Deep Learning 讲义
文档整理
Andrew Ng
2013/5/1
说明：本教程将阐述无监督特征学习和深度学习的主要观点。通过学习，你也将实现多个功能学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。
本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果你不熟悉这些想法，我们建议你去这里机器学习课程，并先完成第II，III，IV章（到逻辑回归）。
目录
1.稀疏自编码器 (5)
1.1神经网络 (5)
1.2.1 概述 (5)
1.2.2 神经网络模型 (7)
1.2.3 中英文对照 (9)
1.2.4 中文译者 (9)
1.2反向传导算法 (10)
1.2.1 反向传导算法 (10)
1.2.2 中英文对照 (14)
1.2.3 中文译者 (15)
1.3梯度检验与高级优化 (15)
1.3.1梯度检验与高级优化 (15)
1.3.2中英文对照 (17)
1.3.3中文译者 (17)
1.4自编码算法与稀疏性 (18)
1.4.1自编码算法与稀疏性 (18)
1.4.2中英文对照 (21)
1.4.3中文译者 (22)
1.5可视化自编码器训练结果 (22)
1.6.1可视化自编码器训练结果 (22)
1.6.2中英文对照 (24)
1.6.3中文译者 (24)
1.6稀疏自编码器符号一览表 (24)
1.6.1稀疏自编码器符号一览表 (24)
1.6.2中文译者 (25)
1.7Exercise: Sparse Autoencoder (26)
2.矢量化编程实现 (26)
2.1矢量化编程 (26)
2.1.2 中英文对照 (27)
2.1.3 中文译者 (27)
2.2逻辑回归的向量化实现样例 (27)
2.2.1 逻辑回归的向量化实现样例 (27)
2.2.2 中英文对照 (29)
2.2.3 中文译者 (29)
2.3神经网络向量化 (29)
2.3.1 概述 (29)
2.3.2 正向传播 (30)
2.3.3 反向传播 (32)
2.3.4 稀疏自编码网络 (33)
2.3.5 中英文对照 (34)
2.3.6 中文译者 (34)
2.4Exercise: Vectorization (34)
3.预处理：主成分分析与白化 (34)
3.1 主成分分析 (34)
3.1.1 引言 (34)
3.1.2 实例和数学背景 (35)
3.1.3 旋转数据 (37)
3.1.4 数据降维 (37)
3.1.5 还原近似数据 (38)
3.1.6 选择主成分个数 (40)
3.1.7 对图像数据应用PCA算法 (41)
3.1.8 参考文献 (42)
3.1.9 中英文对照 (42)
3.1.10 中文译者 (43)
3.2 白化 (43)
3.2.1 介绍 (43)
3.2.2 2D 的例子 (43)
3.2.4 正则化 (46)
3.2.5 中英文对照 (47)
3.2.6 中文译者 (47)
3.3 实现主成分分析和白化 (47)
3.3.1 实现主成分分析和白化 (47)
3.3.2 中英文对照 (49)
3.3.3 中文译者 (49)
3.4 Exercise: PCA in 2D (49)
3.5 Exercise: PCA and Whitening (49)
4.Softmax回归 (50)
4.1Softmax回归 (50)
4.1.1 简介 (50)
4.1.2 代价函数 (51)
4.1.3 Softmax回归模型参数化的特点 (52)
4.1.4 权重衰减 (53)
4.1.5 Softmax回归与Logistic 回归的关系 (54)
4.1.6 Softmax 回归vs. k 个二元分类器 (54)
4.1.7 中英文对照 (55)
4.1.8 中文译者 (55)
4.2Exercise: Softmax Regression (55)
5.自我学习与无监督特征学习 (56)
5.1自我学习 (56)
5.1.1 综述 (56)
5.1.2 特征学习 (56)
5.1.3 数据预处理 (58)
5.1.4 无监督特征学习的术语 (58)
5.1.5 中英文对照 (59)
5.1.6 中文译者 (59)
5.2Exercise: Self-Taught Learning (60)
6.建立分类用深度网络 (60)
6.1 从自我学习到深层网络 (60)
6.1.1 从自我学习到深层网络 (60)
6.1.2 中英文对照 (62)
6.1.3 中文译者 (63)
6.2 深度网络概览 (63)
6.2.1 概述 (63)
6.2.2 深度网络的优势 (63)
6.2.3 训练深度网络的困难 (64)
6.2.4 逐层贪婪训练方法 (65)
6.2.5 中英文对照 (66)
6.2.6 中文译者 (66)
6.3 栈式自编码算法 (67)
6.3.1 概述 (67)
6.3.2 训练 (67)
6.3.3 具体实例 (68)
6.3.4 讨论 (70)
6.3.5 中英文对照 (70)
6.3.6 中文译者 (71)
6.4 微调多层自编码算法 (71)
6.4.1 介绍 (71)
6.4.2 一般策略 (71)
6.4.3 使用反向传播法进行微调 (71)
6.4.4 中英文对照 (72)
6.4.5 中文译者 (72)
6.5 Exercise: Implement deep networks for digit classification (72)
7.自编码线性解码器 (73)
7.1 线性解码器 (73)
7.1.1 稀疏自编码重述 (73)
7.1.2 线性解码器 (73)
7.1.3 中英文对照 (74)
7.1.4 中文译者 (75)
7.2 Exercise: Learning color features with Sparse Autoencoders (75)
8.处理大型图像 (75)
8.1卷积特征提取 (75)
8.1.1概述 (75)
8.1.2全联通网络 (75)
8.1.3部分联通网络 (76)
8.1.4卷积 (76)
8.1.5中英文对照 (77)
8.1.6中文译者 (78)
8.2池化 (78)
8.2.1 池化: 概述 (78)
8.2.2 池化的不变性 (79)
8.2.3 形式化描述 (79)
8.2.4 中英文对照 (79)
8.2.5 中文译者 (79)
8.3Exercise: Convolution and Pooling (80)
1.稀疏自编码器
1.1神经网络
1.2.1概述
以监督学习为例，假设我们有训练样本集，那么神经网络算法能够提供一
种复杂且非线性的假设模型，它具有参数，可以以此参数来拟合我们的数据。
为了描述神经网络，我们先从最简单的神经网络讲起，这个神经网络仅由一个“神经元”构成，以下即是这个“神经元”的图示：
这个“神经元”是一个以及截距+1为输入值的运算单元，其输出
为，其中函数被称为“激活函数”。在本教
程中，我们选用sigmoid函数作为激活函数
可以看出，这个单一“神经元”的输入－输出映射关系其实就是一个逻辑回归（logistic regression）。
虽然本系列教程采用sigmoid函数，但你也可以选择双曲正切函数（tanh）：
以下分别是sigmoid及tanh的函数图像
tanh(z) 函数是sigmoid函数的一种变体，它的取值范围为 [-1,1] ，而不是sigmoid函数的 [0,1] 。
注意，与其它地方（包括OpenClassroom公开课以及斯坦福大学CS229课程）不同的是，这里我们不再令 x0=1 。取而代之，我们用单独的参数 b 来表示截距。
最后要说明的是，有一个等式我们以后会经常用到：如果选择，
也就是sigmoid函数，那么它的导数就是（如果选择tanh函数，那它
的导数就是，你可以根据sigmoid（或tanh）函数的定义自行推导这个等式。
1.2.2神经网络模型
所谓神经网络就是将许多个单一“神经元”联结在一起，这样，一个“神经元”的输出就可以是另一个“神经元”的输入。例如，下图就是一个简单的神经网络：
我们使用圆圈来表示神经网络的输入，标上“+1”的圆圈被称为偏置节点，也就是截距项。神经网络最左边的一层叫做输入层，最右的一层叫做输出层（本例中，输出层只有一个节点）。中间所有节点组成的一层叫做隐藏层，因为我们不能在训练样本集中观测到它们的值。同时可以看到，以上神经网络的例子中有3个输入单元（偏置单元不计在内），3个隐藏单元及一个输出单元。
我们用来表示网络的层数，本例中，我们将第层记为，于是是输入
层，输出层是。本例神经网络有参数，其中（下面的式子中用到）是第 l 层第 j 单元与第 l+1 层第 i 单元之间的联接参数（其实就是连接线上的
