One Forth

符号表

1350 个符号
符号
符号含义教材与范围
XX

《校准与OOD检测》“置信度与条件正确率”中记作 X 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 X 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 · 16
  1. A00 · 分布偏移、置信区间与不确定性
  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. A13 · 鲁棒性、对抗攻击与防御评估
  5. M05 · 随机变量与分布
  6. M06 · 置信区间与枢轴量
  7. M06 · 假设检验、功效与多重比较
  8. M06 · 线性模型中的统计推断
  9. M11 · 优化模型、可行域与最优性
  10. M12 · Lebesgue 积分与收敛定理
  11. M12 · 实分析与测度论综合复习
  12. M14 · 群同态、商群与群作用
  13. M15 · 紧致性、连通性与分离公理
  14. M16 · Hahn–Banach、开映射与一致有界原理
  15. P09 · 连续介质运动学、应变与应力
  16. M05 · 期望、方差与协方差
机器学习 · 神经网络A13 · 校准、分布外检测与选择性预测
XX

《鲁棒性与攻击》“范数约束与语义约束”中记作 X 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 X 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 · 16
  1. A00 · 分布偏移、置信区间与不确定性
  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. A13 · 校准、分布外检测与选择性预测
  5. M05 · 随机变量与分布
  6. M06 · 置信区间与枢轴量
  7. M06 · 假设检验、功效与多重比较
  8. M06 · 线性模型中的统计推断
  9. M11 · 优化模型、可行域与最优性
  10. M12 · Lebesgue 积分与收敛定理
  11. M12 · 实分析与测度论综合复习
  12. M14 · 群同态、商群与群作用
  13. M15 · 紧致性、连通性与分离公理
  14. M16 · Hahn–Banach、开映射与一致有界原理
  15. P09 · 连续介质运动学、应变与应力
  16. M05 · 期望、方差与协方差
机器学习 · 神经网络A13 · 鲁棒性、对抗攻击与防御评估
x0x_{0}

《得分与扩散模型》“噪声预测与均值参数化”中 x 的下标 0 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 0 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 · 12
  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
  4. A09 · 得分匹配、扩散过程与反向采样
  5. A09 · 得分匹配、扩散过程与反向采样
  6. A09 · 得分匹配、扩散过程与反向采样
  7. A09 · 得分匹配、扩散过程与反向采样
  8. A09 · 得分匹配、扩散过程与反向采样
  9. A09 · 得分匹配、扩散过程与反向采样
  10. A09 · 得分匹配、扩散过程与反向采样
  11. A09 · 得分匹配、扩散过程与反向采样
x1x_{1}

《目标检测》“边界框参数化”中 x 的下标 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 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 · 2
  1. A09 · 自回归生成与序列似然
  2. A14 · DeepONet 与算子逼近
机器学习 · 神经网络A06 · 目标检测与多尺度特征
x1x_{1}

《自回归生成》“联合分布的链式分解”中 x 的下标 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 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 · 2
  1. A06 · 目标检测与多尺度特征
  2. A14 · DeepONet 与算子逼近
机器学习 · 神经网络A09 · 自回归生成与序列似然
教材位置 · 5
  1. A09 · 自回归生成与序列似然
  2. A09 · 自回归生成与序列似然
  3. A09 · 自回归生成与序列似然
  4. A09 · 自回归生成与序列似然
x1x_{1}

《DeepONet》“函数空间映射”中 x 的下标 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 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 · 2
  1. A06 · 目标检测与多尺度特征
  2. A09 · 自回归生成与序列似然
机器学习 · 神经网络A14 · DeepONet 与算子逼近
x2x_{2}

《目标检测》“边界框参数化”中 x 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A06 · 目标检测与多尺度特征
xax_{a}

《归一化流》“仿射耦合层”中 x 的下标 a 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 a 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 · 正规化流与可逆变换
教材位置 · 2
  1. A09 · 正规化流与可逆变换
xbx_{b}

《归一化流》“仿射耦合层”中 x 的下标 b 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 b 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 · 正规化流与可逆变换
教材位置 · 2
  1. A09 · 正规化流与可逆变换
xix_{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

