One Forth

符号表

1350 个符号
符号
符号含义教材与范围
hih_{i}

《跨模态预训练》“双塔编码器与共享空间”中 h 的下标 i 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 i 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 2
  1. A11 · 表达能力、过平滑与几何学习综合复习
  2. A11 · 图生成、图动力学与物理系统
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移
hih_{i}

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

详细信息
单位
由上下文确定
成立条件
下标 i 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 2
  1. A08 · 跨模态对齐与预训练迁移
  2. 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
教材位置 · 3
  1. A11 · 表达能力、过平滑与几何学习综合复习
  2. A11 · 表达能力、过平滑与几何学习综合复习
hih_{i}

《图生成与图动力学》“动态图的状态表示”中 h 的下标 i 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 i 的取值范围以该公式邻近定义和求和范围为准。
其他含义 · 2
  1. A08 · 跨模态对齐与预训练迁移
  2. 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
hjh_{j}

《跨模态预训练》“双塔编码器与共享空间”中 h 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 · 4
  1. A11 · 表达能力、过平滑与几何学习综合复习
  2. A11 · 图生成、图动力学与物理系统
  3. M11 · 约束优化、KKT 条件与对偶性
  4. M11 · 优化模型、可行域与最优性
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移
hjh_{j}

《几何深度学习综合复习》“局部消息传递与参数共享”中 h 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 · 4
  1. A08 · 跨模态对齐与预训练迁移
  2. A11 · 图生成、图动力学与物理系统
  3. M11 · 约束优化、KKT 条件与对偶性
  4. M11 · 优化模型、可行域与最优性
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
教材位置 · 2
  1. A11 · 表达能力、过平滑与几何学习综合复习
hjh_{j}

《图生成与图动力学》“动态图的状态表示”中 h 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 · 4
  1. A08 · 跨模态对齐与预训练迁移
  2. A11 · 表达能力、过平滑与几何学习综合复习
  3. M11 · 约束优化、KKT 条件与对偶性
  4. M11 · 优化模型、可行域与最优性
机器学习 · 神经网络A11 · 图生成、图动力学与物理系统
HpH_{p}

《视觉 Transformer》“从二维网格到标记序列”中 H 的下标 p 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 p 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 · 视觉 Transformer 与混合架构
hth_{t}

《循环网络与门控》“GRU 的门控与隐藏状态”中 h 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。
其他含义 · 1
  1. A07 · 长序列、效率与 Transformer 综合复习
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 · 10
  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
  3. A07 · 循环网络、门控单元与状态传播
  4. A07 · 循环网络、门控单元与状态传播
  5. A07 · 循环网络、门控单元与状态传播
  6. A07 · 循环网络、门控单元与状态传播
  7. A07 · 循环网络、门控单元与状态传播
  8. A07 · 循环网络、门控单元与状态传播
  9. A07 · 循环网络、门控单元与状态传播
hth_{t}

《序列模型综合复习》“RNN 的隐藏状态”中 h 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。
其他含义 · 1
  1. A07 · 循环网络、门控单元与状态传播
机器学习 · 神经网络A07 · 长序列、效率与 Transformer 综合复习
教材位置 · 4
  1. A07 · 长序列、效率与 Transformer 综合复习
  2. A07 · 长序列、效率与 Transformer 综合复习
  3. A07 · 长序列、效率与 Transformer 综合复习
ht−1h_{t-1}

《循环网络与门控》“GRU 的门控与隐藏状态”中 h 的下标 t-1 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-1 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. A07 · 长序列、效率与 Transformer 综合复习
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 · 6
  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
  3. A07 · 循环网络、门控单元与状态传播
  4. A07 · 循环网络、门控单元与状态传播
  5. A07 · 循环网络、门控单元与状态传播
ht−1h_{t-1}

《序列模型综合复习》“RNN 的隐藏状态”中 h 的下标 t-1 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-1 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. A07 · 循环网络、门控单元与状态传播
机器学习 · 神经网络A07 · 长序列、效率与 Transformer 综合复习
教材位置 · 2
  1. A07 · 长序列、效率与 Transformer 综合复习
ii

《初始化与梯度流》“仿射层的前向方差”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A05 · 归一化方法与尺度控制
  7. A06 · 语义分割、实例分割与密集预测
  8. A08 · 掩码预测与上下文建模
  9. A08 · 表示质量、坍塌与自监督学习综合复习
  10. A11 · 表达能力、过平滑与几何学习综合复习
  11. A11 · 图生成、图动力学与物理系统
  12. A12 · 系统评估、故障模式与智能体综合复习
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A04 · 参数初始化与梯度传播
ii

