One Forth

符号索引 · 1295 条

同形符号由命名空间区分。

符号条目记录数学写法、纯文本形式、含义、单位与假设。相同字母在不同学科中的含义不会被强行合并。

1295 个符号
One Forth 已登记数学与物理符号
符号含义命名空间单位 / 条件别名 / 冲突教材位置
xxx《序列训练与解码》“自回归似然来自概率链式法则”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A07 · 序列损失、教师强制与解码 · 共 2 处
  1. A07 · 序列损失、教师强制与解码 · 正文位置 1
  2. A07 · 序列损失、教师强制与解码 · 正文位置 2
xxx《Transformer架构》“编码器块让每个有效位置读取双向上下文”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A07 · 编码器、解码器与 Transformer 架构 · 共 3 处
  1. A07 · 编码器、解码器与 Transformer 架构 · 正文位置 1
  2. A07 · 编码器、解码器与 Transformer 架构 · 正文位置 2
  3. A07 · 编码器、解码器与 Transformer 架构 · 正文位置 3
xxx《对比学习》“配对关系才是监督信号”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}A08 · 对比学习、负样本与信息瓶颈
xxx《掩码预测》“离散词元目标使用条件分类”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A08 · 掩码预测与上下文建模 · 共 4 处
  1. A08 · 掩码预测与上下文建模 · 正文位置 1
  2. A08 · 掩码预测与上下文建模 · 正文位置 2
  3. A08 · 掩码预测与上下文建模 · 正文位置 3
  4. A08 · 掩码预测与上下文建模 · 正文位置 4
xxx《生成模型综合复习》“显式密度与隐式生成回答不同问题”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A09 · 生成质量、覆盖与生成模型综合复习 · 共 4 处
  1. A09 · 生成质量、覆盖与生成模型综合复习 · 正文位置 1
  2. A09 · 生成质量、覆盖与生成模型综合复习 · 正文位置 2
  3. A09 · 生成质量、覆盖与生成模型综合复习 · 正文位置 3
  4. A09 · 生成质量、覆盖与生成模型综合复习 · 正文位置 4
xxx《归一化流》“用双射搬运概率质量”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A09 · 正规化流与可逆变换 · 共 10 处
  1. A09 · 正规化流与可逆变换 · 正文位置 1
  2. A09 · 正规化流与可逆变换 · 正文位置 2
  3. A09 · 正规化流与可逆变换 · 正文位置 3
  4. A09 · 正规化流与可逆变换 · 正文位置 4
  5. A09 · 正规化流与可逆变换 · 正文位置 5
  6. A09 · 正规化流与可逆变换 · 正文位置 6
  7. A09 · 正规化流与可逆变换 · 正文位置 7
  8. A09 · 正规化流与可逆变换 · 正文位置 8
  9. A09 · 正规化流与可逆变换 · 正文位置 9
  10. A09 · 正规化流与可逆变换 · 正文位置 10
xxx《变分自编码器》“从边缘似然推导证据下界”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A09 · 变分自编码器与证据下界 · 共 14 处
  1. A09 · 变分自编码器与证据下界 · 正文位置 1
  2. A09 · 变分自编码器与证据下界 · 正文位置 2
  3. A09 · 变分自编码器与证据下界 · 正文位置 3
  4. A09 · 变分自编码器与证据下界 · 正文位置 4
  5. A09 · 变分自编码器与证据下界 · 正文位置 5
  6. A09 · 变分自编码器与证据下界 · 正文位置 6
  7. A09 · 变分自编码器与证据下界 · 正文位置 7
  8. A09 · 变分自编码器与证据下界 · 正文位置 8
  9. A09 · 变分自编码器与证据下界 · 正文位置 9
  10. A09 · 变分自编码器与证据下界 · 正文位置 10
  11. A09 · 变分自编码器与证据下界 · 正文位置 11
  12. A09 · 变分自编码器与证据下界 · 正文位置 12
  13. A09 · 变分自编码器与证据下界 · 正文位置 13
  14. A09 · 变分自编码器与证据下界 · 正文位置 14
xxx《图与图信号》“平滑是局部算子，不是证明标签相同”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A11 · 图、图信号与节点表示 · 共 7 处
  1. A11 · 图、图信号与节点表示 · 正文位置 1
  2. A11 · 图、图信号与节点表示 · 正文位置 2
  3. A11 · 图、图信号与节点表示 · 正文位置 3
  4. A11 · 图、图信号与节点表示 · 正文位置 4
  5. A11 · 图、图信号与节点表示 · 正文位置 5
  6. A11 · 图、图信号与节点表示 · 正文位置 6
  7. A11 · 图、图信号与节点表示 · 正文位置 7
xxx《不变与等变》“平移等变来自共享局部规则”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A11 · 不变性、等变性与群作用 · 共 12 处
