原**：
pennington j, socher r, manning c. glove: global vectors for word representation[c]//
conference on empirical methods in natural language processing. 2014:1532-1543.
根據部落格的翻譯粗略了解glove演算法，但是說得不詳細，回過頭再看原**。
補充一些本人的理解：
原**為什麼說下面這個公式pik/pjk比簡單的pik更能判斷詞i和k或者j和k是聯絡性大or小？
我是這樣理解的：pik是乙個數值，怎麼衡量這個數值大還是小，換言之，怎麼根據pik判斷詞i和k的聯絡大小，需要比較，才有大小之分，例如，i和k的聯絡大（小），j和k的聯絡小（大），那麼pik/pjk就是大於（小於）1的數，那麼就能判斷分子（分母）i和k（j和k）的聯絡大。其他情況，i和k，j和k聯絡都比較大或小，**中得出的統計規律是pik/pjk接近1，這種情況下無法去判斷i和k（j和k）聯絡大小的。因此，我覺得訓練集樣本應該是三個詞i,j,k組合而成的，並且根據統計資料pik/pjk不能接近1，才能學習出體現兩個詞之間的聯絡的詞向量表示（訓練過程中的引數）,但是**中為了簡化計算，讓模型學習pik，輸入樣本是兩個詞。
但是！**中在推理的過程中，本來打算要學習下面的三個詞輸入的函式f(i,j,k)
推理到後面，為了簡化計算，把三維的樣本降低為二維，學習f(i,k)
由上面兩個式子得：f(wi內積wk) = exp(wi內積wk)，這麼一看，其實f也就模型並不是神經網路，僅僅只是個二元指數函式。
擬合（訓練）上述二元指數函式f，訓練集：輸入為詞對（i,j），標籤為（pij）,引數為wi,wj，也就是詞i,j的向量表示
用下面的代價函式優化得到引數，實際上就是最小二每個樣本乘了個和詞對出現頻率正相關的權值，具體推導請看原**。
詞向量做為引數，在訓練過程中得出，學習到的模型輸入是詞i和k,輸出是i和k的聯絡pik。不過該模型最大功能是訓練出能體現不同詞之間的聯絡性（詞向量相乘）的詞向量表示。
CAMB中檢視波矢的取值範圍
角功率譜對波矢的積分是從0到無窮大的，但實際上camb中並沒有積分如此廣泛，而是有上下限的，因為 首先進入 test camb nov2016 vim power tilt.f90中，對f.90檔案增加一行命令如下圖 紅色方框表示的是建乙個字尾為123的檔案,輸出k，write的格式為 write ...
向量網路分析儀（矢網）的校準
一 誤差分析 網路分析儀測試過程中的誤差主要分為三類 系統誤差 隨機誤差 漂移誤差。1 系統誤差是由於儀表內部測試裝置的不理想引起，它是可預示和可重複出現的。由於是不隨時間變化的，從而可以定量進行描述。系統誤差可在測試過程中通過校準消除。2 隨機誤差是不可預示的，因為它以隨機形式存在，會隨時間變化，...
數的定點表示和數的浮點表示
數的定點表示 小數點按照約定的形式給出。在計算機裡面沒有專門的硬體用來表示小數點，所謂的小數點都是計算機體系設計人員按照約點的形式給出的。按照約定的方式，可以將計算機分為兩種 一種是小數點在數符後面數值前面，一種是數值後面。如圖 前面這種稱為小數定點機，後面的稱為整數定點機。下面是這兩種形式計算機的...