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 · 11
  1. A00 · 损失函数、风险与评估
  2. A02 · 最大间隔与支持向量机
  3. A03 · 聚类目标、K 均值与密度方法
  4. A03 · 无监督学习与概率图模型综合复习
  5. A05 · 归一化方法与尺度控制
  6. A08 · 对比学习、负样本与信息瓶颈
  7. A08 · 跨模态对齐与预训练迁移
  8. M02 · 定积分与累积
  9. M10 · 插值、多项式逼近与样条
  10. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  11. P09 · 连续介质运动学、应变与应力
机器学习 · 神经网络A04 · 感知机与多层感知器
xix_{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

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 · 11
  1. A00 · 损失函数、风险与评估
  2. A02 · 最大间隔与支持向量机
  3. A03 · 聚类目标、K 均值与密度方法
  4. A03 · 无监督学习与概率图模型综合复习
  5. A04 · 感知机与多层感知器
  6. A08 · 对比学习、负样本与信息瓶颈
  7. A08 · 跨模态对齐与预训练迁移
  8. M02 · 定积分与累积
  9. M10 · 插值、多项式逼近与样条
  10. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  11. P09 · 连续介质运动学、应变与应力
机器学习 · 神经网络A05 · 归一化方法与尺度控制
xix_{i}

《对比学习》“配对关系与监督信号”中 x 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 · 11
  1. A00 · 损失函数、风险与评估
  2. A02 · 最大间隔与支持向量机
  3. A03 · 聚类目标、K 均值与密度方法
  4. A03 · 无监督学习与概率图模型综合复习
  5. A04 · 感知机与多层感知器
  6. A05 · 归一化方法与尺度控制
  7. A08 · 跨模态对齐与预训练迁移
  8. M02 · 定积分与累积
  9. M10 · 插值、多项式逼近与样条
  10. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  11. P09 · 连续介质运动学、应变与应力
机器学习 · 神经网络A08 · 对比学习、负样本与信息瓶颈
xix_{i}

《跨模态预训练》“双塔编码器与共享空间”中 x 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 · 11
  1. A00 · 损失函数、风险与评估
  2. A02 · 最大间隔与支持向量机
  3. A03 · 聚类目标、K 均值与密度方法
  4. A03 · 无监督学习与概率图模型综合复习
  5. A04 · 感知机与多层感知器
  6. A05 · 归一化方法与尺度控制
  7. A08 · 对比学习、负样本与信息瓶颈
  8. M02 · 定积分与累积
  9. M10 · 插值、多项式逼近与样条
  10. P06 · Bose–Einstein 与 Fermi–Dirac 统计
  11. P09 · 连续介质运动学、应变与应力
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
xjx_{j}

《对比学习》“配对关系与监督信号”中 x 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 · 对比学习、负样本与信息瓶颈
xmx_{m}

《DeepONet》“函数空间映射”中 x 的下标 m 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 m 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 · DeepONet 与算子逼近
xtx_{t}

《循环网络与门控》“GRU 的门控与隐藏状态”中 x 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 · 4
  1. A07 · 长序列、效率与 Transformer 综合复习
  2. A09 · 自回归生成与序列似然
  3. A09 · 生成质量、覆盖与生成模型综合复习
  4. A09 · 得分匹配、扩散过程与反向采样
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 · 5
  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
xtx_{t}

《序列模型综合复习》“RNN 的隐藏状态”中 x 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 · 4
  1. A07 · 循环网络、门控单元与状态传播
  2. A09 · 自回归生成与序列似然
  3. A09 · 生成质量、覆盖与生成模型综合复习
  4. A09 · 得分匹配、扩散过程与反向采样
机器学习 · 神经网络A07 · 长序列、效率与 Transformer 综合复习
教材位置 · 3
  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
xtx_{t}

《自回归生成》“联合分布的链式分解”中 x 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 · 4
  1. A07 · 循环网络、门控单元与状态传播
  2. A07 · 长序列、效率与 Transformer 综合复习
  3. A09 · 生成质量、覆盖与生成模型综合复习
  4. A09 · 得分匹配、扩散过程与反向采样
机器学习 · 神经网络A09 · 自回归生成与序列似然
教材位置 · 5
  1. A09 · 自回归生成与序列似然
  2. A09 · 自回归生成与序列似然
  3. A09 · 自回归生成与序列似然
  4. A09 · 自回归生成与序列似然
xtx_{t}

《生成模型综合复习》“显式密度与隐式生成”中 x 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 · 4
  1. A07 · 循环网络、门控单元与状态传播
  2. A07 · 长序列、效率与 Transformer 综合复习
  3. A09 · 自回归生成与序列似然
  4. A09 · 得分匹配、扩散过程与反向采样
机器学习 · 神经网络A09 · 生成质量、覆盖与生成模型综合复习
xtx_{t}

