这是神经网络与机器学习下载，最近在做知识图谱实体对齐和属性对齐中，简单用了下Word2vec谷歌开源代码。Word2vec是一个将单词表征成向量的形式，它可以把文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。
神经网络与机器学习(原书第3版)是关于神经网络的全面的、彻底的、可读性很强的、最新的论述。全书共15章，主要内容包括Rosenblatt感知器、通过回归建立模型、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主分量分析、自组织映射、信息论学习模型、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波等。
·基于随机梯度下降的在线学习算法；小规模和大规模学习问题。
·核方法，包括支持向量机和表示定理。
·信息论学习模型，包括独立分量分析（1CA）、相关独立分量分析和信息瓶颈等。
·随机动态规划，包括逼近和神经动态规划。
·逐次状态估计算法，包括卡尔曼和粒子滤波器。
·利用逐次状态估计算法训练递归神经网络。
·富有洞察力的面向计算机的实验。
Word2vec采用CBOW（Continuous Bag-Of-Words Model，连续词袋模型）和Skip-Gram（Continuous Skip-GramModel）两种模型，涉及到神经网络和深度学习的一些知识。故这周给学弟和同学们分享PPT的主题就是《神经网络是个什么东东？》，参考了很多资料并简单讲述了机器学习和神经网络的入门知识。