权重，注意标号顺序），是第 l+1 层第 i 单元的偏置项。因此在本例中，，。注意，没有其他单元连向偏置单元(即偏置单元没有输入)，
因为它们总是输出 +1。同时，我们用表示第层的节点数（偏置单元不计在内）。
我们用表示第 l 层第 i 单元的激活值（输出值）。当时，，也就是第 i 个
输入值（输入值的第 i 个特征）。对于给定参数集合，我们的神经网络就可以按照函
数来计算输出结果。本例神经网络的计算步骤如下：
我们用表示第l层第i单元输入加权和（包括偏置单元），比如，，
则。这样我们就可以得到一种更简洁的表示法。这里我们将激活函数扩展
为用向量（分量的形式）来表示，即，那么，上面的等式可以更简洁地表示为：
我们将上面的计算步骤叫作前向传播。回想一下，之前我们用表示输入层的
激活值，那么给定第 l 层的激活值后，第层的激活值就可以按照下面步骤计
算得到：
将参数矩阵化，使用矩阵－向量运算方式，我们就可以利用线性代数的优势对神经网络进行快速求解。
目前为止，我们讨论了一种神经网络，我们也可以构建另一种结构的神经网络（这里结构指的是神经元之间的联接模式），也就是包含多个隐藏层的神经网络。最常见的一个例子
是层的神经网络，第 1 层是输入层，第层是输出层，中间的每个层l与层 l+1 紧密相联。这种模式下，要计算神经网络的输出结果，我们可以按照之前描述的等式，按部就班，
进行前向传播，逐一计算第层的所有激活值，然后是第层的激活值，以此类推，直
到第层。这是一个前馈神经网络的例子，因为这种联接图没有闭环或回路。
神经网络也可以有多个输出单元。比如，下面的神经网络有两层隐藏层：及，输出层有两个输出单元。
要求解这样的神经网络，需要样本集，其中。如果你想预测的输出是多个的，那这种神经网络很适用。（比如，在医疗诊断应用中，患者的体征指标就可以作
为向量的输入值，而不同的输出值可以表示不同的疾病存在与否。）
1.2.3中英文对照
neural networks 神经网络
activation function 激活函数
hyperbolic tangent 双曲正切函数
bias units 偏置项
activation 激活值
forward propagation 前向传播
feedforward neural network 前馈神经网络(参照Mitchell的《机器学习》的翻译)
1.2.4中文译者
孙逊（sunpaofu@https://www.doczj.com/doc/fe17912661.html,），林锋（xlfg@https://www.doczj.com/doc/fe17912661.html,），刘鸿鹏飞（just.dark@https://www.doczj.com/doc/fe17912661.html,）, 许利杰（csxulijie@https://www.doczj.com/doc/fe17912661.html,）
1.2反向传导算法
1.2.1反向传导算法
假设我们有一个固定样本集，它包含个样例。我们
可以用批量梯度下降法来求解神经网络。具体来讲，对于单个样例，其代价函数为：
这是一个（二分之一的）方差代价函数。给定一个包含个样例的数据集，我们可以定义整体代价函数为：
以上公式中的第一项是一个均方差项。第二项是一个规则化项（也叫权重衰减项），其目的是减小权重的幅度，防止过度拟合。
[注：通常权重衰减的计算并不使用偏置项，比如我们在的定义中就没有使用。一般来说，将偏置项包含在权重衰减项中只会对最终的神经网络产生很小的影响。如果你在斯坦福选修过CS229（机器学习）课程，或者在YouTube上看过课程视频，你会发现这个权重衰减实际上是课上提到的贝叶斯规则化方法的变种。在贝叶斯规则化方法中，我们将高斯先验概率引入到参数中计算MAP（极大后验）估计（而不是极大似然估计）。] 权重衰减参数用于控制公式中两项的相对重要性。在此重申一下这两个复杂函数的含
义：是针对单个样例计算得到的方差代价函数；是整体样本代价函数，它包含权重衰减项。
以上的代价函数经常被用于分类和回归问题。在分类问题中，我们用或，来代
表两种类型的标签（回想一下，这是因为sigmoid激活函数的值域为；如果我们使用双曲正切型激活函数，那么应该选用和作为标签）。对于回归问题，我们首先要变换输
出值域（译者注：也就是），以保证其范围为（同样地，如果我们使用双曲正切型激活函数，要使输出值域为）。
我们的目标是针对参数和来求其函数的最小值。为了求解神经网络，我们
需要将每一个参数和初始化为一个很小的、接近零的随机值（比如说，使用正态分
布生成的随机值，其中设置为），之后对目标函数使用诸如批量梯度
下降法的最优化算法。因为是一个非凸函数，梯度下降法很可能会收敛到局部最优解；但是在实际应用中，梯度下降法通常能得到令人满意的结果。最后，需要再次强调的是，要将参数进行随机初始化，而不是全部置为 0。如果所有参数都用相同的值作为初始值，那么所有隐藏层单元最终会得到与输入值有关的、相同的函数（也就是说，对于所有 i，都会取相同的值，那么对于任何输入都会有：）。随机初始化的目的是使对称失效。
梯度下降法中每一次迭代都按照如下公式对参数 W 和b 进行更新：
其中是学习速率。其中关键步骤是计算偏导数。我们现在来讲一下反向传播算法，它是计算偏导数的一种有效方法。
我们首先来讲一下如何使用反向传播算法来计算和，
这两项是单个样例的代价函数的偏导数。一旦我们求出该偏导数，就可
以推导出整体代价函数的偏导数：
以上两行公式稍有不同，第一行比第二行多出一项，是因为权重衰减是作用于 W 而不是 b。
反向传播算法的思路如下：给定一个样例，我们首先进行“前向传导”运算，计算
出网络中所有的激活值，包括的输出值。之后，针对第层的每一个节点，我们计算出其“残差” ，该残差表明了该节点对最终输出值的残差产生了多少影响。对于最终的输出节点，我们可以直接算出网络产生的激活值与实际值之间的差距，我们将这个差距定义
为（第层表示输出层）。对于隐藏单元我们如何处理呢？我们将基于节点（译者注：
第层节点）残差的加权平均值计算，这些节点以作为输入。下面将给出反向传
导算法的细节：
a)进行前馈传导计算，利用前向传导公式，得到直到输出层的激活
值。
b)对于第层（输出层）的每个输出单元，我们根据以下公式计算残差：
c)对的各个层，第层的第个节点的残差计
算方法如下：
[译者注：
将上式中的与的关系替换为与的关系，就可以得到：
以上逐次从后向前求导的过程即为“反向传导”的本意所在。]
d)计算我们需要的偏导数，计算方法如下：
最后，我们用矩阵-向量表示法重写以上算法。我们使用“” 表示向量乘积运算符（在
Matlab或Octave里用“.*”表示，也称作阿达马乘积）。若，则。在上一
个教程中我们扩展了的定义，使其包含向量运算，这里我们也对偏导数也做了同
样的处理（于是又有）。
那么，反向传播算法可表示为以下几个步骤：
a)进行前馈传导计算，利用前向传导公式，得到直到输出层的激活值。
b)对输出层（第层），计算：
c)对于的各层，计算：
d)计算最终需要的偏导数值：
实现中应注意：在以上的第2步和第3步中，我们需要为每一个值计算其。假设是sigmoid函数，并且我们已经在前向传导运算中得到了。那么，使用我们早先推
导出的表达式，就可以计算得到。
最后，我们将对梯度下降算法做个全面总结。在下面的伪代码中，是一个与矩
阵维度相同的矩阵，是一个与维度相同的向量。注意这里“”是一个矩阵，
而不是“与相乘”。下面，我们实现批量梯度下降法中的一次迭代：
a)对于所有，令 , （设置为全零矩阵或全零向量）
b)对于到，
a.使用反向传播算法计算和。
b.计算。
c.计算。
c)更新权重参数：
现在，我们可以重复梯度下降法的迭代步骤来减小代价函数的值，进而求解我们的神经网络。
1.2.2中英文对照
反向传播算法Backpropagation Algorithm
（批量）梯度下降法(batch) gradient descent
（整体）代价函数(overall) cost function
方差squared-error
均方差average sum-of-squares error
规则化项regularization term
权重衰减weight decay
偏置项bias terms
贝叶斯规则化方法Bayesian regularization method
高斯先验概率Gaussian prior
极大后验估计MAP
极大似然估计maximum likelihood estimation
激活函数activation function
双曲正切函数tanh function
非凸函数non-convex function
隐藏层单元hidden (layer) units
对称失效symmetry breaking
学习速率learning rate
前向传导forward pass
假设值hypothesis