《得分与扩散模型》“噪声预测与均值参数化”中 x 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 · 4
  1. A07 · 循环网络、门控单元与状态传播
  2. A07 · 长序列、效率与 Transformer 综合复习
  3. A09 · 自回归生成与序列似然
  4. A09 · 生成质量、覆盖与生成模型综合复习
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 · 10
  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
  4. A09 · 得分匹配、扩散过程与反向采样
  5. A09 · 得分匹配、扩散过程与反向采样
  6. A09 · 得分匹配、扩散过程与反向采样
  7. A09 · 得分匹配、扩散过程与反向采样
  8. A09 · 得分匹配、扩散过程与反向采样
  9. A09 · 得分匹配、扩散过程与反向采样
xTx_{T}

《自回归生成》“联合分布的链式分解”中 x 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A09 · 自回归生成与序列似然
xt−1x_{t-1}

《自回归生成》“联合分布的链式分解”中 x 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。
机器学习 · 神经网络A09 · 自回归生成与序列似然
XW1XW_{1}

《神经网络反传复习》“张量形状”中 XW 的下标 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 1 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 · 神经网络与反向传播综合复习
教材位置 · 2
  1. A04 · 神经网络与反向传播综合复习
yy

《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

详细信息
单位
由上下文确定
成立条件
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。
其他含义 · 23
  1. A04 · 计算图、链式法则与局部导数
  2. A05 · 正则化、数据增强与早停
  3. A13 · 校准、分布外检测与选择性预测
  4. A14 · Fourier 神经算子与网格泛化
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. C00 · 程序、类型、控制流与函数
  7. C00 · 测试、版本控制与环境管理
  8. M00 · 等价关系、序关系与数学归纳法
  9. M01 · 直线、圆锥曲线与参数方程
  10. M03 · Green、Stokes 与 Gauss 定理
  11. M07 · 偏序集、格与布尔代数
  12. M08 · 可分离、线性与恰当方程
  13. M08 · 高阶线性方程与常系数方法
  14. M10 · 浮点数、条件数与误差传播
  15. M11 · 凸集、凸函数与次梯度
  16. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  17. M16 · 赋范空间、Banach 空间与有界算子
  18. M16 · 紧算子与自伴算子
  19. P08 · Lorentz 变换与时空间隔
  20. P09 · 边界层、相似性与流动不稳定性
  21. P12 · 自由场量子化与粒子解释
  22. P12 · 粒子物理与场论导论综合复习
  23. M04 · 线性映射及其矩阵表示
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 · 7
  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
yy

《计算图》“局部 Jacobian”中记作 y 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 y 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 · 23
  1. A04 · 反向传播与反向模式自动微分
  2. A05 · 正则化、数据增强与早停
  3. A13 · 校准、分布外检测与选择性预测
  4. A14 · Fourier 神经算子与网格泛化
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. C00 · 程序、类型、控制流与函数
  7. C00 · 测试、版本控制与环境管理
  8. M00 · 等价关系、序关系与数学归纳法
  9. M01 · 直线、圆锥曲线与参数方程
  10. M03 · Green、Stokes 与 Gauss 定理
  11. M07 · 偏序集、格与布尔代数
  12. M08 · 可分离、线性与恰当方程
  13. M08 · 高阶线性方程与常系数方法
  14. M10 · 浮点数、条件数与误差传播
  15. M11 · 凸集、凸函数与次梯度
  16. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  17. M16 · 赋范空间、Banach 空间与有界算子
  18. M16 · 紧算子与自伴算子
  19. P08 · Lorentz 变换与时空间隔
  20. P09 · 边界层、相似性与流动不稳定性
  21. P12 · 自由场量子化与粒子解释
  22. P12 · 粒子物理与场论导论综合复习
  23. M04 · 线性映射及其矩阵表示
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 · 4
  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
  3. A04 · 计算图、链式法则与局部导数
yy

