One Forth

符号表

1350 个符号
符号
符号含义教材与范围
bhb_{h}

《循环网络与门控》“GRU 的门控与隐藏状态”中 b 的下标 h 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 h 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A07 · 循环网络、门控单元与状态传播
教材位置 · 3
  1. A07 · 循环网络、门控单元与状态传播
  2. A07 · 循环网络、门控单元与状态传播
bjb_{j}

《初始化与梯度流》“仿射层的前向方差”中 b 的下标 j 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 j 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 1
  1. M01 · 代数、函数与解析几何综合复习
机器学习 · 神经网络A04 · 参数初始化与梯度传播
brb_{r}

《循环网络与门控》“GRU 的门控与隐藏状态”中 b 的下标 r 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 r 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A07 · 循环网络、门控单元与状态传播
btb_{t}

《工具、记忆与规划》“智能体的状态循环”中 b 的下标 t 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 t 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A12 · 工具调用、记忆与任务规划
bzb_{z}

《循环网络与门控》“GRU 的门控与隐藏状态”中 b 的下标 z 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 z 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A07 · 循环网络、门控单元与状态传播
β\beta

《SGD 与自适应优化》“动量的方向累积”中记作 beta 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 beta 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 10
  1. A01 · 线性模型与统计学习综合复习
  2. M02 · 函数极限与连续性
  3. M06 · 线性模型中的统计推断
  4. P03 · 干涉、衍射与傅里叶光学
  5. P06 · 正则系综、配分函数与涨落
  6. P06 · 相变、序参量与临界现象
  7. P06 · 巨正则系综与化学势
  8. P08 · Lorentz 变换与时空间隔
  9. P10 · 磁性、超导与序参量
  10. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A05 · 随机梯度、动量与自适应方法
教材位置 · 3
  1. A05 · 随机梯度、动量与自适应方法
  2. A05 · 随机梯度、动量与自适应方法
cc

《表示学习目标》“重构目标与任务信息”中记作 c 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 c 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 9
  1. A13 · 校准、分布外检测与选择性预测
  2. C01 · 动态规划与图算法
  3. M00 · 数学语言与证明综合复习
  4. M02 · 中值定理与导数应用
  5. P08 · Einstein 场方程与典型解
  6. P08 · Lorentz 变换与时空间隔
  7. P08 · 四矢量、相对论动力学与电磁场
  8. P11 · Monte Carlo、重要性采样与误差估计
  9. P03 · 一维波动方程与边界条件
机器学习 · 神经网络A08 · 表示学习目标、相似度与不变性
cc

《校准与OOD检测》“置信度与条件正确率”中记作 c 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 c 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 9
  1. A08 · 表示学习目标、相似度与不变性
  2. C01 · 动态规划与图算法
  3. M00 · 数学语言与证明综合复习
  4. M02 · 中值定理与导数应用
  5. P08 · Einstein 场方程与典型解
  6. P08 · Lorentz 变换与时空间隔
  7. P08 · 四矢量、相对论动力学与电磁场
  8. P11 · Monte Carlo、重要性采样与误差估计
  9. P03 · 一维波动方程与边界条件
机器学习 · 神经网络A13 · 校准、分布外检测与选择性预测
CC

《卷积网络架构》“下采样与信息损失”中记作 C 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 C 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 11
  1. A03 · 贝叶斯网络与 Markov 随机场
  2. A13 · 校准、分布外检测与选择性预测
  3. C00 · 数据可视化与计算实验
  4. M00 · 数学语言与证明综合复习
  5. M01 · 代数、函数与解析几何综合复习
  6. M03 · Green、Stokes 与 Gauss 定理
  7. M03 · 曲线积分与曲面积分
  8. M06 · 置信区间与枢轴量
  9. M11 · 凸集、凸函数与次梯度
  10. P01 · 功、势能与机械能守恒
  11. P04 · 电磁感应、位移电流与电路响应
机器学习 · 神经网络A06 · 卷积网络架构与残差连接
教材位置 · 3
  1. A06 · 卷积网络架构与残差连接
  2. A06 · 卷积网络架构与残差连接
CC