残差error term
加权平均值weighted average
前馈传导feedforward pass
阿达马乘积Hadamard product
前向传播forward propagation
1.2.3中文译者
王方（fangkey@https://www.doczj.com/doc/fe17912661.html,），林锋（xlfg@https://www.doczj.com/doc/fe17912661.html,），许利杰（csxulijie@https://www.doczj.com/doc/fe17912661.html,）1.3梯度检验与高级优化
1.3.1梯度检验与高级优化
众所周知，反向传播算法很难调试得到正确结果，尤其是当实现程序存在很多难于发现的bug时。举例来说，索引的缺位错误（off-by-one error）会导致只有部分层的权重得到训练，再比如忘记计算偏置项。这些错误会使你得到一个看似十分合理的结果（但实际上比正确代码的结果要差）。因此，但从计算结果上来看，我们很难发现代码中有什么东西遗漏了。本节中，我们将介绍一种对求导结果进行数值检验的方法，该方法可以验证求导代码是否正确。另外，使用本节所述求导检验方法，可以帮助你提升写正确代码的信心。
缺位错误（Off-by-one error）举例说明：比如循环中循环次，正确应该
是，但有时程序员疏忽，会写成，这就是缺位错误。
假设我们想要最小化以为自变量的目标函数。假设，则。在一维的情况下，一次迭代的梯度下降公式是
再假设我们已经用代码实现了计算的函数，接着我们使
用来实现梯度下降算法。那么我们如何检验的实现是否正确呢？
回忆导数的数学定义：
那么对于任意值，我们都可以对等式左边的导数用：
来近似。
实际应用中，我们常将设为一个很小的常量，比如在数量级（虽
然的取值范围可以很大，但是我们不会将它设得太小，比如，因为那将导致数值舍入误差。）
给定一个被认为能计算的函数，我们可以用下面的数值检验公式
计算两端是否一样来检验函数是否正确。
上式两端值的接近程度取决于的具体形式。但是在假定的情况下，你通常会发现上式左右两端至少有4位有效数字是一样的（通常会更多）。
现在，考虑是一个向量而非一个实数（那么就有个参数要学习得到），并
且。在神经网络的例子里我们使用，可以想象为把参数组合扩展
成一个长向量。现在我们将求导检验方法推广到一般化，即是一个向量的情况。
假设我们有一个用于计算的函数；我们想要检验是否输出正确的求导结
果。我们定义，其中
是第个基向量（维度和相同，在第行是“”而其他行是“”）。所以，和几乎
相同，除了第行元素增加了。类似地，得到的第行
减小了。然后我们可以对每个检查下式是否成立，进而验证的正确性：
当用反射传播算法求解神经网络时，正确算法实现会得到：
以上结果与反向传播算法中的最后一段伪代码一致，都是计算梯度下降。为了验证梯度
下降代码的正确性，使用上述数值检验方法计算的导数，然后验
证与是否能够给出正确的求导结果。
迄今为止，我们的讨论都集中在使用梯度下降法来最小化。如果你已经实现了一
个计算和的函数，那么其实还有更精妙的算法来最小化。举例来说，可以想象这样一个算法：它使用梯度下降，并能够自动调整学习速率，以得到合适的步长值，
最终使能够快速收敛到一个局部最优解。还有更妙的算法：比如可以寻找一个Hessian矩阵的近似，得到最佳步长值，使用该步长值能够更快地收敛到局部最优（和牛顿法类似）。此类算法的详细讨论已超出了这份讲义的范围，但是L-BFGS算法我们以后会有论述（另一个例子是共轭梯度算法）。你将在编程练习里使用这些算法中的一个。使用这些高级优化算
法时，你需要提供关键的函数：即对于任一个，需要你计算出和。之后，这
些优化算法会自动调整学习速率/步长值的大小（并计算Hessian近似矩阵等等）来自动
寻找最小化时的值。诸如L-BFGS和共轭梯度算法通常比梯度下降法快很多。
1.3.2中英文对照
off-by-one error 缺位错误
bias term 偏置项
numerically checking 数值检验
numerical roundoff errors 数值舍入误差
significant digits 有效数字
unrolling 组合扩展
learning rate 学习速率
Hessian matrix Hessian矩阵
Newton's method 牛顿法
conjugate gradient 共轭梯度
step-size 步长值
1.3.3中文译者
袁晓丹（shadowwalker1991@https://www.doczj.com/doc/fe17912661.html,），王方（fangkey@https://www.doczj.com/doc/fe17912661.html,），林锋（xlfg@https://www.doczj.com/doc/fe17912661.html,），许利杰（csxulijie@https://www.doczj.com/doc/fe17912661.html,）
1.4自编码算法与稀疏性
1.4.1自编码算法与稀疏性
目前为止，我们已经讨论了神经网络在有监督学习中的应用。在有监督学习中，训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集
合，其中。自编码神经网络是一种无监督学习算法，它使用
了反向传播算法，并让目标值等于输入值，比如。下图是一个自编码神经网络的示例。
自编码神经网络尝试学习一个的函数。换句话说，它尝试逼近一个恒等函
数，从而使得输出接近于输入。恒等函数虽然看上去不太有学习的意义，但是当我们为自编码神经网络加入某些限制，比如限定隐藏神经元的数量，我们就可以从输入数据中发现一些有趣的结构。举例来说，假设某个自编码神经网络的输入是一张图像（共
100个像素）的像素灰度值，于是，其隐藏层中有50个隐藏神经元。注意，输
出也是100维的。由于只有50个隐藏神经元，我们迫使自编码神经网络去学习输
入数据的压缩表示，也就是说，它必须从50维的隐藏神经元激活度向量中重构
出100维的像素灰度值输入。如果网络的输入数据是完全随机的，比如每一个输入都是一个跟其它特征完全无关的独立同分布高斯随机变量，那么这一压缩表示将会非常难学习。
但是如果输入数据中隐含着一些特定的结构，比如某些输入特征是彼此相关的，那么这一算法就可以发现输入数据中的这些相关性。事实上，这一简单的自编码神经网络通常可以学习出一个跟主元分析（PCA）结果非常相似的输入数据的低维表示。
我们刚才的论述是基于隐藏神经元数量较小的假设。但是即使隐藏神经元的数量较大（可能比输入像素的个数还要多），我们仍然通过给自编码神经网络施加一些其他的限制条件来发现输入数据中的结构。具体来说，如果我们给隐藏神经元加入稀疏性限制，那么自编码神经网络即使在隐藏神经元数量较多的情况下仍然可以发现输入数据中一些有趣的结构。
稀疏性可以被简单地解释如下。如果当神经元的输出接近于1的时候我们认为它被激活，而输出接近于0的时候认为它被抑制，那么使得神经元大部分的时间都是被抑制的限制则被称作稀疏性限制。这里我们假设的神经元的激活函数是sigmoid函数。如果你使用tanh作为激活函数的话，当神经元输出为-1的时候，我们认为神经元是被抑制的。
注意到表示隐藏神经元的激活度，但是这一表示方法中并未明确指出哪一个输
入带来了这一激活度。所以我们将使用来表示在给定输入为情况下，自编码神经网络隐藏神经元 j 的激活度。进一步，让
表示隐藏神经元的平均活跃度（在训练集上取平均）。我们可以近似的加入一条限制
其中，是稀疏性参数，通常是一个接近于0的较小的值（比如）。换句话说，我们想要让隐藏神经元 j 的平均活跃度接近0.05。为了满足这一条件，隐藏神经元的活跃度必须接近于0。
为了实现这一限制，我们将会在我们的优化目标函数中加入一个额外的惩罚因子，而这
一惩罚因子将惩罚那些和有显著不同的情况从而使得隐藏神经元的平均活跃度保持在较小范围内。惩罚因子的具体形式有很多种合理的选择，我们将会选择以下这一种：
这里，是隐藏层中隐藏神经元的数量，而索引依次代表隐藏层中的每一个神经元。如果你对相对熵（KL divergence）比较熟悉，这一惩罚因子实际上是基于它的。于是惩罚因
