日期：2013-6-1 来源：GBin1.com
二十年前的今天，CERN发布声明，让世界万维网面向所有人。为了庆祝这历史性的一刻，CERN决定将最早出现的网站重新上线，并沿用其最初的URL。
如果你想看看由Tim Berners-Lee和WWW团队上线的第一个网站，那么点击下面这个URL看看吧。
http://info.cern.ch/hypertext/WWW/TheProject.html
多年来，最原始的网站的URL都非常简单的定向到：info.cern.ch。但是，因为我们都知道URI从来没有改变过，因此CERN将他又再次启用。这个网站曾经从W3C的站点档案中重建过，因此现在你看到的是1992年的备份，而不是最初始的原始网站。更可悲的是，尽管CERN团队希望可以找到个更早的副本，但是迄今为止，这是我们可以找到的最早的副本。
你 一定要查看一下这个最原始的网页的源代码，你会发现一些蛛丝马迹关于早期的HTML语言 - 例如使用<HEADER>而不是用<HEAD>，又或者，你可以发现这个网页并没有使用<HTML>根标签。当然你 还可以看到在<NEXTID N="55">标签中，有着一丝Berners-Lee著名的NeXT机器的痕迹。
CERN从将其他页面陆续上线开始，对原始网站有着长远的计划。“然后我们将在CERN上看到最早的网络服务器，并且可以保存和分享这些资源”，CERN的Dan Noyes如此写道：“我们将仔细查看文档，然后尝试恢复机器名和IP地址。”
与此同时，你可以看看网站的原始Todo List，还可以阅读一下Mark Boulton关于恢复最原始网站项目的博客。
via Nelly@极客社区
相关推荐
**RBF神经网络详解——实现分类与回归** RBF（Radial Basis Function，径向基函数）神经网络是一种非线性模型，广泛应用于分类和回归问题。它的核心思想是通过径向基函数来构建网络的隐藏层，这些函数通常具有中心...
广义自回归神经网络（Generalized Regression Neural Network, GRNN）是一种在机器学习领域广泛应用的非线性预测模型。GRNN的设计灵感来源于统计学中的核平滑方法，它结合了神经网络的灵活性与非参数回归的简洁性。...
输入层接收原始数据，隐藏层负责复杂功能的学习，输出层则产生网络的预测结果。每层神经元之间存在权值连接，这些权值在训练过程中不断调整以最小化预测误差。 **分类与回归任务** 1. **分类**：在分类任务中，BP...
【基于RBF网络的非线性函数回归的研究】 在信息技术领域，非线性函数回归是一项重要的挑战，尤其在处理复杂数据模式和系统建模时。RBF（Radial Basis Function）网络，作为一种高效的前馈神经网络，被广泛应用于...
**Python实现BP神经网络回归预测模型** 在现代数据分析和机器学习领域，神经网络是一种强大的工具，尤其在预测任务中表现出色。本教程将深入探讨如何使用Python编程语言实现一个反向传播（Backpropagation，简称BP...
在神经网络领域，RBF（Radial Basis Function，径向基函数）网络是一种常见的非线性模型，尤其适用于解决复杂的回归问题。RBF网络因其在处理非线性映射时的强大能力而备受青睐，它通过将输入数据映射到高维空间，在...
输入层接收原始数据，隐藏层包含一系列的径向基函数单元，每个单元以网络的中心点为中心，具有不同的半径和形状参数。输出层则对隐藏层的输出进行线性组合，生成最终的预测结果。这种网络架构使得RBF能够有效地处理...
RBF（Radial Basis Function，径向基函数）网络是一种广泛应用的人工神经网络，尤其在非线性函数回归问题中表现出色。它以其独特的结构和高效的学习能力，被广泛用于解决复杂的数学建模和预测任务。本文将详细介绍...
RBF神经网络（Radial Basis Function Network）是一种广泛应用于分类和回归任务的前馈神经网络。它的主要特点是采用径向基函数作为隐藏层神经元的激活函数，这使得RBF网络能够有效地处理非线性问题。以下是关于RBF...
RBF（Radial Basis Function，径向基函数）网络是一种常用的非线性回归模型，它在机器学习和数据分析领域有着广泛的应用。RBF网络的基本思想是通过一系列的径向基函数来构建一个非线性的超平面，从而实现对复杂数据...
**BP神经网络回归** BP（Backpropagation）神经网络是一种广泛应用的人工神经网络，主要用于解决非线性问题的预测和分类。在本案例中，我们关注的是其在回归任务中的应用，即通过训练数据学习一个函数，使得网络的...
1. **非线性函数回归**：传统的线性回归模型无法很好地处理非线性的数据关系，而RBF网络通过其非线性的隐含层函数，能够有效地拟合复杂的非线性模式，从而实现对非线性函数的精确回归。 2. **径向基函数**：RBF网络...
在本资源包“数学建模源码集锦-有导师学习神经网络的回归拟合应用实例”中，我们可以深入探讨如何运用神经网络进行回归拟合，特别是在数学建模中的实践应用。回归拟合是统计学和机器学习领域的一个重要概念，它通过...
在本文中，我们将深入探讨如何使用MATLAB进行神经网络RBF（Radial Basis Function）回归。RBF神经网络是一种非线性模型，尤其适合处理非线性数据拟合问题。它通过利用径向基函数作为隐层节点的激活函数来构建一个...
卷积神经网络（CNN）是深度学习领域的一种重要模型，尤其在图像处理任务中表现出色。在这个场景中，我们利用CNN构建一个回归模型，目的是预测手写数字的旋转角度。回归模型是一种预测连续数值的机器学习模型，不同于...
RBF（Radial Basis Function，径向基函数）网络是一种常用的神经网络模型，它在非线性函数拟合和回归问题中表现出色。RBF网络以其独特的结构和工作原理，能够处理复杂的输入输出关系，尤其适合对非线性数据进行建模...
本案例分析聚焦于RBF（Radial Basis Function，径向基函数）神经网络，这是一种特殊的前馈神经网络，常用于函数拟合、分类和回归任务。RBF网络以其快速收敛和对非线性关系的高效表达而受到青睐。 RBF网络通常由输入...