《校准与OOD检测》“置信度与条件正确率”中记作 C 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 C 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 11
  1. A03 · 贝叶斯网络与 Markov 随机场
  2. A06 · 卷积网络架构与残差连接
  3. C00 · 数据可视化与计算实验
  4. M00 · 数学语言与证明综合复习
  5. M01 · 代数、函数与解析几何综合复习
  6. M03 · Green、Stokes 与 Gauss 定理
  7. M03 · 曲线积分与曲面积分
  8. M06 · 置信区间与枢轴量
  9. M11 · 凸集、凸函数与次梯度
  10. P01 · 功、势能与机械能守恒
  11. P04 · 电磁感应、位移电流与电路响应
机器学习 · 神经网络A13 · 校准、分布外检测与选择性预测
cjc_{j}

《跨模态预训练》“双塔编码器与共享空间”中 c 的下标 j 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 j 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移
ctc_{t}

《工具、记忆与规划》“智能体的状态循环”中 c 的下标 t 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 t 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A12 · 工具调用、记忆与任务规划
cxc_{x}

《目标检测》“边界框参数化”中 c 的下标 x 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 x 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A06 · 目标检测与多尺度特征
cyc_{y}

《目标检测》“边界框参数化”中 c 的下标 y 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 y 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A06 · 目标检测与多尺度特征
d2d_{2}

《度量学习》“距离、相似度与排序方向”中 d 的下标 2 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 2 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A08 · 度量学习、孪生网络与三元组损失
dkd_{k}

每个注意力头的键向量维数

详细信息
单位
由上下文确定
成立条件
该含义限定于《注意力机制》“缩放点积注意力”及其相邻推导。
其他含义 · 1
  1. A07 · 多头注意力与位置表示
机器学习 · 神经网络A07 · 缩放点积注意力与掩码
教材位置 · 9
  1. A07 · 缩放点积注意力与掩码
  2. A07 · 缩放点积注意力与掩码
  3. A07 · 缩放点积注意力与掩码
  4. A07 · 缩放点积注意力与掩码
  5. A07 · 缩放点积注意力与掩码
  6. A07 · 缩放点积注意力与掩码
  7. A07 · 缩放点积注意力与掩码
  8. A07 · 缩放点积注意力与掩码
dkd_{k}

每个注意力头的键向量维数

详细信息
单位
由上下文确定
成立条件
该含义限定于《多头与位置表示》“注意力张量的维度”及其相邻推导。
其他含义 · 1
  1. A07 · 缩放点积注意力与掩码
机器学习 · 神经网络A07 · 多头注意力与位置表示
教材位置 · 5
  1. A07 · 多头注意力与位置表示
  2. A07 · 多头注意力与位置表示
  3. A07 · 多头注意力与位置表示
  4. A07 · 多头注意力与位置表示
dvd_{v}

《多头与位置表示》“注意力张量的维度”中 d 的下标 v 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 v 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A07 · 多头注意力与位置表示
教材位置 · 3
  1. A07 · 多头注意力与位置表示
  2. A07 · 多头注意力与位置表示
δ\delta

《鲁棒性与攻击》“范数约束与语义约束”中记作 delta 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 delta 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 4
  1. A14 · 基准、外推边界与科学机器学习综合复习
  2. M09 · 傅里叶变换与卷积
  3. P09 · 边界层、相似性与流动不稳定性
  4. P12 · 自由场量子化与粒子解释
机器学习 · 神经网络A13 · 鲁棒性、对抗攻击与防御评估
教材位置 · 3
  1. A13 · 鲁棒性、对抗攻击与防御评估
  2. A13 · 鲁棒性、对抗攻击与防御评估
δ\delta

《科学机器学习复习》“前向误差与反演结果”中记作 delta 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 delta 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 4
  1. A13 · 鲁棒性、对抗攻击与防御评估
  2. M09 · 傅里叶变换与卷积
  3. P09 · 边界层、相似性与流动不稳定性
  4. P12 · 自由场量子化与粒子解释
机器学习 · 神经网络A14 · 基准、外推边界与科学机器学习综合复习
eije_{ij}

《几何深度学习综合复习》“局部消息传递与参数共享”中 e 的下标 ij 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 ij 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 1
  1. A11 · 图生成、图动力学与物理系统
机器学习 · 神经网络A11 · 表达能力、过平滑与几何学习综合复习
eije_{ij}

《图生成与图动力学》“动态图的状态表示”中 e 的下标 ij 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 ij 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 1
  1. A11 · 表达能力、过平滑与几何学习综合复习
机器学习 · 神经网络A11 · 图生成、图动力学与物理系统
ete_{t}