四级深度阅读 2012.6（两篇）-2012.12（第一篇） 2012年6月的第57题 提问方式：In the initial stage,the current economic crisis is likely to _______. 参考答案：Bring about a drop in the divorce rate 答案来源：第一段前两句，If the Great Depression is any guide, we may see a drop in our skyhigh divorce rate. 2012年6月的第59题 提问方式：In addition to job losses. What stands in the way of unhappy couples getting a divorce?参考答案：D Falling housing prices 答案来源：第三段，Furthermore, the housing market meltdown will make it more difficult for them to finance their separations by selling their homes. 2012年6月的第60题 提问方式：What will the current economic crisis eventually do to some married couples? 参考答案：B It will irreparably damage their relationship 答案来源：最后一段，Today’s economic crisis could well generate a similar numb er of couples whose relationships have been irreparably(无法弥补地)ruined. 2012年6月的第62题 提问方式：What do we learn about Facebook from the first paragraph? 参考答案：D It profits by selling its users’ personal data. 答案来源：第一段，Facebook then attempts to make money by selling their data to advertisers that want to send targeted messages. 2012年6月的第64题 提问方式：Why does Facebook make changes to its rules according to Elliot Schrage? 参考答案：C To render better service to its users. 答案来源：第四段，According to Facebook’s vice-president Elliot Schrage, the company is simply making changes to improve its service,
2019年12月四级深度阅读真题详解 第一套 Passage One Question 56 to 60 are based on the following passage. 56-60 ACBDB Children are a delight(=hapiness/joy). They are our future. (56)But sadly, hiring someone to take care of them while you go to work is getting more expensive by the year. Earlier this month, it was reported that the cost of enrolling an infant or small kid at a childcare center rose 3% in 2012, faster than the overall cost of living. There are now large strip s(狭长地带) of the country where daycare for an infant (57)This is not necessarily a new trend,but it is a somewhat puzzling one. The price of professional childcare has been rising since the 1980s. Yet during that time, pay for professional childcare workers has stood still. Actually(=in fact) are responsible for up to 80% of a daycare center's expenses, one would expect flat wages to have meant flat prices. So who's to blame for higher childcare costs? Childcare is a carefully regulated industry. States lay down rules about how many children each employee is allowed to watch over, the space care centers need per child, and other minute details. (58)And the stricter the regulation s, the higher the costs. If it(保育中心) has to hire a caregiver for every two children, it can't really achieve any economics of scale on labor to save money (通过压缩劳动力成本来省钱)when other expenses go up. (59) In Massachusetts, where childcare centers must hire one teacher for every three infant s, the price of care averaged more than $16,000 per year. In Mississippi, where centers must hire one teacher for every five infant s, the price of care averaged less than $5,000. Unfortunately, I don't have all the daycare-center regulations handy. (60)elaborate, prices have risen. The trade off(交换(60)But certainly, it doesn't seem to be an accident that some of the cheapest daycare available is in the least regulate d(=rule/manage) South. 56. What problem do parents of small kids have to face? A) The ever-rising childcare prices. B) The budgeting of family expenses. C) The balance between work and family. D) The selection of a good daycare center. 57. What does the author feel puzzled about? A) Why the prices of childcare vary greatly from state to state. B) Why increased childcare prices have not led to better service. C) Why childcare workers' pay has not increased with the rising childcare costs. D) Why there is a severe shortage of childcare professionals in a number of states. 58. What prevents childcare centers from saving money? A) Steady increase in labor costs. B) Strict government regulations. C) Lack of support from the state. D) High administrative expenses. 