这是（shì）神经网络与机器学习下载，最近在做知识图谱（pǔ）实体对齐和属性对齐（qí）中，简单用了下Word2vec谷歌开源代码。Word2vec是一（yī）个将单词表征成向（xiàng）量的形式，它可以把文（wén）本内（nèi）容的（de）处理简化为向量空间中的向量运算（suàn），计算出向量空间上的相似（sì）度，来表示文本语（yǔ）义上的相（xiàng）似（sì）度。
神经网络与机器（qì）学（xué）习(原（yuán）书第3版)是关于（yú）神经（jīng）网络的（de）全面的、彻底的、可读性很强的、最新的（de）论述。全书（shū）共15章（zhāng），主要内容包括（kuò）Rosenblatt感知器、通（tōng）过回（huí）归建立模（mó）型（xíng）、最小均方算（suàn）法、多层感（gǎn）知（zhī）器、核方法（fǎ）和径向（xiàng）基（jī）函数网络、支持向量机（jī）、正则化理论、主分量分析、自组织（zhī）映射（shè）、信（xìn）息论学习模型、动态规划（huá）、神经动力（lì）学、动态系统状态估计的贝叶（yè）斯滤波等。
·基（jī）于随机梯度（dù）下降的在线（xiàn）学习算法；小规模（mó）和大规模学习问题。
·核（hé）方法（fǎ），包括支持（chí）向（xiàng）量机和表示定理。
·信息论学习模型（xíng），包括（kuò）独立分量分析（1CA）、相关独（dú）立（lì）分（fèn）量分析和（hé）信息瓶颈等。
·随（suí）机动态规划，包括逼近和神（shén）经动态规划（huá）。
·逐次状态估计算法，包括卡尔曼和粒子滤波器。
·利用逐次（cì）状（zhuàng）态估计算法（fǎ）训练递归神经网络。
·富有洞（dòng）察力的面（miàn）向计算机的实验。
Word2vec采用CBOW（Continuous Bag-Of-Words Model，连续词袋模型）和Skip-Gram（Continuous Skip-GramModel）两种（zhǒng）模型，涉及到神经网络和深度学习（xí）的一些知识。故这（zhè）周给学弟和同学们分享PPT的主（zhǔ）题就（jiù）是《神经网络是个什么东东？》，参考了很多资（zī）料（liào）并（bìng）简单讲述了机器学习和神经（jīng）网（wǎng）络的入门知识。