《正则化与增强》“标签平滑与监督目标”中记作 y 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 y 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 · 23
  1. A04 · 反向传播与反向模式自动微分
  2. A04 · 计算图、链式法则与局部导数
  3. A13 · 校准、分布外检测与选择性预测
  4. A14 · Fourier 神经算子与网格泛化
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. C00 · 程序、类型、控制流与函数
  7. C00 · 测试、版本控制与环境管理
  8. M00 · 等价关系、序关系与数学归纳法
  9. M01 · 直线、圆锥曲线与参数方程
  10. M03 · Green、Stokes 与 Gauss 定理
  11. M07 · 偏序集、格与布尔代数
  12. M08 · 可分离、线性与恰当方程
  13. M08 · 高阶线性方程与常系数方法
  14. M10 · 浮点数、条件数与误差传播
  15. M11 · 凸集、凸函数与次梯度
  16. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  17. M16 · 赋范空间、Banach 空间与有界算子
  18. M16 · 紧算子与自伴算子
  19. P08 · Lorentz 变换与时空间隔
  20. P09 · 边界层、相似性与流动不稳定性
  21. P12 · 自由场量子化与粒子解释
  22. P12 · 粒子物理与场论导论综合复习
  23. M04 · 线性映射及其矩阵表示
机器学习 · 神经网络A05 · 正则化、数据增强与早停
教材位置 · 2
  1. A05 · 正则化、数据增强与早停
yy

《校准与OOD检测》“置信度与条件正确率”中记作 y 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 y 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 · 23
  1. A04 · 反向传播与反向模式自动微分
  2. A04 · 计算图、链式法则与局部导数
  3. A05 · 正则化、数据增强与早停
  4. A14 · Fourier 神经算子与网格泛化
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. C00 · 程序、类型、控制流与函数
  7. C00 · 测试、版本控制与环境管理
  8. M00 · 等价关系、序关系与数学归纳法
  9. M01 · 直线、圆锥曲线与参数方程
  10. M03 · Green、Stokes 与 Gauss 定理
  11. M07 · 偏序集、格与布尔代数
  12. M08 · 可分离、线性与恰当方程
  13. M08 · 高阶线性方程与常系数方法
  14. M10 · 浮点数、条件数与误差传播
  15. M11 · 凸集、凸函数与次梯度
  16. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  17. M16 · 赋范空间、Banach 空间与有界算子
  18. M16 · 紧算子与自伴算子
  19. P08 · Lorentz 变换与时空间隔
  20. P09 · 边界层、相似性与流动不稳定性
  21. P12 · 自由场量子化与粒子解释
  22. P12 · 粒子物理与场论导论综合复习
  23. M04 · 线性映射及其矩阵表示
机器学习 · 神经网络A13 · 校准、分布外检测与选择性预测
yy

《神经算子》“核积分层”中记作 y 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 y 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 · 23
  1. A04 · 反向传播与反向模式自动微分
  2. A04 · 计算图、链式法则与局部导数
  3. A05 · 正则化、数据增强与早停
  4. A13 · 校准、分布外检测与选择性预测
  5. A14 · 基准、外推边界与科学机器学习综合复习
  6. C00 · 程序、类型、控制流与函数
  7. C00 · 测试、版本控制与环境管理
  8. M00 · 等价关系、序关系与数学归纳法
  9. M01 · 直线、圆锥曲线与参数方程
  10. M03 · Green、Stokes 与 Gauss 定理
  11. M07 · 偏序集、格与布尔代数
  12. M08 · 可分离、线性与恰当方程
  13. M08 · 高阶线性方程与常系数方法
  14. M10 · 浮点数、条件数与误差传播
  15. M11 · 凸集、凸函数与次梯度
  16. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  17. M16 · 赋范空间、Banach 空间与有界算子
  18. M16 · 紧算子与自伴算子
  19. P08 · Lorentz 变换与时空间隔
  20. P09 · 边界层、相似性与流动不稳定性
  21. P12 · 自由场量子化与粒子解释
  22. P12 · 粒子物理与场论导论综合复习
  23. M04 · 线性映射及其矩阵表示
机器学习 · 神经网络A14 · Fourier 神经算子与网格泛化
yy

《科学机器学习复习》“前向误差与反演结果”中记作 y 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 y 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 · 23
  1. A04 · 反向传播与反向模式自动微分
  2. A04 · 计算图、链式法则与局部导数
  3. A05 · 正则化、数据增强与早停
  4. A13 · 校准、分布外检测与选择性预测
  5. A14 · Fourier 神经算子与网格泛化
  6. C00 · 程序、类型、控制流与函数
  7. C00 · 测试、版本控制与环境管理
  8. M00 · 等价关系、序关系与数学归纳法
  9. M01 · 直线、圆锥曲线与参数方程
  10. M03 · Green、Stokes 与 Gauss 定理
  11. M07 · 偏序集、格与布尔代数
  12. M08 · 可分离、线性与恰当方程
  13. M08 · 高阶线性方程与常系数方法
  14. M10 · 浮点数、条件数与误差传播
  15. M11 · 凸集、凸函数与次梯度
  16. M13 · 复微分、Cauchy–Riemann 方程与全纯函数
  17. M16 · 赋范空间、Banach 空间与有界算子
  18. M16 · 紧算子与自伴算子
  19. P08 · Lorentz 变换与时空间隔
  20. P09 · 边界层、相似性与流动不稳定性
  21. P12 · 自由场量子化与粒子解释
  22. P12 · 粒子物理与场论导论综合复习
  23. M04 · 线性映射及其矩阵表示
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 · 3
  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
YY