【解析】infant['?nf?nt]n.baby/child 婴/幼儿；未成年人 59. Why is the average cost of childcare in Mississippi much lower than in Massachusetts? A) The overall quality of service is not as good. B) Payments for caregivers there are not as high. D) Each teacher is allowed to care for more kids. 60. What is the author’s view on daycare service? A)Caregivers should receive regular professional training. B) Less elaborate rules about children might lower costs. C) It is crucial to strike a balance between quality and costs. D) It is better for different states to learn from each other. 【解析】elaborate[?'l?b?r?t]adj. cdetailed/full精心制作/复杂/详尽/煞费苦心的 Passage Two Questions 61-65 are based on the following passage. 61-65DDCBC (61)Alex Pang's amusing new book The Distraction Addiction (分心成瘾)addresses(v.向…讲话). And that, he claims,
“缠中说禅”股市技术理论 ——市场哲学的数学原理 缠中说禅
前言关于“缠中说禅”股市技术理论......................................................................................................................- 1 - 第一章 形态学...........................................................................................................................................................- 2 - 第一节 自同构性结构.......................................................................................................................................- 2 - 第二节 均线位置形态.......................................................................................................................................- 3 - 第三节 级别.......................................................................................................................................................- 3 - 第四节 K线的包含关系....................................................................................................................................- 4 - 第五节 分型.......................................................................................................................................................- 5 - 第六节 笔...........................................................................................................................................................- 7 - 第七节 线段.......................................................................................................................................................- 7 - 第八节 走势中枢...............................................................................................................................................- 9 - 第九节 走势及走势类型..................................................................................................................................- 10 - 第二章 动力学.........................................................................................................................................................- 12 - 第一节 走势必完美.........................................................................................................................................- 12 - 第二节 走势分解.............................................................................................................................................- 13 - 第三节 趋势力度.............................................................................................................................................- 18 - 第四节 背驰与盘整背驰..................................................................................................................................- 18 - 第五节 走势中枢震荡.....................................................................................................................................- 21 - 第六节 中阴阶段.............................................................................................................................................- 22 - 第七节 转折的力度与级别..............................................................................................................................