递归神经网络在传统神经网络中，模型不会关注上一时刻的处理会有什么信息可以用于下一时刻，每一次都只会关注当前时刻的处理。举个例子来说，我们想对一部影片中每一刻出现的事件进行分类，如果我们知道电影前面的事件信息，那么对当前时刻事件的分类就会非常容易。实际上，传统神经网络没有记忆功能，所以它对每一刻出现的事件进行分类时不会用到影片已经出现的信息，那么有什么方法可以让神经网络能够记住这些信息呢？答案就是

递归神经网络在传统神经网络中，模型不会关注上一时刻的处理会有什么信息可以用于下一时刻，每一次都只会关注当前时刻的处理。举个例子来说，我们想对一部影片中每一刻出现的事件进行分类，如果我们知道电影前面的事件信息，那么对当前时刻事件的分类就会非常容易。实际上，传统神经网络没有记忆功能，所以它对每一刻出现的事件进行分类时不会用到影片已经出现的信息，那么有什么方法可以让神经网络能够记住这些信息呢？答案就是

在具体阐述皮尔逊相关系数之前，有必要解释下什么是相关系数 ( Correlation coefficient )与相关距离(Correlation distance)。相关系数 ( Correlation coefficient )的定义是：其中，E为数学期望或均值，D为方差，D开根号为标准差，E{ [X-E(X)] [Y-E(Y)]}称为随机变量X与Y的协方差，记为Cov(X,Y

最近开始看周志明著的《深入理解Java虚拟机》一书，此书作为Java虚拟机的经典畅销书，果然是非常优秀的，在学习它的过程中逐渐理解了Java运行机理、内存分配与回收等知识，收获颇多。要学习Java虚拟机，首先要了解其历史与基本构造。Java虚拟机的发展历史不做详述，大家只要知道SunJDK和OpenJDK中所带的是HotSpot虚拟机，我们之后的学习也是基于HotSpot虚拟机就可以了。

Michael Collins教授主页：http://www.cs.columbia.edu/~mcollins/Michael Collins教授NLP已更新的讲义下载（已打包）：http://download.csdn.net/detail/shijing_0214/9503915Michael Collins教授Coursera课程：https://class.course