosenblatt感知器、通（tōng）过回归（guī）建（jiàn）立模型、最（zuì）小均方算（suàn）法（fǎ）、多层感（gǎn）知器、核方法和（hé）径向（xiàng）基函数网络、支持（chí）向量机（jī）、正则化理论、主分（fèn）量分（fèn）析（xī）、自（zì）组织映（yìng）射、信息论学习（xí）模型（xíng）、动态规划、神经动力学（xué）、动态系统状态（tài）估计的贝叶斯滤波等。
·基于随机梯度下降的在线学习算（suàn）法；小（xiǎo）规模和大规模学习问题（tí）。
·核方法，包括支持向量机和（hé）表（biǎo）示（shì）定理。
·信息论（lùn）学（xué）习模型，包括（kuò）独立分量分析（1CA）、相（xiàng）关独立分量（liàng）分析（xī）和信息瓶（píng）颈等。
·随机动态规（guī）划，包括逼近和神（shén）经动态规划。
·逐（zhú）次（cì）状态估（gū）计算法，包括卡尔曼和粒子滤波器（qì）。
·利用（yòng）逐次（cì）状态估计算法训练（liàn）递归神经网络。
·富（fù）有洞察力的面向计（jì）算（suàn）机的实验。
Word2vec采用CBOW（Continuous Bag-Of-Words Model，连续词袋模型（xíng））和Skip-Gram（Continuous Skip-GramModel）两种（zhǒng）模型（xíng），涉及（jí）到神经网络和深度（dù）学习（xí）的一些知识。故这周给学弟和同学们分（fèn）享PPT的主（zhǔ）题就（jiù）是（shì）《神（shén）经网络（luò）是个什么东（dōng）东？》，参考了很多资（zī）料并（bìng）简（jiǎn）单讲述了机器学习和神经（jīng）网络的入（rù）门知识（shí）。