- 26 - 第八节 走势结构的两重表里关系..................................................................................................................- 30 - 第三章 操作指导.....................................................................................................................................................- 32 - 第一节 三个互相独立的程序..........................................................................................................................- 32 - 第二节 均线构成的买卖系统..........................................................................................................................- 32 - 第三节 均线、轮动与缠中说禅板块强弱指标..............................................................................................- 33 - 第四节 走势中枢与买卖点..............................................................................................................................- 34 - 第五节 构筑顶底.............................................................................................................................................- 37 - 第六节 区间套.................................................................................................................................................- 38 - 第七节 级别的递增及操作..............................................................................................................................- 40 - 第八节 每日走势分类.....................................................................................................................................- 40 - 第九节 牛市中的爆跌行情分析......................................................................................................................- 41 - 第十节 缺口.....................................................................................................................................................- 44 - 第十一节 预测.................................................................................................................................................- 44 - 第十二节 回避市场风险..................................................................................................................................- 49 - 第十三节 走势的心理较量..............................................................................................................................- 52 - 第十四节 分段操作.........................................................................................................................................- 53 - 第十五节 踏准节奏.........................................................................................................................................- 53 - 第十六节 市场获利机会的绝对分类..............................................................................................................- 54 - 第十七节 有些人是不适合参与市场的..........................................................................................................- 55 - 第十八节 赌徒心理.........................................................................................................................................- 56 - 第十九节 安全买股法.....................................................................................................................................- 56 - 第二十节 中小资金的高效买卖法..................................................................................................................- 57 - 第二十一节 最大利润操作法..........................................................................................................................- 58 - 第二十二节 走势分析中必须杜绝一根筋思维..............................................................................................- 58 - 第二十三节 机械化操作..................................................................................................................................- 59 - 第二十四节 操作中的一些细节问题..............................................................................................................- 62 - 第二十五节 具体走势的分析..........................................................................................................................- 63 - 第二十六节 逗庄家玩的一些杂史..................................................................................................................- 85 -