  1. A11 · 不变性、等变性与群作用 · 正文位置 1
  2. A11 · 不变性、等变性与群作用 · 正文位置 2
  3. A11 · 不变性、等变性与群作用 · 正文位置 3
  4. A11 · 不变性、等变性与群作用 · 正文位置 4
  5. A11 · 不变性、等变性与群作用 · 正文位置 5
  6. A11 · 不变性、等变性与群作用 · 正文位置 6
  7. A11 · 不变性、等变性与群作用 · 正文位置 7
  8. A11 · 不变性、等变性与群作用 · 正文位置 8
  9. A11 · 不变性、等变性与群作用 · 正文位置 9
  10. A11 · 不变性、等变性与群作用 · 正文位置 10
  11. A11 · 不变性、等变性与群作用 · 正文位置 11
  12. A11 · 不变性、等变性与群作用 · 正文位置 12
xxx《谱图与几何学习》“多项式滤波把谱定义变成局部稀疏计算”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A11 · 谱图方法与流形学习 · 共 10 处
  1. A11 · 谱图方法与流形学习 · 正文位置 1
  2. A11 · 谱图方法与流形学习 · 正文位置 2
  3. A11 · 谱图方法与流形学习 · 正文位置 3
  4. A11 · 谱图方法与流形学习 · 正文位置 4
  5. A11 · 谱图方法与流形学习 · 正文位置 5
  6. A11 · 谱图方法与流形学习 · 正文位置 6
  7. A11 · 谱图方法与流形学习 · 正文位置 7
  8. A11 · 谱图方法与流形学习 · 正文位置 8
  9. A11 · 谱图方法与流形学习 · 正文位置 9
  10. A11 · 谱图方法与流形学习 · 正文位置 10
xxx《指令适配与偏好优化》“监督指令微调学习示范条件分布”中记作 x 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A12 · 指令微调、偏好优化与上下文学习 · 共 4 处
  1. A12 · 指令微调、偏好优化与上下文学习 · 正文位置 1
  2. A12 · 指令微调、偏好优化与上下文学习 · 正文位置 2
  3. A12 · 指令微调、偏好优化与上下文学习 · 正文位置 3
  4. A12 · 指令微调、偏好优化与上下文学习 · 正文位置 4
xxx《对齐目标与奖励建模》“监督示范学习条件分布”中记作 x 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A13 · 对齐目标、反馈与奖励建模 · 共 4 处
  1. A13 · 对齐目标、反馈与奖励建模 · 正文位置 1
  2. A13 · 对齐目标、反馈与奖励建模 · 正文位置 2
  3. A13 · 对齐目标、反馈与奖励建模 · 正文位置 3
  4. A13 · 对齐目标、反馈与奖励建模 · 正文位置 4
xxx《机制可解释性》“线性探针测量可解码性”中记作 x 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A13 · 表示探测与机制可解释性 · 共 2 处
  1. A13 · 表示探测与机制可解释性 · 正文位置 1
  2. A13 · 表示探测与机制可解释性 · 正文位置 2
xxx《鲁棒性与攻击》“范数球是数学代理而非语义等价保证”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A13 · 鲁棒性、对抗攻击与防御评估 · 共 8 处
  1. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 1
  2. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 2
  3. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 3
  4. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 4
  5. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 5
  6. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 6
  7. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 7
  8. A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 8
xxx《神经算子》“核积分层统一局部与非局部交互”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A14 · Fourier 神经算子与网格泛化 · 共 3 处
  1. A14 · Fourier 神经算子与网格泛化 · 正文位置 1
  2. A14 · Fourier 神经算子与网格泛化 · 正文位置 2
  3. A14 · Fourier 神经算子与网格泛化 · 正文位置 3
xxx《PINN》“用网络表示未知解”中记作 x 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 x 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、xx、x\mathbf{x}
A14 · 物理信息神经网络与残差训练 · 共 6 处