《工具、记忆与规划》“智能体的状态循环”中 e 的下标 t 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 t 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A12 · 工具调用、记忆与任务规划
ℓ\ell

《几何深度学习综合复习》“局部消息传递与参数共享”中记作 ell 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 ell 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 4
  1. A00 · 损失函数、风险与评估
  2. A00 · 监督学习任务、样本与标签
  3. A01 · 经验风险、容量与一致收敛
  4. P04 · 电势、Poisson 方程与边值问题
机器学习 · 神经网络A11 · 表达能力、过平滑与几何学习综合复习
ϵθ\epsilon_{\theta}

《得分与扩散模型》“噪声预测与均值参数化”中 epsilon 的下标 theta 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 theta 的取值范围以该公式邻近定义和求和范围为准。
机器学习 · 神经网络A09 · 得分匹配、扩散过程与反向采样
教材位置 · 4
  1. A09 · 得分匹配、扩散过程与反向采样
  2. A09 · 得分匹配、扩散过程与反向采样
  3. A09 · 得分匹配、扩散过程与反向采样
η\eta

《SGD 与自适应优化》“动量的方向累积”中记作 eta 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 eta 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 4
  1. A11 · 图、图信号与节点表示
  2. C04 · 处理器调度
  3. M11 · 一阶优化与梯度下降
  4. P02 · 最小作用量原理与 Euler–Lagrange 方程
机器学习 · 神经网络A05 · 随机梯度、动量与自适应方法
教材位置 · 7
  1. A05 · 随机梯度、动量与自适应方法
  2. A05 · 随机梯度、动量与自适应方法
  3. A05 · 随机梯度、动量与自适应方法
  4. A05 · 随机梯度、动量与自适应方法
  5. A05 · 随机梯度、动量与自适应方法
  6. A05 · 随机梯度、动量与自适应方法
η\eta

《图与图信号》“图平滑与标签假设”中记作 eta 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 eta 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 4
  1. A05 · 随机梯度、动量与自适应方法
  2. C04 · 处理器调度
  3. M11 · 一阶优化与梯度下降
  4. P02 · 最小作用量原理与 Euler–Lagrange 方程
机器学习 · 神经网络A11 · 图、图信号与节点表示
教材位置 · 2
  1. A11 · 图、图信号与节点表示
ff

《PINN》“神经网络解表示”中记作 f 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 f 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 35
  1. A00 · 监督学习任务、样本与标签
  2. A01 · 经验风险、容量与一致收敛
  3. A01 · 过拟合、泛化与模型选择
  4. C00 · 程序、类型、控制流与函数
  5. C01 · 渐近复杂度、归约与可计算性
  6. C01 · 分治、贪心与排序
  7. M01 · 函数、变换与图像
  8. M02 · 定积分与累积
  9. M02 · 中值定理与导数应用
  10. M02 · 导数与微分
  11. M02 · 积分方法、无穷级数与单变量微积分复习
  12. M03 · 二重积分、三重积分与变量替换
  13. M03 · 多变量微积分与向量分析综合复习
  14. M03 · 多变量函数、极限与连续
  15. M08 · 初值问题、存在唯一性与方向场
  16. M08 · 线性系统、矩阵指数与相平面
  17. M08 · 稳定性、Lyapunov 方法与分岔
  18. M09 · 傅里叶级数、收敛与 Gibbs 现象
  19. M09 · 正交函数系与 Fourier 系数
  20. M10 · 浮点数、条件数与误差传播
  21. M10 · 常微分与偏微分方程数值方法
  22. M10 · 数值积分与数值微分
  23. M11 · 约束优化、KKT 条件与对偶性
  24. M11 · 凸集、凸函数与次梯度
  25. M12 · 函数列、一致收敛与交换极限
  26. M12 · Lp 空间、乘积测度与 Fubini 定理
  27. M12 · 实分析与测度论综合复习
  28. M13 · 保角映射与解析延拓
  29. M13 · 孤立奇点、Laurent 级数与留数
  30. M15 · 拓扑空间、基与连续映射
  31. M16 · 泛函分析与算子理论综合复习
  32. P00 · 测量、量纲与数学建模综合复习
  33. P00 · 不确定度传播与数据拟合
  34. P05 · 平衡态、状态方程与准静态过程
  35. P11 · Monte Carlo、重要性采样与误差估计
机器学习 · 神经网络A14 · 物理信息神经网络与残差训练
教材位置 · 3
  1. A14 · 物理信息神经网络与残差训练
  2. A14 · 物理信息神经网络与残差训练
FF