《归一化与尺度》“一个通用标准化模板”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A06 · 语义分割、实例分割与密集预测
  8. A08 · 掩码预测与上下文建模
  9. A08 · 表示质量、坍塌与自监督学习综合复习
  10. A11 · 表达能力、过平滑与几何学习综合复习
  11. A11 · 图生成、图动力学与物理系统
  12. A12 · 系统评估、故障模式与智能体综合复习
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A05 · 归一化方法与尺度控制
ii

《图像分割》“像素交叉熵”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A05 · 归一化方法与尺度控制
  8. A08 · 掩码预测与上下文建模
  9. A08 · 表示质量、坍塌与自监督学习综合复习
  10. A11 · 表达能力、过平滑与几何学习综合复习
  11. A11 · 图生成、图动力学与物理系统
  12. A12 · 系统评估、故障模式与智能体综合复习
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A06 · 语义分割、实例分割与密集预测
教材位置 · 2
  1. A06 · 语义分割、实例分割与密集预测
ii

《掩码预测》“离散词元的条件分类”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A05 · 归一化方法与尺度控制
  8. A06 · 语义分割、实例分割与密集预测
  9. A08 · 表示质量、坍塌与自监督学习综合复习
  10. A11 · 表达能力、过平滑与几何学习综合复习
  11. A11 · 图生成、图动力学与物理系统
  12. A12 · 系统评估、故障模式与智能体综合复习
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A08 · 掩码预测与上下文建模
教材位置 · 3
  1. A08 · 掩码预测与上下文建模
  2. A08 · 掩码预测与上下文建模
ii

《表示学习综合复习》“表示坍塌的诊断”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A05 · 归一化方法与尺度控制
  8. A06 · 语义分割、实例分割与密集预测
  9. A08 · 掩码预测与上下文建模
  10. A11 · 表达能力、过平滑与几何学习综合复习
  11. A11 · 图生成、图动力学与物理系统
  12. A12 · 系统评估、故障模式与智能体综合复习
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A08 · 表示质量、坍塌与自监督学习综合复习
ii

《几何深度学习综合复习》“局部消息传递与参数共享”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A05 · 归一化方法与尺度控制
  8. A06 · 语义分割、实例分割与密集预测
  9. A08 · 掩码预测与上下文建模
  10. A08 · 表示质量、坍塌与自监督学习综合复习
  11. A11 · 图生成、图动力学与物理系统
  12. A12 · 系统评估、故障模式与智能体综合复习
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
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
教材位置 · 3
  1. A11 · 表达能力、过平滑与几何学习综合复习
  2. A11 · 表达能力、过平滑与几何学习综合复习
ii

《图生成与图动力学》“动态图的状态表示”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A05 · 归一化方法与尺度控制
  8. A06 · 语义分割、实例分割与密集预测
  9. A08 · 掩码预测与上下文建模
  10. A08 · 表示质量、坍塌与自监督学习综合复习
  11. A11 · 表达能力、过平滑与几何学习综合复习
  12. A12 · 系统评估、故障模式与智能体综合复习
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A11 · 图生成、图动力学与物理系统
ii

《大模型智能体综合复习》“端到端成功率”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A05 · 归一化方法与尺度控制
  8. A06 · 语义分割、实例分割与密集预测
  9. A08 · 掩码预测与上下文建模
  10. A08 · 表示质量、坍塌与自监督学习综合复习
  11. A11 · 表达能力、过平滑与几何学习综合复习
  12. A11 · 图生成、图动力学与物理系统
  13. A13 · 特征归因、显著性与反事实
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A12 · 系统评估、故障模式与智能体综合复习
ii