  1. A14 · 物理信息神经网络与残差训练 · 正文位置 1
  2. A14 · 物理信息神经网络与残差训练 · 正文位置 2
  3. A14 · 物理信息神经网络与残差训练 · 正文位置 3
  4. A14 · 物理信息神经网络与残差训练 · 正文位置 4
  5. A14 · 物理信息神经网络与残差训练 · 正文位置 5
  6. A14 · 物理信息神经网络与残差训练 · 正文位置 6
XXX《校准与OOD检测》“概率置信度要对应条件正确率”中记作 X 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 X 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XXA13 · 校准、分布外检测与选择性预测
XXX《鲁棒性与攻击》“范数球是数学代理而非语义等价保证”中记作 X 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 X 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XX、XXA13 · 鲁棒性、对抗攻击与防御评估
x0x_{0}x_0《得分与扩散模型》“噪声预测给出常用均值参数化”中 x 的下标 0 分量或状态量机器学习 · 神经网络由上下文确定；下标 0 的取值范围以该公式邻近定义和求和范围为准。无别名
A09 · 得分匹配、扩散过程与反向采样 · 共 12 处
  1. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 1
  2. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 2
  3. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 3
  4. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 4
  5. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 5
  6. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 6
  7. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 7
  8. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 8
  9. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 9
  10. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 10
  11. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 11
  12. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 12
x1x_{1}x_1《目标检测》“框参数化必须可逆”中 x 的下标 1 分量或状态量机器学习 · 神经网络由上下文确定；下标 1 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：x1x_{1}、x1x_{1}A06 · 目标检测与多尺度特征
x1x_{1}x_1《自回归生成》“用链式法则把联合分布拆成一步步预测”中 x 的下标 1 分量或状态量机器学习 · 神经网络由上下文确定；下标 1 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：x1x_{1}、x1x_{1}
A09 · 自回归生成与序列似然 · 共 5 处
  1. A09 · 自回归生成与序列似然 · 正文位置 1
  2. A09 · 自回归生成与序列似然 · 正文位置 2
  3. A09 · 自回归生成与序列似然 · 正文位置 3
  4. A09 · 自回归生成与序列似然 · 正文位置 4
  5. A09 · 自回归生成与序列似然 · 正文位置 5
x1x_{1}x_1《DeepONet》“学习对象是函数到函数的映射”中 x 的下标 1 分量或状态量机器学习 · 神经网络由上下文确定；下标 1 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：x1x_{1}、x1x_{1}A14 · DeepONet 与算子逼近
x2x_{2}x_2《目标检测》“框参数化必须可逆”中 x 的下标 2 分量或状态量机器学习 · 神经网络由上下文确定；下标 2 的取值范围以该公式邻近定义和求和范围为准。无别名A06 · 目标检测与多尺度特征
xix_{i}x_i《感知机与多层感知机》“带间隔的线性可分”中 x 的下标 i 分量或状态量机器学习 · 神经网络由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}A04 · 感知机与多层感知器
xix_{i}x_i《归一化与尺度》“一个通用标准化模板”中 x 的下标 i 分量或状态量机器学习 · 神经网络由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}A05 · 归一化方法与尺度控制
xix_{i}x_i《对比学习》“配对关系才是监督信号”中 x 的下标 i 分量或状态量机器学习 · 神经网络由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}A08 · 对比学习、负样本与信息瓶颈