《卷积算子》“平移等变性与不变性”中记作 F 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 F 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 12
  1. A00 · 分类、回归指标与基线
  2. A13 · 特征归因、显著性与反事实
  3. A14 · 逆问题、数据同化与不确定性
  4. C01 · 动态规划与图算法
  5. M05 · 概率公理与组合概率
  6. M07 · 递推关系与生成函数
  7. M11 · 优化模型、可行域与最优性
  8. M14 · 域扩张、多项式与有限域
  9. P01 · 功、势能与机械能守恒
  10. P09 · 连续介质运动学、应变与应力
  11. P10 · 磁性、超导与序参量
  12. P12 · 规范对称性与标准模型结构
机器学习 · 神经网络A06 · 离散卷积、感受野与参数共享
FF

《特征归因与反事实》“Shapley 值与边际贡献”中记作 F 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 F 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 12
  1. A00 · 分类、回归指标与基线
  2. A06 · 离散卷积、感受野与参数共享
  3. A14 · 逆问题、数据同化与不确定性
  4. C01 · 动态规划与图算法
  5. M05 · 概率公理与组合概率
  6. M07 · 递推关系与生成函数
  7. M11 · 优化模型、可行域与最优性
  8. M14 · 域扩张、多项式与有限域
  9. P01 · 功、势能与机械能守恒
  10. P09 · 连续介质运动学、应变与应力
  11. P10 · 磁性、超导与序参量
  12. P12 · 规范对称性与标准模型结构
机器学习 · 神经网络A13 · 特征归因、显著性与反事实
FF

《逆问题与不确定性》“未知量与观测模型”中记作 F 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 F 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 12
  1. A00 · 分类、回归指标与基线
  2. A06 · 离散卷积、感受野与参数共享
  3. A13 · 特征归因、显著性与反事实
  4. C01 · 动态规划与图算法
  5. M05 · 概率公理与组合概率
  6. M07 · 递推关系与生成函数
  7. M11 · 优化模型、可行域与最优性
  8. M14 · 域扩张、多项式与有限域
  9. P01 · 功、势能与机械能守恒
  10. P09 · 连续介质运动学、应变与应力
  11. P10 · 磁性、超导与序参量
  12. P12 · 规范对称性与标准模型结构
机器学习 · 神经网络A14 · 逆问题、数据同化与不确定性
教材位置 · 5
  1. A14 · 逆问题、数据同化与不确定性
  2. A14 · 逆问题、数据同化与不确定性
  3. A14 · 逆问题、数据同化与不确定性
  4. A14 · 逆问题、数据同化与不确定性
fθf_{\theta}

《跨模态预训练》“双塔编码器与共享空间”中 f 的下标 theta 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 theta 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 3
  1. A00 · 损失函数、风险与评估
  2. A08 · 表示学习目标、相似度与不变性
  3. A12 · 视觉语言对齐与多模态生成
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移
fθf_{\theta}

《表示学习目标》“重构目标与任务信息”中 f 的下标 theta 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 theta 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 3
  1. A00 · 损失函数、风险与评估
  2. A08 · 跨模态对齐与预训练迁移
  3. A12 · 视觉语言对齐与多模态生成
机器学习 · 神经网络A08 · 表示学习目标、相似度与不变性
教材位置 · 3
  1. A08 · 表示学习目标、相似度与不变性
  2. A08 · 表示学习目标、相似度与不变性
fθf_{\theta}

《视觉语言模型》“图像与文本的共享表示空间”中 f 的下标 theta 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 theta 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 3
  1. A00 · 损失函数、风险与评估
  2. A08 · 跨模态对齐与预训练迁移
  3. A08 · 表示学习目标、相似度与不变性
机器学习 · 神经网络A12 · 视觉语言对齐与多模态生成
gg