《特征归因与反事实》“Shapley 值与边际贡献”中记作 i 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 i 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 · 31
  1. A00 · 损失函数、风险与评估
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 正则化、偏差与方差
  4. A03 · 聚类目标、K 均值与密度方法
  5. A03 · 无监督学习与概率图模型综合复习
  6. A04 · 参数初始化与梯度传播
  7. A05 · 归一化方法与尺度控制
  8. A06 · 语义分割、实例分割与密集预测
  9. A08 · 掩码预测与上下文建模
  10. A08 · 表示质量、坍塌与自监督学习综合复习
  11. A11 · 表达能力、过平滑与几何学习综合复习
  12. A11 · 图生成、图动力学与物理系统
  13. A12 · 系统评估、故障模式与智能体综合复习
  14. C01 · 动态规划与图算法
  15. C03 · 二进制与数值表示
  16. M01 · 代数、函数与解析几何综合复习
  17. M02 · 定积分与累积
  18. M03 · 二重积分、三重积分与变量替换
  19. M04 · 行列式与体积缩放
  20. M04 · 矩阵及其运算
  21. M07 · 计数原理、容斥与鸽巢原理
  22. M10 · 插值、多项式逼近与样条
  23. M11 · 约束优化、KKT 条件与对偶性
  24. P03 · 干涉、衍射与傅里叶光学
  25. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  26. P06 · 正则系综、配分函数与涨落
  27. P08 · Einstein 场方程与典型解
  28. P10 · 磁性、超导与序参量
  29. P11 · 分子动力学与统计量计算
  30. P12 · 自由场量子化与粒子解释
  31. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A13 · 特征归因、显著性与反事实
教材位置 · 2
  1. A13 · 特征归因、显著性与反事实
II

《跨模态预训练》“双塔编码器与共享空间”中记作 I 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 I 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 · 8
  1. A12 · 视觉语言对齐与多模态生成
  2. M02 · 定积分与累积
  3. M10 · 数值积分与数值微分
  4. M14 · 环、理想与商环
  5. M16 · 谱、预解式与谱定理
  6. P02 · 相空间、Poincaré 截面与混沌
  7. P11 · 并行计算、可复现性与性能测量
  8. P12 · 相互作用、散射与 Feynman 图
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移
教材位置 · 2
  1. A08 · 跨模态对齐与预训练迁移
II

《视觉语言模型》“图像与文本的共享表示空间”中记作 I 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 I 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 · 8
  1. A08 · 跨模态对齐与预训练迁移
  2. M02 · 定积分与累积
  3. M10 · 数值积分与数值微分
  4. M14 · 环、理想与商环
  5. M16 · 谱、预解式与谱定理
  6. P02 · 相空间、Poincaré 截面与混沌
  7. P11 · 并行计算、可复现性与性能测量
  8. P12 · 相互作用、散射与 Feynman 图
机器学习 · 神经网络A12 · 视觉语言对齐与多模态生成
jj

《度量学习》“距离、相似度与排序方向”中记作 j 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 j 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 · 8
  1. A11 · 表达能力、过平滑与几何学习综合复习
  2. A11 · 图生成、图动力学与物理系统
  3. M01 · 代数、函数与解析几何综合复习
  4. M04 · 行列式与体积缩放
  5. M04 · 矩阵及其运算
  6. M11 · 约束优化、KKT 条件与对偶性
  7. P03 · 干涉、衍射与傅里叶光学
  8. P10 · 能带理论、半导体与费米面
机器学习 · 神经网络A08 · 度量学习、孪生网络与三元组损失
jj

《几何深度学习综合复习》“局部消息传递与参数共享”中记作 j 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 j 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 · 8
  1. A08 · 度量学习、孪生网络与三元组损失
  2. A11 · 图生成、图动力学与物理系统
  3. M01 · 代数、函数与解析几何综合复习
  4. M04 · 行列式与体积缩放
  5. M04 · 矩阵及其运算
  6. M11 · 约束优化、KKT 条件与对偶性
  7. P03 · 干涉、衍射与傅里叶光学
  8. P10 · 能带理论、半导体与费米面
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
教材位置 · 2
  1. A11 · 表达能力、过平滑与几何学习综合复习
jj

《图生成与图动力学》“动态图的状态表示”中记作 j 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 j 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 · 8
  1. A08 · 度量学习、孪生网络与三元组损失
  2. A11 · 表达能力、过平滑与几何学习综合复习
  3. M01 · 代数、函数与解析几何综合复习
  4. M04 · 行列式与体积缩放
  5. M04 · 矩阵及其运算
  6. M11 · 约束优化、KKT 条件与对偶性
  7. P03 · 干涉、衍射与傅里叶光学
  8. P10 · 能带理论、半导体与费米面
机器学习 · 神经网络A11 · 图生成、图动力学与物理系统
教材位置 · 2
  1. A11 · 图生成、图动力学与物理系统
JfJ_{f}