xix_{i}x_i《跨模态预训练》“双塔编码器在共同空间比较”中 x 的下标 i 分量或状态量机器学习 · 神经网络由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}、xix_{i}
A08 · 跨模态对齐与预训练迁移 · 共 2 处
  1. A08 · 跨模态对齐与预训练迁移 · 正文位置 1
  2. A08 · 跨模态对齐与预训练迁移 · 正文位置 2
xjx_{j}x_j《对比学习》“配对关系才是监督信号”中 x 的下标 j 分量或状态量机器学习 · 神经网络由上下文确定；下标 j 的取值范围以该公式邻近定义和求和范围为准。无别名A08 · 对比学习、负样本与信息瓶颈
xKx_{K}x_K《可微分物理》“反向伴随递推”中 x 的下标 K 分量或状态量机器学习 · 神经网络由上下文确定；下标 K 的取值范围以该公式邻近定义和求和范围为准。无别名
A14 · 可微物理、自动微分与守恒约束 · 共 3 处
  1. A14 · 可微物理、自动微分与守恒约束 · 正文位置 1
  2. A14 · 可微物理、自动微分与守恒约束 · 正文位置 2
  3. A14 · 可微物理、自动微分与守恒约束 · 正文位置 3
xmx_{m}x_m《DeepONet》“学习对象是函数到函数的映射”中 x 的下标 m 分量或状态量机器学习 · 神经网络由上下文确定；下标 m 的取值范围以该公式邻近定义和求和范围为准。无别名A14 · DeepONet 与算子逼近
xtx_{t}x_t《自回归生成》“用链式法则把联合分布拆成一步步预测”中 x 的下标 t 分量或状态量机器学习 · 神经网络由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：xtx_{t}、xtx_{t}
A09 · 自回归生成与序列似然 · 共 5 处
  1. A09 · 自回归生成与序列似然 · 正文位置 1
  2. A09 · 自回归生成与序列似然 · 正文位置 2
  3. A09 · 自回归生成与序列似然 · 正文位置 3
  4. A09 · 自回归生成与序列似然 · 正文位置 4
  5. A09 · 自回归生成与序列似然 · 正文位置 5
xtx_{t}x_t《生成模型综合复习》“显式密度与隐式生成回答不同问题”中 x 的下标 t 分量或状态量机器学习 · 神经网络由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：xtx_{t}、xtx_{t}A09 · 生成质量、覆盖与生成模型综合复习
xtx_{t}x_t《得分与扩散模型》“噪声预测给出常用均值参数化”中 x 的下标 t 分量或状态量机器学习 · 神经网络由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：xtx_{t}、xtx_{t}
A09 · 得分匹配、扩散过程与反向采样 · 共 10 处
  1. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 1
  2. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 2
  3. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 3
  4. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 4
  5. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 5
  6. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 6
  7. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 7
  8. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 8
  9. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 9
  10. A09 · 得分匹配、扩散过程与反向采样 · 正文位置 10
xTx_{T}x_T《自回归生成》“用链式法则把联合分布拆成一步步预测”中 x 的下标 T 分量或状态量机器学习 · 神经网络由上下文确定；下标 T 的取值范围以该公式邻近定义和求和范围为准。无别名A09 · 自回归生成与序列似然
xt−1x_{t-1}x_t-1《自回归生成》“用链式法则把联合分布拆成一步步预测”中 x 的下标 t-1 分量或状态量机器学习 · 神经网络由上下文确定；下标 t-1 的取值范围以该公式邻近定义和求和范围为准。无别名A09 · 自回归生成与序列似然
XW1XW_{1}XW_1《神经网络反传复习》“形状账本在数值计算之前”中 XW 的下标 1 分量或状态量机器学习 · 神经网络由上下文确定；下标 1 的取值范围以该公式邻近定义和求和范围为准。无别名A04 · 神经网络与反向传播综合复习
yyy《反向传播》“向量—Jacobian 乘积”中记作 y 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 y 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、y\mathbf{y}
A04 · 反向传播与反向模式自动微分 · 共 7 处
  1. A04 · 反向传播与反向模式自动微分 · 正文位置 1
  2. A04 · 反向传播与反向模式自动微分 · 正文位置 2
  3. A04 · 反向传播与反向模式自动微分 · 正文位置 3