《校准与OOD检测》“置信度与条件正确率”中记作 Y 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 Y 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. A00 · 分布偏移、置信区间与不确定性
  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. C02 · 对照、随机化与功效分析
  5. M00 · 等价关系、序关系与数学归纳法
  6. M05 · 大数定律与中心极限定理
  7. M06 · 线性模型中的统计推断
  8. M16 · Hahn–Banach、开映射与一致有界原理
  9. P00 · 测量、量纲与数学建模综合复习
  10. P00 · 不确定度传播与数据拟合
  11. M06 · 线性模型中的统计推断
机器学习 · 神经网络A13 · 校准、分布外检测与选择性预测
y1y_{1}

《目标检测》“边界框参数化”中 y 的下标 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 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. M08 · 初值问题、存在唯一性与方向场
机器学习 · 神经网络A06 · 目标检测与多尺度特征
y1Ty_{1T}

《序列训练与解码》“自回归似然与链式法则”中 y 的下标 1T 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 1T 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 · 序列损失、教师强制与解码
y2y_{2}

《目标检测》“边界框参数化”中 y 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。
其他含义 · 1
  1. M08 · 初值问题、存在唯一性与方向场
机器学习 · 神经网络A06 · 目标检测与多尺度特征
yay_{a}

《归一化流》“仿射耦合层”中 y 的下标 a 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 a 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 · 正规化流与可逆变换
教材位置 · 2
  1. A09 · 正规化流与可逆变换
yby_{b}

《归一化流》“仿射耦合层”中 y 的下标 b 分量或状态量

详细信息
单位
由上下文确定
成立条件
下标 b 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 · 正规化流与可逆变换
教材位置 · 2
  1. A09 · 正规化流与可逆变换
yiy_{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

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 · 4
  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. A02 · 最大间隔与支持向量机
  4. M10 · 插值、多项式逼近与样条
机器学习 · 神经网络A04 · 感知机与多层感知器
yky_{k}

《正则化与增强》“标签平滑与监督目标”中 y 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A05 · 正则化、数据增强与早停
yty_{t}

《序列训练与解码》“自回归似然与链式法则”中 y 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 · 3
  1. A07 · 长序列、效率与 Transformer 综合复习
  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A07 · 序列损失、教师强制与解码
yty_{t}

《序列模型综合复习》“RNN 的隐藏状态”中 y 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 · 3
  1. A07 · 序列损失、教师强制与解码
  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A07 · 长序列、效率与 Transformer 综合复习
yty_{t}

《指令适配与偏好优化》“监督指令微调”中 y 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 · 3
  1. A07 · 序列损失、教师强制与解码
  2. A07 · 长序列、效率与 Transformer 综合复习
  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
yty_{t}

《对齐目标与奖励建模》“监督示范与条件分布”中 y 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 · 3
  1. A07 · 序列损失、教师强制与解码
  2. A07 · 长序列、效率与 Transformer 综合复习
  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
zz

《激活函数》“ReLU 与分段线性网络”中记作 z 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 z 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 · 特征映射、正定核与再生核空间
  2. A03 · 聚类目标、K 均值与密度方法
  3. A03 · EM 算法与变分推断
  4. A09 · 生成对抗网络与散度最小化
  5. A09 · 变分自编码器与证据下界
  6. A13 · 表示探测与机制可解释性
  7. A14 · 可微物理、自动微分与守恒约束
  8. M00 · 等价关系、序关系与数学归纳法
  9. M07 · 偏序集、格与布尔代数
  10. M13 · 复分析方法综合复习
  11. M13 · 保角映射与解析延拓
  12. M13 · 幂级数、初等复函数与局部表示
  13. P08 · Lorentz 变换与时空间隔
  14. P08 · 黑洞、宇宙学与相对论综合复习
  15. P10 · 自由电子气与输运
机器学习 · 神经网络A04 · 激活函数与非线性表示
教材位置 · 6
  1. A04 · 激活函数与非线性表示
  2. A04 · 激活函数与非线性表示
  3. A04 · 激活函数与非线性表示
  4. A04 · 激活函数与非线性表示
  5. A04 · 激活函数与非线性表示
zz