《计算图》“局部 Jacobian”中 J 的下标 f 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 f 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A04 · 计算图、链式法则与局部导数
教材位置 · 3
  1. A04 · 计算图、链式法则与局部导数
  2. A04 · 计算图、链式法则与局部导数
kk

《正则化与增强》“标签平滑与监督目标”中记作 k 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 k 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 · 18
  1. A02 · 决策树、划分准则与剪枝
  2. A02 · 特征映射、正定核与再生核空间
  3. A10 · 动态规划、Monte Carlo 与时序差分
  4. A10 · Markov 决策过程与 Bellman 方程
  5. A10 · Q-learning、探索与函数逼近
  6. A10 · 稳定性、评估与强化学习综合复习
  7. A11 · 谱图方法与流形学习
  8. A12 · 检索增强、引用与事实落地
  9. C01 · 序列、栈、队列、树与堆
  10. C04 · 进程与系统调用
  11. M01 · 函数、变换与图像
  12. M04 · 矩阵及其运算
  13. M07 · 递推关系与生成函数
  14. M11 · 一阶优化与梯度下降
  15. M12 · Lebesgue 积分与收敛定理
  16. P03 · 简谐振子、阻尼与受迫振动
  17. P03 · 行波、相位、叠加与色散
  18. P10 · 能带理论、半导体与费米面
机器学习 · 神经网络A05 · 正则化、数据增强与早停
kk

《谱图与几何学习》“多项式图滤波”中记作 k 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 k 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 · 18
  1. A02 · 决策树、划分准则与剪枝
  2. A02 · 特征映射、正定核与再生核空间
  3. A05 · 正则化、数据增强与早停
  4. A10 · 动态规划、Monte Carlo 与时序差分
  5. A10 · Markov 决策过程与 Bellman 方程
  6. A10 · Q-learning、探索与函数逼近
  7. A10 · 稳定性、评估与强化学习综合复习
  8. A12 · 检索增强、引用与事实落地
  9. C01 · 序列、栈、队列、树与堆
  10. C04 · 进程与系统调用
  11. M01 · 函数、变换与图像
  12. M04 · 矩阵及其运算
  13. M07 · 递推关系与生成函数
  14. M11 · 一阶优化与梯度下降
  15. M12 · Lebesgue 积分与收敛定理
  16. P03 · 简谐振子、阻尼与受迫振动
  17. P03 · 行波、相位、叠加与色散
  18. P10 · 能带理论、半导体与费米面
机器学习 · 神经网络A11 · 谱图方法与流形学习
教材位置 · 3
  1. A11 · 谱图方法与流形学习
  2. A11 · 谱图方法与流形学习
kk

《检索增强与落地》“稀疏检索与稠密检索”中记作 k 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 k 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 · 18
  1. A02 · 决策树、划分准则与剪枝
  2. A02 · 特征映射、正定核与再生核空间
  3. A05 · 正则化、数据增强与早停
  4. A10 · 动态规划、Monte Carlo 与时序差分
  5. A10 · Markov 决策过程与 Bellman 方程
  6. A10 · Q-learning、探索与函数逼近
  7. A10 · 稳定性、评估与强化学习综合复习
  8. A11 · 谱图方法与流形学习
  9. C01 · 序列、栈、队列、树与堆
  10. C04 · 进程与系统调用
  11. M01 · 函数、变换与图像
  12. M04 · 矩阵及其运算
  13. M07 · 递推关系与生成函数
  14. M11 · 一阶优化与梯度下降
  15. M12 · Lebesgue 积分与收敛定理
  16. P03 · 简谐振子、阻尼与受迫振动
  17. P03 · 行波、相位、叠加与色散
  18. P10 · 能带理论、半导体与费米面
机器学习 · 神经网络A12 · 检索增强、引用与事实落地
教材位置 · 6
  1. A12 · 检索增强、引用与事实落地
  2. A12 · 检索增强、引用与事实落地
  3. A12 · 检索增强、引用与事实落地
  4. A12 · 检索增强、引用与事实落地
  5. A12 · 检索增强、引用与事实落地
KK

