• Lecture 1 知识点回顾 • 神经概率语言模型(Bengio 2003) • Word2vec (Mikolov 2013) • (CBOW & Skip-gram) * (HS & NEG) • 词向量的评价方法 • Softmax分类模型(原PPT乱入) • 词向量的应用场景

第一节 空间直角坐标系与向量的概念 第二节 向量的点积与叉积 第三节 平面与直线 第四节 曲面与空间曲线 *第五节 矢量函数的微积分

• 向量空间的定义 • 向量空间的基与维数 • 坐标及坐标变换 • 小结

一、 向量的内积与长度 二、 正交向量组 三、 施密特正交化方法 四、 正交矩阵 五、 小结

（1）向量的线性相关性 （2）向量组的最大无关组与秩 （3）线性方程组解的结构与通解

第一节 空间直角坐标系与向量的概念 第二节 向量的点积与叉积 第三节 平面与直线 第四节 曲面与空间曲线 *第五节 矢量函数的微积分

一、基本统计处理 1、查取最大值 MAX函数的命令格式有: [Y,]=max(x):将max(X)返回矩阵X的各列中的最大元 素值及其该元素的位置赋予行向量Y与;当X为向量时,则Y与I为 单变量。 [Y,=max(x,l,diM):按数组X的第DIM维的方向查 取其最大的元素值及其该元素的位置赋予向量Y与I

向量范数( vector norms 定义1:R空间的向量范数Ⅱ,对任意x,∈满足下列条件 (1)‖≥0;‖=0=0 (2)x=对任意eC (3)‖x+

3.3.2 线性相关性的判定（续）1.线性相关 2.线性无关 3.截短向量 4.接长向量

2.1 线性表(linear list) 2.1.1 线性表的抽象数据类型 2.1.2 线性表的存储结构 2.1.3 线性表运算分类 2.2 顺序表—向量(sequential list—vector ) 2.2.1 向量的类定义(type definition) 2.2.2 向量的运算 2.3 链表(linked list) 2.3.1单 链 表(singly linked list) 2.3.2 双 链 表(double linked list) 2.3.3 循 环 链 表(circularly linked list) 2.4 线性表实现方法的比较 2.5 栈 2.5.1 顺序栈 2.5.2 链式栈 2.5.3 顺序栈与链式栈的比较 2.5.4 栈的应用——后缀表达式求值 2.5.4 递归的实现 2.6 队列 2.6.1 顺序队列 2.6.2 链式队列 2.2.3 顺序队列与链式队列的比较