《调度与二阶方法》“Hessian 与局部曲率”中记作 g 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 g 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 15
  1. A07 · 长序列、效率与 Transformer 综合复习
  2. A11 · 谱图方法与流形学习
  3. A12 · 工具调用、记忆与任务规划
  4. C00 · 编程与科学计算综合项目
  5. M01 · 函数、变换与图像
  6. M01 · 多项式、因式分解与有理式
  7. M08 · 可分离、线性与恰当方程
  8. M08 · 高阶线性方程与常系数方法
  9. M09 · 正交函数系与 Fourier 系数
  10. M11 · 凸集、凸函数与次梯度
  11. M12 · Lp 空间、乘积测度与 Fubini 定理
  12. M13 · 保角映射与解析延拓
  13. M14 · 群同态、商群与群作用
  14. P08 · 张量、联络与曲率
  15. P12 · 规范对称性与标准模型结构
机器学习 · 神经网络A05 · 学习率调度与二阶近似
教材位置 · 4
  1. A05 · 学习率调度与二阶近似
  2. A05 · 学习率调度与二阶近似
  3. A05 · 学习率调度与二阶近似
gg

《序列模型综合复习》“RNN 的隐藏状态”中记作 g 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 g 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 15
  1. A05 · 学习率调度与二阶近似
  2. A11 · 谱图方法与流形学习
  3. A12 · 工具调用、记忆与任务规划
  4. C00 · 编程与科学计算综合项目
  5. M01 · 函数、变换与图像
  6. M01 · 多项式、因式分解与有理式
  7. M08 · 可分离、线性与恰当方程
  8. M08 · 高阶线性方程与常系数方法
  9. M09 · 正交函数系与 Fourier 系数
  10. M11 · 凸集、凸函数与次梯度
  11. M12 · Lp 空间、乘积测度与 Fubini 定理
  12. M13 · 保角映射与解析延拓
  13. M14 · 群同态、商群与群作用
  14. P08 · 张量、联络与曲率
  15. P12 · 规范对称性与标准模型结构
机器学习 · 神经网络A07 · 长序列、效率与 Transformer 综合复习
gg

《谱图与几何学习》“多项式图滤波”中记作 g 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 g 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 15
  1. A05 · 学习率调度与二阶近似
  2. A07 · 长序列、效率与 Transformer 综合复习
  3. A12 · 工具调用、记忆与任务规划
  4. C00 · 编程与科学计算综合项目
  5. M01 · 函数、变换与图像
  6. M01 · 多项式、因式分解与有理式
  7. M08 · 可分离、线性与恰当方程
  8. M08 · 高阶线性方程与常系数方法
  9. M09 · 正交函数系与 Fourier 系数
  10. M11 · 凸集、凸函数与次梯度
  11. M12 · Lp 空间、乘积测度与 Fubini 定理
  12. M13 · 保角映射与解析延拓
  13. M14 · 群同态、商群与群作用
  14. P08 · 张量、联络与曲率
  15. P12 · 规范对称性与标准模型结构
机器学习 · 神经网络A11 · 谱图方法与流形学习
教材位置 · 4
  1. A11 · 谱图方法与流形学习
  2. A11 · 谱图方法与流形学习
  3. A11 · 谱图方法与流形学习
gg

《工具、记忆与规划》“智能体的状态循环”中记作 g 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 g 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 15
  1. A05 · 学习率调度与二阶近似
  2. A07 · 长序列、效率与 Transformer 综合复习
  3. A11 · 谱图方法与流形学习
  4. C00 · 编程与科学计算综合项目
  5. M01 · 函数、变换与图像
  6. M01 · 多项式、因式分解与有理式
  7. M08 · 可分离、线性与恰当方程
  8. M08 · 高阶线性方程与常系数方法
  9. M09 · 正交函数系与 Fourier 系数
  10. M11 · 凸集、凸函数与次梯度
  11. M12 · Lp 空间、乘积测度与 Fubini 定理
  12. M13 · 保角映射与解析延拓
  13. M14 · 群同态、商群与群作用
  14. P08 · 张量、联络与曲率
  15. P12 · 规范对称性与标准模型结构
机器学习 · 神经网络A12 · 工具调用、记忆与任务规划
GG

《生成对抗学习》“非饱和损失与平衡点”中记作 G 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 G 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 7
  1. C05 · 网络测量与故障排查
  2. C05 · UDP 与 TCP
  3. M07 · 匹配、覆盖与图着色
  4. M10 · 线性方程组的直接与迭代解法
  5. M14 · 群、子群与循环结构
  6. M14 · 群同态、商群与群作用
  7. P01 · 引力、轨道与经典力学综合复习
机器学习 · 神经网络A09 · 生成对抗网络与散度最小化
教材位置 · 3
  1. A09 · 生成对抗网络与散度最小化
  2. A09 · 生成对抗网络与散度最小化
gϕg_{\phi}