注意力层的键矩阵

详细信息
单位
由上下文确定
成立条件
该含义限定于《正则化与增强》“标签平滑与监督目标”及其相邻推导。
其他含义 · 7
  1. A07 · 多头注意力与位置表示
  2. A07 · 缩放点积注意力与掩码
  3. M08 · 常微分方程与动力系统综合复习
  4. M14 · 群、环、域与 Galois 思想综合复习
  5. P03 · 耦合振子与简正模
  6. P03 · 几何光学、偏振与波动综合复习
  7. P11 · 分子动力学与统计量计算
机器学习 · 神经网络A05 · 正则化、数据增强与早停
KK

注意力层的键矩阵

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 · 7
  1. A05 · 正则化、数据增强与早停
  2. A07 · 缩放点积注意力与掩码
  3. M08 · 常微分方程与动力系统综合复习
  4. M14 · 群、环、域与 Galois 思想综合复习
  5. P03 · 耦合振子与简正模
  6. P03 · 几何光学、偏振与波动综合复习
  7. P11 · 分子动力学与统计量计算
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
KK

注意力键矩阵

详细信息
单位
由上下文确定
其他含义 · 7
  1. A05 · 正则化、数据增强与早停
  2. A07 · 多头注意力与位置表示
  3. M08 · 常微分方程与动力系统综合复习
  4. M14 · 群、环、域与 Galois 思想综合复习
  5. P03 · 耦合振子与简正模
  6. P03 · 几何光学、偏振与波动综合复习
  7. P11 · 分子动力学与统计量计算
机器学习 · 神经网络A07 · 缩放点积注意力与掩码
教材位置 · 41
  1. A14 · 可微物理、自动微分与守恒约束
  2. A14 · 可微物理、自动微分与守恒约束
  3. A14 · 可微物理、自动微分与守恒约束
  4. A14 · 可微物理、自动微分与守恒约束
  5. A14 · 逆问题、数据同化与不确定性
  6. A14 · 逆问题、数据同化与不确定性
  7. A14 · Fourier 神经算子与网格泛化
  8. A07 · 缩放点积注意力与掩码
  9. A07 · 缩放点积注意力与掩码
  10. A07 · 缩放点积注意力与掩码
  11. A07 · 缩放点积注意力与掩码
  12. A07 · 缩放点积注意力与掩码
  13. A07 · 缩放点积注意力与掩码
  14. A07 · 缩放点积注意力与掩码
  15. A07 · 缩放点积注意力与掩码
  16. A07 · 缩放点积注意力与掩码
  17. A07 · 缩放点积注意力与掩码
  18. A13 · 校准、分布外检测与选择性预测
  19. A06 · 卷积网络架构与残差连接
  20. A06 · 离散卷积、感受野与参数共享
  21. A06 · 离散卷积、感受野与参数共享
  22. A06 · 离散卷积、感受野与参数共享
  23. A06 · 离散卷积、感受野与参数共享
  24. A11 · 表达能力、过平滑与几何学习综合复习
  25. A12 · 语言建模、tokenization 与规模规律
  26. A07 · 多头注意力与位置表示
  27. A07 · 多头注意力与位置表示
  28. A07 · 多头注意力与位置表示
  29. A07 · 多头注意力与位置表示
  30. A04 · 神经网络与反向传播综合复习
  31. A04 · 神经网络与反向传播综合复习
  32. A09 · 正规化流与可逆变换
  33. A09 · 正规化流与可逆变换
  34. A09 · 正规化流与可逆变换
  35. A05 · 正则化、数据增强与早停
  36. A06 · 语义分割、实例分割与密集预测
  37. A07 · 序列损失、教师强制与解码
  38. A07 · 长序列、效率与 Transformer 综合复习
  39. A11 · 谱图方法与流形学习
  40. A06 · 视觉 Transformer 与混合架构
κ\kappa

《PINN》“神经网络解表示”中记作 kappa 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 kappa 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 · 3
  1. A14 · 基准、外推边界与科学机器学习综合复习
  2. M09 · 热方程、波动方程与 Laplace 方程
  3. M10 · 稳定性、收敛性与科学计算综合复习
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
κ\kappa

《科学机器学习复习》“前向误差与反演结果”中记作 kappa 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 kappa 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 · 3
  1. A14 · 物理信息神经网络与残差训练
  2. M09 · 热方程、波动方程与 Laplace 方程
  3. M10 · 稳定性、收敛性与科学计算综合复习
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
教材位置 · 8
  1. A14 · 基准、外推边界与科学机器学习综合复习
  2. A14 · 基准、外推边界与科学机器学习综合复习
  3. A14 · 基准、外推边界与科学机器学习综合复习
  4. A14 · 基准、外推边界与科学机器学习综合复习
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. A14 · 基准、外推边界与科学机器学习综合复习
  7. A14 · 基准、外推边界与科学机器学习综合复习
κℓ\kappa_{\ell}