  4. A04 · 反向传播与反向模式自动微分 · 正文位置 4
  5. A04 · 反向传播与反向模式自动微分 · 正文位置 5
  6. A04 · 反向传播与反向模式自动微分 · 正文位置 6
  7. A04 · 反向传播与反向模式自动微分 · 正文位置 7
yyy《计算图》“局部 Jacobian 是节点接口”中记作 y 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 y 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、y\mathbf{y}
A04 · 计算图、链式法则与局部导数 · 共 4 处
  1. A04 · 计算图、链式法则与局部导数 · 正文位置 1
  2. A04 · 计算图、链式法则与局部导数 · 正文位置 2
  3. A04 · 计算图、链式法则与局部导数 · 正文位置 3
  4. A04 · 计算图、链式法则与局部导数 · 正文位置 4
yyy《正则化与增强》“标签平滑改变监督目标”中记作 y 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 y 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、y\mathbf{y}
A05 · 正则化、数据增强与早停 · 共 2 处
  1. A05 · 正则化、数据增强与早停 · 正文位置 1
  2. A05 · 正则化、数据增强与早停 · 正文位置 2
yyy《校准与OOD检测》“概率置信度要对应条件正确率”中记作 y 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 y 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、y\mathbf{y}A13 · 校准、分布外检测与选择性预测
yyy《神经算子》“核积分层统一局部与非局部交互”中记作 y 的等号右侧的输入量或系数机器学习 · 神经网络由上下文确定；符号 y 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、y\mathbf{y}A14 · Fourier 神经算子与网格泛化
yyy《科学机器学习复习》“反演把前向误差放进后验和决策”中记作 y 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 y 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、yy、y\mathbf{y}
A14 · 基准、外推边界与科学机器学习综合复习 · 共 3 处
  1. A14 · 基准、外推边界与科学机器学习综合复习 · 正文位置 1
  2. A14 · 基准、外推边界与科学机器学习综合复习 · 正文位置 2
  3. A14 · 基准、外推边界与科学机器学习综合复习 · 正文位置 3
YYY《校准与OOD检测》“概率置信度要对应条件正确率”中记作 Y 的等号左侧的目标量机器学习 · 神经网络由上下文确定；符号 Y 仅按该公式锚点给出的对象类型、取值域与维度解释。无别名易混淆：YY、YY、YY、YY、YY、YY、YY、YY、YY、YYA13 · 校准、分布外检测与选择性预测
y1y_{1}y_1《目标检测》“框参数化必须可逆”中 y 的下标 1 分量或状态量机器学习 · 神经网络由上下文确定；下标 1 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：y1y_{1}A06 · 目标检测与多尺度特征
y1Ty_{1T}y_1T《序列训练与解码》“自回归似然来自概率链式法则”中 y 的下标 1T 分量或状态量机器学习 · 神经网络由上下文确定；下标 1T 的取值范围以该公式邻近定义和求和范围为准。无别名A07 · 序列损失、教师强制与解码
y2y_{2}y_2《目标检测》“框参数化必须可逆”中 y 的下标 2 分量或状态量机器学习 · 神经网络由上下文确定；下标 2 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：y2y_{2}A06 · 目标检测与多尺度特征
yiy_{i}y_i《感知机与多层感知机》“带间隔的线性可分”中 y 的下标 i 分量或状态量机器学习 · 神经网络由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：yiy_{i}、yiy_{i}、yiy_{i}、yiy_{i}A04 · 感知机与多层感知器
yky_{k}y_k《正则化与增强》“标签平滑改变监督目标”中 y 的下标 k 分量或状态量机器学习 · 神经网络由上下文确定；下标 k 的取值范围以该公式邻近定义和求和范围为准。无别名A05 · 正则化、数据增强与早停
yty_{t}y_t《序列训练与解码》“自回归似然来自概率链式法则”中 y 的下标 t 分量或状态量机器学习 · 神经网络由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：yty_{t}、yty_{t}、yty_{t}A07 · 序列损失、教师强制与解码
yty_{t}y_t《序列模型综合复习》“普通RNN把历史压进固定宽度状态”中 y 的下标 t 分量或状态量机器学习 · 神经网络由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。无别名易混淆：yty_{t}、yty_{t}、yty_{t}A07 · 长序列、效率与 Transformer 综合复习