第一章阅读理解 一．阅读理解概述 大学英语四级考试阅读部分共有四篇短文，考试时间为35分钟。每篇文章长度在250~300词左右，共有20题。考试形式为多项选择题，要求考生根据文章内容从中选出最佳答案。阅读理解占总分的40%，几乎达到总分的一半。因此，考生对阅理解这一部分应有足够的重视。 阅读理解中的文章所涉及的题材十分广泛，但大致可分为两大类。一类是人文社会方面的，诸如政治、经济、法律、历史、地理、文化、教育、人物、家庭、婚姻、伦理、犯罪以及交通、能源、环境等社会问题。另一类是自然科学方面的，如动植物、生物、医学、地质、海洋、天文、空间技术及其它最新科技发展及其成果。就文体而言，包括记叙文、说明文、议论文等。记叙文记叙过去发生的事件和经历，包括传记、游记、报导、回忆录和故事等。说明文说明客观事物和现象的特点和性能。议论文是采用摆事实讲道理的方式来论说某一观点是否正确，由论点、论据与结论构成。从历届四级考题来看，虽然各类题材和文体都有，但主要还是与科技内容有关的说明文与议论文。 阅读理解部分主要测试考生以下几方面的能力： 1．掌握所读文章的主旨和中心大意； 2．了解说明中心大意的事实和有关细节； 3．根据上下文判断词汇和短语的具体含义； 4．既能理解单个句子的意思，又能判断句与句之间存在的逻辑关系； 5．既能理解字面的意思，也能根据所读材料进行一定的分析、判断和推论； 6．领会作者的观点和态度。 由此可见，要想在阅读理解这一部分取得较佳成绩，考生除了要有一定的词汇短语及语法知识作基础外，还必须具有一定的快速阅读能力和分析、理解、判断以及推理的能力。这些能力是可以通过大量的阅读实践和一定的方法指导，逐步得到提高的。 二．阅读理解题目的类型及解题方法 1
四级深度阅读140个必备核心词 （06.6-09.12：8套） 说明：深度阅读是四级得分的关键，占总分的20%。阅读能力提高的前提是词汇， 阅读中有些单词对文章的理解和做 题起着至关重要的作用，以下词属于 新四级的全部阅读核心词，建议集中 记忆，快速突破，扫清阅读的障碍。 1.accuracy 2.aggressive 3.angel 4.approach 5.appropriate 6.arrest 7.assessment 8.assignment 9.authority 10.automatically 11.available 12.barrier 13.behalf 14.beneficial 15.boundary 16.brand 17.budget 18.burden 19.casually 20.charity 21.collaborative https://www.doczj.com/doc/fe17912661.html,mitment https://www.doczj.com/doc/fe17912661.html,mittee https://www.doczj.com/doc/fe17912661.html,parable https://www.doczj.com/doc/fe17912661.html,plicated https://www.doczj.com/doc/fe17912661.html,position 27.concept 28.condemn 29.confess 30.confrontation 31.construct 32.convey 33.correspond 34.creative 35.crisis 36.critical 37.cultivate 38.deadline 39.debate 40.decline 41.diplomatic 42.disastrous 43.discount 44.disposable 45.distinction 46.distinctly 47.distinguish 48.donation 49.dramatic 50.element 51.eliminate 52.emission 53.encounter 54.equivalent 55.evidence 56.excellent 57.exchange 58.exemplify 59.fascinate 60.financial 61.glance 62.globalization 63.grant 64.identical 65.immigrant 66.impact 67.indistinguishable 68.inevitably 69.influential 70.inherent 71.initiative 72.instant 73.intelligence 74.interaction 75.loyalty 76.mainstream 77.minimize 78.modest
深度阅读练习题 练习6. 2012年12月第一套 Passage One Questions 57 to 61 are based on the following passage. As you are probably aware, the latest job markets news isn’t good: Unemployment is still more than 9 percent, and new job growth has fallen close to zero. That’s bad for the economy, of course. And it may be especially discouraging if you happen to be looking for a job or hoping to change careers right now. But it actually shouldn’t matter to you nearly as much as you think. That’s because job growth numbers don’t matter to job hunters as much as job turnover (人员更替) data. After all, existing jobs open up every day due to promotions, resignations, terminations(解雇), and retirements. (Yes, people are retiring even in this economy.) In both good times and bad, turnover creates more openings than economic growth does. Even in June of 2007, when the economy was still moving ahead, job growth was only 132,000, while turnover was million! And as it turns out, even today — with job growth near zero — over 4 million job hunters are being hired every month. I don’t mean to imply that overall job growth doesn’t have an impact on one’s ability to land a job. It’s true that if total employment were higher, it would mean more jobs for all of us to choose from (and compete for). An d it’s true that there are currently more people applying for each available job opening, regardless of whether it’s a new one or not.