《神经算子》“核积分层”中 kappa 的下标 ell 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 ell 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A14 · Fourier 神经算子与网格泛化
KckKc_{k}

《谱图与几何学习》“多项式图滤波”中 Kc 的下标 k 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 k 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A11 · 谱图方法与流形学习
LL

《反向传播》“向量 Jacobian 乘积”中记作 L 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 L 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 · 24
  1. A01 · 线性模型与统计学习综合复习
  2. A05 · 学习率调度与二阶近似
  3. A08 · 表示学习目标、相似度与不变性
  4. A11 · 图、图信号与节点表示
  5. A11 · 谱图方法与流形学习
  6. C05 · 网络分层与时延
  7. M11 · 一阶优化与梯度下降
  8. M02 · 数列极限与收敛判据
  9. M03 · 曲线积分与曲面积分
  10. M06 · 置信区间与枢轴量
  11. M06 · 点估计、充分性与信息量
  12. M06 · 估计、检验与统计决策综合复习
  13. M08 · 初值问题、存在唯一性与方向场
  14. M09 · 傅里叶方法与偏微分方程综合复习
  15. M10 · 稳定性、收敛性与科学计算综合复习
  16. M11 · 约束优化、KKT 条件与对偶性
  17. M13 · Cauchy 定理与积分公式
  18. M14 · 群、环、域与 Galois 思想综合复习
  19. P02 · 分析力学与非线性动力学综合复习
  20. P02 · Legendre 变换与 Hamilton 方程
  21. P04 · 电磁感应、位移电流与电路响应
  22. P09 · Navier–Stokes 方程与黏性流
  23. P12 · 经典场、作用量与 Noether 流
  24. P12 · 相互作用、散射与 Feynman 图
机器学习 · 神经网络A04 · 反向传播与反向模式自动微分
教材位置 · 12
  1. A04 · 反向传播与反向模式自动微分
  2. A04 · 反向传播与反向模式自动微分
  3. A04 · 反向传播与反向模式自动微分
  4. A04 · 反向传播与反向模式自动微分
  5. A04 · 反向传播与反向模式自动微分
  6. A04 · 反向传播与反向模式自动微分
  7. A04 · 反向传播与反向模式自动微分
  8. A04 · 反向传播与反向模式自动微分
  9. A04 · 反向传播与反向模式自动微分
  10. A04 · 反向传播与反向模式自动微分
  11. A04 · 反向传播与反向模式自动微分
LL

《调度与二阶方法》“Hessian 与局部曲率”中记作 L 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 L 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 · 24
  1. A01 · 线性模型与统计学习综合复习
  2. A04 · 反向传播与反向模式自动微分
  3. A08 · 表示学习目标、相似度与不变性
  4. A11 · 图、图信号与节点表示
  5. A11 · 谱图方法与流形学习
  6. C05 · 网络分层与时延
  7. M11 · 一阶优化与梯度下降
  8. M02 · 数列极限与收敛判据
  9. M03 · 曲线积分与曲面积分
  10. M06 · 置信区间与枢轴量
  11. M06 · 点估计、充分性与信息量
  12. M06 · 估计、检验与统计决策综合复习
  13. M08 · 初值问题、存在唯一性与方向场
  14. M09 · 傅里叶方法与偏微分方程综合复习
  15. M10 · 稳定性、收敛性与科学计算综合复习
  16. M11 · 约束优化、KKT 条件与对偶性
  17. M13 · Cauchy 定理与积分公式
  18. M14 · 群、环、域与 Galois 思想综合复习
  19. P02 · 分析力学与非线性动力学综合复习
  20. P02 · Legendre 变换与 Hamilton 方程
  21. P04 · 电磁感应、位移电流与电路响应
  22. P09 · Navier–Stokes 方程与黏性流
  23. P12 · 经典场、作用量与 Noether 流
  24. P12 · 相互作用、散射与 Feynman 图
机器学习 · 神经网络A05 · 学习率调度与二阶近似
教材位置 · 6
  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
  5. A05 · 学习率调度与二阶近似
LL