《跨模态预训练》“双塔编码器与共享空间”中 g 的下标 phi 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 phi 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 1
  1. A12 · 视觉语言对齐与多模态生成
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移
gϕg_{\phi}

《视觉语言模型》“图像与文本的共享表示空间”中 g 的下标 phi 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 phi 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 1
  1. A08 · 跨模态对齐与预训练迁移
机器学习 · 神经网络A12 · 视觉语言对齐与多模态生成
γ\gamma

《感知机与多层感知机》“带间隔的线性可分”中记作 gamma 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 gamma 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 9
  1. A10 · 动态规划、Monte Carlo 与时序差分
  2. A10 · Markov 决策过程与 Bellman 方程
  3. A10 · 稳定性、评估与强化学习综合复习
  4. M13 · Cauchy 定理与积分公式
  5. M15 · Riemann 度量、测地线与曲率
  6. P05 · 热力学第一定律与能量传递
  7. P07 · 角动量、自旋与全同粒子
  8. P08 · Lorentz 变换与时空间隔
  9. P08 · 四矢量、相对论动力学与电磁场
机器学习 · 神经网络A04 · 感知机与多层感知器
教材位置 · 2
  1. A04 · 感知机与多层感知器
hh

《目标检测》“边界框参数化”中记作 h 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 h 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 15
  1. A03 · 变量消元、消息传递与精确推断
  2. A13 · 表示探测与机制可解释性
  3. C00 · 编程与科学计算综合项目
  4. C00 · 数据可视化与计算实验
  5. C04 · 处理器调度
  6. M02 · 导数与微分
  7. M01 · 代数、函数与解析几何综合复习
  8. M01 · 函数、变换与图像
  9. M03 · 多变量微积分与向量分析综合复习
  10. M08 · 可分离、线性与恰当方程
  11. M10 · 常微分与偏微分方程数值方法
  12. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  13. M15 · 拓扑空间、基与连续映射
  14. P06 · 相变、序参量与临界现象
  15. P11 · Monte Carlo、重要性采样与误差估计
机器学习 · 神经网络A06 · 目标检测与多尺度特征
hh

《机制可解释性》“线性探针与可解码性”中记作 h 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 h 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 15
  1. A03 · 变量消元、消息传递与精确推断
  2. A06 · 目标检测与多尺度特征
  3. C00 · 编程与科学计算综合项目
  4. C00 · 数据可视化与计算实验
  5. C04 · 处理器调度
  6. M02 · 导数与微分
  7. M01 · 代数、函数与解析几何综合复习
  8. M01 · 函数、变换与图像
  9. M03 · 多变量微积分与向量分析综合复习
  10. M08 · 可分离、线性与恰当方程
  11. M10 · 常微分与偏微分方程数值方法
  12. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  13. M15 · 拓扑空间、基与连续映射
  14. P06 · 相变、序参量与临界现象
  15. P11 · Monte Carlo、重要性采样与误差估计
机器学习 · 神经网络A13 · 表示探测与机制可解释性
教材位置 · 4
  1. A13 · 表示探测与机制可解释性
  2. A13 · 表示探测与机制可解释性
  3. A13 · 表示探测与机制可解释性
HH

《调度与二阶方法》“Hessian 与局部曲率”中记作 H 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 H 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 13
  1. A06 · 卷积网络架构与残差连接
  2. A06 · 视觉 Transformer 与混合架构
  3. A07 · 多头注意力与位置表示
  4. A11 · 消息传递与图卷积
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. M08 · 常微分方程与动力系统综合复习
  7. M10 · 数值积分与数值微分
  8. M14 · 群、子群与循环结构
  9. M16 · 紧算子与自伴算子
  10. P04 · 介质、能流与电磁学综合复习
  11. P07 · Schrödinger 方程与时间演化
  12. P09 · 边界层、相似性与流动不稳定性
  13. P10 · 晶格振动、声子与热容
机器学习 · 神经网络A05 · 学习率调度与二阶近似
教材位置 · 5
  1. A05 · 学习率调度与二阶近似
  2. A05 · 学习率调度与二阶近似
  3. A05 · 学习率调度与二阶近似
  4. A05 · 学习率调度与二阶近似
HH

