( )是对信息进行计量和记录之后形成的文字、语音、图形、图像、动画、视频、多媒体、富媒体等多种形式的记录

()是科学推理的两大基本手段。

()的出现，使研究无限假设空间的复杂度成为可能。

维利昂特在1984年发表的论文创立了()研究领域，使机器学习有了坚实的数学基础，扫清了学科发展的障碍。

()模型是一种生成式有向图模型，主要用于处理离散型的数据，在信息检索、自然语言处理等领域有广泛应用。

()学派认为未知参数与其他变量一样，都是随机变量，因此参数估计和变量推断能统一在推断框架下进行。

若变量间存在显式的因果关系，则常使用()模型。

在已知模型的环境中学习称为()。

()网络是一种竞争学习型的无监督神经网络，它能将高维输入数据映射到低维空间，同时保持输入数据在高维空间的拓扑结构，即将高维空间中相似的样本点映射到网络输出层中的临近神经元。

()是一种单隐层前馈神经网络，它使用径向基函数作为隐层神经元激活函数，而输出层则是对隐层神经元输出的线性组合

神经网络中最基本的成分是()模型。