《表示学习目标》“重构目标与任务信息”中记作 L 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 L 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 · 24
  1. A01 · 线性模型与统计学习综合复习
  2. A04 · 反向传播与反向模式自动微分
  3. A05 · 学习率调度与二阶近似
  4. A11 · 图、图信号与节点表示
  5. A11 · 谱图方法与流形学习
  6. C05 · 网络分层与时延
  7. M11 · 一阶优化与梯度下降
  8. M02 · 数列极限与收敛判据
  9. M03 · 曲线积分与曲面积分
  10. M06 · 置信区间与枢轴量
  11. M06 · 点估计、充分性与信息量
  12. M06 · 估计、检验与统计决策综合复习
  13. M08 · 初值问题、存在唯一性与方向场
  14. M09 · 傅里叶方法与偏微分方程综合复习
  15. M10 · 稳定性、收敛性与科学计算综合复习
  16. M11 · 约束优化、KKT 条件与对偶性
  17. M13 · Cauchy 定理与积分公式
  18. M14 · 群、环、域与 Galois 思想综合复习
  19. P02 · 分析力学与非线性动力学综合复习
  20. P02 · Legendre 变换与 Hamilton 方程
  21. P04 · 电磁感应、位移电流与电路响应
  22. P09 · Navier–Stokes 方程与黏性流
  23. P12 · 经典场、作用量与 Noether 流
  24. P12 · 相互作用、散射与 Feynman 图
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 · 2
  1. A08 · 表示学习目标、相似度与不变性
LL

《图与图信号》“图平滑与标签假设”中记作 L 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 L 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 · 24
  1. A01 · 线性模型与统计学习综合复习
  2. A04 · 反向传播与反向模式自动微分
  3. A05 · 学习率调度与二阶近似
  4. A08 · 表示学习目标、相似度与不变性
  5. A11 · 谱图方法与流形学习
  6. C05 · 网络分层与时延
  7. M11 · 一阶优化与梯度下降
  8. M02 · 数列极限与收敛判据
  9. M03 · 曲线积分与曲面积分
  10. M06 · 置信区间与枢轴量
  11. M06 · 点估计、充分性与信息量
  12. M06 · 估计、检验与统计决策综合复习
  13. M08 · 初值问题、存在唯一性与方向场
  14. M09 · 傅里叶方法与偏微分方程综合复习
  15. M10 · 稳定性、收敛性与科学计算综合复习
  16. M11 · 约束优化、KKT 条件与对偶性
  17. M13 · Cauchy 定理与积分公式
  18. M14 · 群、环、域与 Galois 思想综合复习
  19. P02 · 分析力学与非线性动力学综合复习
  20. P02 · Legendre 变换与 Hamilton 方程
  21. P04 · 电磁感应、位移电流与电路响应
  22. P09 · Navier–Stokes 方程与黏性流
  23. P12 · 经典场、作用量与 Noether 流
  24. P12 · 相互作用、散射与 Feynman 图
机器学习 · 神经网络A11 · 图、图信号与节点表示
教材位置 · 6
  1. A11 · 图、图信号与节点表示
  2. A11 · 图、图信号与节点表示
  3. A11 · 图、图信号与节点表示
  4. A11 · 图、图信号与节点表示
  5. A11 · 图、图信号与节点表示
LL

《谱图与几何学习》“多项式图滤波”中记作 L 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 L 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 · 24
  1. A01 · 线性模型与统计学习综合复习
  2. A04 · 反向传播与反向模式自动微分
  3. A05 · 学习率调度与二阶近似
  4. A08 · 表示学习目标、相似度与不变性
  5. A11 · 图、图信号与节点表示
  6. C05 · 网络分层与时延
  7. M11 · 一阶优化与梯度下降
  8. M02 · 数列极限与收敛判据
  9. M03 · 曲线积分与曲面积分
  10. M06 · 置信区间与枢轴量
  11. M06 · 点估计、充分性与信息量
  12. M06 · 估计、检验与统计决策综合复习
  13. M08 · 初值问题、存在唯一性与方向场
  14. M09 · 傅里叶方法与偏微分方程综合复习
  15. M10 · 稳定性、收敛性与科学计算综合复习
  16. M11 · 约束优化、KKT 条件与对偶性
  17. M13 · Cauchy 定理与积分公式
  18. M14 · 群、环、域与 Galois 思想综合复习
  19. P02 · 分析力学与非线性动力学综合复习
  20. P02 · Legendre 变换与 Hamilton 方程
  21. P04 · 电磁感应、位移电流与电路响应
  22. P09 · Navier–Stokes 方程与黏性流
  23. P12 · 经典场、作用量与 Noether 流
  24. P12 · 相互作用、散射与 Feynman 图
机器学习 · 神经网络A11 · 谱图方法与流形学习
教材位置 · 10
  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
  4. A11 · 谱图方法与流形学习
  5. A11 · 谱图方法与流形学习
  6. A11 · 谱图方法与流形学习
  7. A11 · 谱图方法与流形学习
  8. A11 · 谱图方法与流形学习
  9. A11 · 谱图方法与流形学习
LL