《卷积网络架构》“下采样与信息损失”中记作 H 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 H 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 13
  1. A05 · 学习率调度与二阶近似
  2. A06 · 视觉 Transformer 与混合架构
  3. A07 · 多头注意力与位置表示
  4. A11 · 消息传递与图卷积
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. M08 · 常微分方程与动力系统综合复习
  7. M10 · 数值积分与数值微分
  8. M14 · 群、子群与循环结构
  9. M16 · 紧算子与自伴算子
  10. P04 · 介质、能流与电磁学综合复习
  11. P07 · Schrödinger 方程与时间演化
  12. P09 · 边界层、相似性与流动不稳定性
  13. P10 · 晶格振动、声子与热容
机器学习 · 神经网络A06 · 卷积网络架构与残差连接
HH

《视觉 Transformer》“从二维网格到标记序列”中记作 H 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 H 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 13
  1. A05 · 学习率调度与二阶近似
  2. A06 · 卷积网络架构与残差连接
  3. A07 · 多头注意力与位置表示
  4. A11 · 消息传递与图卷积
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. M08 · 常微分方程与动力系统综合复习
  7. M10 · 数值积分与数值微分
  8. M14 · 群、子群与循环结构
  9. M16 · 紧算子与自伴算子
  10. P04 · 介质、能流与电磁学综合复习
  11. P07 · Schrödinger 方程与时间演化
  12. P09 · 边界层、相似性与流动不稳定性
  13. P10 · 晶格振动、声子与热容
机器学习 · 神经网络A06 · 视觉 Transformer 与混合架构
HH

《多头与位置表示》“注意力张量的维度”中记作 H 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 H 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 13
  1. A05 · 学习率调度与二阶近似
  2. A06 · 卷积网络架构与残差连接
  3. A06 · 视觉 Transformer 与混合架构
  4. A11 · 消息传递与图卷积
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. M08 · 常微分方程与动力系统综合复习
  7. M10 · 数值积分与数值微分
  8. M14 · 群、子群与循环结构
  9. M16 · 紧算子与自伴算子
  10. P04 · 介质、能流与电磁学综合复习
  11. P07 · Schrödinger 方程与时间演化
  12. P09 · 边界层、相似性与流动不稳定性
  13. P10 · 晶格振动、声子与热容
机器学习 · 神经网络A07 · 多头注意力与位置表示
教材位置 · 4
  1. A07 · 多头注意力与位置表示
  2. A07 · 多头注意力与位置表示
  3. A07 · 多头注意力与位置表示
HH

《消息传递神经网络》“GCN 的归一化消息”中记作 H 的等号左侧的目标量

详细信息
单位
由上下文确定
成立条件
符号 H 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 13
  1. A05 · 学习率调度与二阶近似
  2. A06 · 卷积网络架构与残差连接
  3. A06 · 视觉 Transformer 与混合架构
  4. A07 · 多头注意力与位置表示
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. M08 · 常微分方程与动力系统综合复习
  7. M10 · 数值积分与数值微分
  8. M14 · 群、子群与循环结构
  9. M16 · 紧算子与自伴算子
  10. P04 · 介质、能流与电磁学综合复习
  11. P07 · Schrödinger 方程与时间演化
  12. P09 · 边界层、相似性与流动不稳定性
  13. P10 · 晶格振动、声子与热容
机器学习 · 神经网络A11 · 消息传递与图卷积
教材位置 · 2
  1. A11 · 消息传递与图卷积
HH

《科学机器学习复习》“前向误差与反演结果”中记作 H 的等号右侧的输入量或系数

详细信息
单位
由上下文确定
成立条件
符号 H 仅按该公式锚点给出的对象类型、取值域与维度解释。
其他含义 · 13
  1. A05 · 学习率调度与二阶近似
  2. A06 · 卷积网络架构与残差连接
  3. A06 · 视觉 Transformer 与混合架构
  4. A07 · 多头注意力与位置表示
  5. A11 · 消息传递与图卷积
  6. M08 · 常微分方程与动力系统综合复习
  7. M10 · 数值积分与数值微分
  8. M14 · 群、子群与循环结构
  9. M16 · 紧算子与自伴算子
  10. P04 · 介质、能流与电磁学综合复习
  11. P07 · Schrödinger 方程与时间演化
  12. P09 · 边界层、相似性与流动不稳定性
  13. P10 · 晶格振动、声子与热容
机器学习 · 神经网络A14 · 基准、外推边界与科学机器学习综合复习