2019 年12 月大学英语四级考试阅读讲义（四十六） Uint19 Part II Reading Comprehension (35 minutes) Passage One Questions 21 to 25 are based on the following passage. Our culture has caused most Americans to assume not only that our language is universal but that the gestures we use are understood by everyone. We do not realize that waving good-bye is the way to summon a person from the Philippines to one 's side, or t hat in Italy and some Latin-American countries, curling the finger to oneself is a sign of farewell. Those private citizens who sent packages to our troops occupying Germany after World War II and marked them GIFT to escape duty payments did not bother t o find out that “Gift means poison in German. Moreover, we like to think of ourselves as friendly, yet we prefer to be at least 3 feet or an arm's length away from others. Latins and Middle Easterners like to come closer and touch, which makes Americans uncomfortable. Our linguistic ( 语言上的) and cultural blindness and the casualness with which we take notice of the developed tastes, gestures, customs and language of other countries, are losing us friends, business and respect in the world. Even here in the United States, we make few concessions to the
长难句分析 在大学英语四级考试的阅读理解中，我们经常会遇到一些长而难的句子。长难句通常含有较多、较长的修饰成分、并列成分或从句。长难句的丰富内容和复杂结构往往会导致理解的困难。理解长难句的关键是了解长难句的类型，理清句子成分，抓住句子中的关键部分。 1、四级难点 2、攻克长难句对于四级的意义 3、如何攻克 一、理解长难句两个关键性问题、三个要素 （一）两个关键问题 1、理解不到位 A．简单句Over the years, tools and technology themselves has been largely ignored by people. B．复合句The boy who was crying as if his heart would break, said, when I spoke to him, that he was very hungry because he had had no food for two days. 2、表达不通顺 A．主线结构顺线走 a.主语从句 例1、What he told me was only half-truth. 例2、How he is going to do it is a secret. b．宾语从句 例1、Can you hear what I say? 例2、He has informed me when they are to discuss my proposal. C．表语从句例：One difficulty is that we don’t have money. B．定语状语往前勾 a．定语 例1、the course of reasoning which led him to his decision
背驰，背道而驰，无道就没有背驰，这就是所谓，无趋势无背驰，那么是否可以反推一个结论：无背驰，无反趋势。实际经验中，确实如此。 关于MACD辅助背驰判断，缠的评价很高，认为如果能够熟练，基本可以对付95%以上的情况，此外又方便又简单，再结合几何的方法判断，基本十有十中。 我建议大家都做为缠论的原教旨主义者，就是完全按缠论原文来学习来应用，原汁原味，至于推陈出新，那是以后你成了大师以后的事情。 今天整理如下，收获很大，关于实际的体会与经验，将另文作为下篇，我也要在下周的实操中继续体会。 （1---21等为缠的原文，括号内为本博碎语，所谓碎语闲话，当然可以不计较的）： 1、先区分趋势与盘整，再搞清楚背驰与盘整背驰。 （博主：小学毕业的必须，一句话，必须的，必须必，呵呵） 2、盘整背驰的三种情况要搞清楚，盘整背驰出来不一定有大幅下跌，否则怎么有第三类买点的构成。而趋势中产生的背驰，一定至少要跌回B段中，这就可以预先知道最少的跌幅。 （博主：不清楚这一点，就会操作中搞糊涂，到底做短差，还是做波
段。） 3、背驰的回跌力度，和级别很有关系，如日线的上涨段出现背驰，MACD刚创新高，MACD刚出红柱子，即使5分钟出现背驰，那么力度也有限，只可以做做短差，甚至可以不管，而日线走势的最终阶段，特别是上涨的延伸段，1个1分钟的背驰也可能引发暴跌，所以这一点必须多级别综合的来考虑，决不能一看背驰就等跌50%. （博主：很多错卖就是不清楚如此。） 4、背驰出货都是上涨中出的，一路涨一路出。什么时候开始出？除了两段趋势之间的力度，还要看第二段内部的背驰，特别两端趋势之间是一个狭窄的平台整理，为什么？因为调整有交替关系，一个平台整理后，下一个调整往往是快跌型的，因此必须要配合第二个趋势的内部背驰看，这个背驰在1分钟或5分钟图上都太明显，根本不用等到下跌时才发现。 （博主：区间套，盘跌调整和急跌调整交替的模式要注意） 5、背驰只可能出现一次，怎么可能一次又一次。你认为的一次又一次的，根本就不是本ID所说的背驰，注意，背驰是两个同级别趋势之间对比产生的。先把什么是背驰搞清楚。 （博主：汗，最早很疑惑就是这个背了又背）
2019年12月大学英语四级考试阅读讲义(四十二) Unit 15 Part Ⅱ Reading Comprehension (35 minutes) Directions： There are 4 reading passages in this part. Each passage is followed by some questions or unfinished statements. For each of them there are four choices marked A), B), C) and D). You should decide on the best choice and mark the corresponding letter on the Answer Sheet with a single line through the centre.考试大 Questions 21 to 25 are based on the following passage： We sometimes think humans are uniquely vulnerable to anxiety, but stress seems to affect the immune defenses of lower animals too. In one experiment, for example, behavioral immunologist(免疫学家) Mark Laudenslager, at the University of Denver, gave mild electric shocks to 24 rats. Half the animals could switch off the current by turning a wheel in their enclosure, while the other half could not. The rats in the two groups were paired so that each time one rat turned the wheel it protected both itself and its helpless partner from the shock. Laudenslager found that the immune response was depressed below normal in the helpless rats but not in those that could turn off the electricity. What he has demonstrated, he believes, is that lack of control over an event, not the experience itself, is what weakens the immune system.