《图像分割》“像素交叉熵”中记作 L_ 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 L_ 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 · 3
  1. A09 · 变分自编码器与证据下界
  2. A12 · 指令微调、偏好优化与上下文学习
  3. A13 · 对齐目标、反馈与奖励建模
机器学习 · 神经网络A06 · 语义分割、实例分割与密集预测
LL

《变分自编码器》“从边缘似然推导证据下界”中记作 L_ 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 L_ 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 · 3
  1. A06 · 语义分割、实例分割与密集预测
  2. A12 · 指令微调、偏好优化与上下文学习
  3. A13 · 对齐目标、反馈与奖励建模
机器学习 · 神经网络A09 · 变分自编码器与证据下界
教材位置 · 2
  1. A09 · 变分自编码器与证据下界
LL

《指令适配与偏好优化》“监督指令微调”中记作 L_ 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 L_ 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 · 3
  1. A06 · 语义分割、实例分割与密集预测
  2. A09 · 变分自编码器与证据下界
  3. A13 · 对齐目标、反馈与奖励建模
机器学习 · 神经网络A12 · 指令微调、偏好优化与上下文学习
教材位置 · 2
  1. A12 · 指令微调、偏好优化与上下文学习
LL

《对齐目标与奖励建模》“监督示范与条件分布”中记作 L_ 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 L_ 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 · 3
  1. A06 · 语义分割、实例分割与密集预测
  2. A09 · 变分自编码器与证据下界
  3. A12 · 指令微调、偏好优化与上下文学习
机器学习 · 神经网络A13 · 对齐目标、反馈与奖励建模
教材位置 · 2
  1. A13 · 对齐目标、反馈与奖励建模
LGL_{G}

《生成对抗学习》“非饱和损失与平衡点”中 L 的下标 G 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 G 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 · 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
mm

《计算图》“局部 Jacobian”中记作 m 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 m 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. A02 · AdaBoost、梯度提升与残差拟合
  2. C03 · 存储层次与缓存
  3. M01 · 多项式、因式分解与有理式
  4. M07 · 计数原理、容斥与鸽巢原理
  5. M11 · 约束优化、KKT 条件与对偶性
  6. M14 · 模、线性表示与结构定理
  7. P01 · 引力、轨道与经典力学综合复习
  8. P01 · 动量、冲量与碰撞
  9. P03 · 简谐振子、阻尼与受迫振动
  10. P04 · 稳恒电流、磁场与矢势
  11. P06 · 相变、序参量与临界现象
  12. P07 · 一维势阱、隧穿与散射
  13. P07 · Schrödinger 方程与时间演化
  14. P10 · 磁性、超导与序参量
  15. P12 · Klein–Gordon 场与 Dirac 场
机器学习 · 神经网络A04 · 计算图、链式法则与局部导数
教材位置 · 3
  1. A04 · 计算图、链式法则与局部导数
  2. A04 · 计算图、链式法则与局部导数
mim_{i}

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

详细信息
单位
由上下文确定
成立条件
下标 i 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. A11 · 图生成、图动力学与物理系统
  2. M01 · 代数、函数与解析几何综合复习
  3. P11 · 分子动力学与统计量计算
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
mim_{i}

《图生成与图动力学》“动态图的状态表示”中 m 的下标 i 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 i 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. A11 · 表达能力、过平滑与几何学习综合复习
  2. M01 · 代数、函数与解析几何综合复习
  3. P11 · 分子动力学与统计量计算
机器学习 · 神经网络A11 · 图生成、图动力学与物理系统
mijm_{ij}

《几何深度学习综合复习》“局部消息传递与参数共享”中 m 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
教材位置 · 2
  1. A11 · 表达能力、过平滑与几何学习综合复习