《生成对抗学习》“非饱和损失与平衡点”中记作 z 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 z 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 · 特征映射、正定核与再生核空间
  2. A03 · 聚类目标、K 均值与密度方法
  3. A03 · EM 算法与变分推断
  4. A04 · 激活函数与非线性表示
  5. A09 · 变分自编码器与证据下界
  6. A13 · 表示探测与机制可解释性
  7. A14 · 可微物理、自动微分与守恒约束
  8. M00 · 等价关系、序关系与数学归纳法
  9. M07 · 偏序集、格与布尔代数
  10. M13 · 复分析方法综合复习
  11. M13 · 保角映射与解析延拓
  12. M13 · 幂级数、初等复函数与局部表示
  13. P08 · Lorentz 变换与时空间隔
  14. P08 · 黑洞、宇宙学与相对论综合复习
  15. P10 · 自由电子气与输运
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 · 2
  1. A09 · 生成对抗网络与散度最小化
zz

《变分自编码器》“从边缘似然推导证据下界”中记作 z 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 z 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 · 特征映射、正定核与再生核空间
  2. A03 · 聚类目标、K 均值与密度方法
  3. A03 · EM 算法与变分推断
  4. A04 · 激活函数与非线性表示
  5. A09 · 生成对抗网络与散度最小化
  6. A13 · 表示探测与机制可解释性
  7. A14 · 可微物理、自动微分与守恒约束
  8. M00 · 等价关系、序关系与数学归纳法
  9. M07 · 偏序集、格与布尔代数
  10. M13 · 复分析方法综合复习
  11. M13 · 保角映射与解析延拓
  12. M13 · 幂级数、初等复函数与局部表示
  13. P08 · Lorentz 变换与时空间隔
  14. P08 · 黑洞、宇宙学与相对论综合复习
  15. P10 · 自由电子气与输运
机器学习 · 神经网络A09 · 变分自编码器与证据下界
教材位置 · 13
  1. A09 · 变分自编码器与证据下界
  2. A09 · 变分自编码器与证据下界
  3. A09 · 变分自编码器与证据下界
  4. A09 · 变分自编码器与证据下界
  5. A09 · 变分自编码器与证据下界
  6. A09 · 变分自编码器与证据下界
  7. A09 · 变分自编码器与证据下界
  8. A09 · 变分自编码器与证据下界
  9. A09 · 变分自编码器与证据下界
  10. A09 · 变分自编码器与证据下界
  11. A09 · 变分自编码器与证据下界
  12. A09 · 变分自编码器与证据下界
zz

《机制可解释性》“线性探针与可解码性”中记作 z 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 z 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 · 特征映射、正定核与再生核空间
  2. A03 · 聚类目标、K 均值与密度方法
  3. A03 · EM 算法与变分推断
  4. A04 · 激活函数与非线性表示
  5. A09 · 生成对抗网络与散度最小化
  6. A09 · 变分自编码器与证据下界
  7. A14 · 可微物理、自动微分与守恒约束
  8. M00 · 等价关系、序关系与数学归纳法
  9. M07 · 偏序集、格与布尔代数
  10. M13 · 复分析方法综合复习
  11. M13 · 保角映射与解析延拓
  12. M13 · 幂级数、初等复函数与局部表示
  13. P08 · Lorentz 变换与时空间隔
  14. P08 · 黑洞、宇宙学与相对论综合复习
  15. P10 · 自由电子气与输运
机器学习 · 神经网络A13 · 表示探测与机制可解释性
教材位置 · 2
  1. A13 · 表示探测与机制可解释性
zz

《可微分物理》“隐式方程与隐式梯度”中记作 z 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 z 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 · 特征映射、正定核与再生核空间
  2. A03 · 聚类目标、K 均值与密度方法
  3. A03 · EM 算法与变分推断
  4. A04 · 激活函数与非线性表示
  5. A09 · 生成对抗网络与散度最小化
  6. A09 · 变分自编码器与证据下界
  7. A13 · 表示探测与机制可解释性
  8. M00 · 等价关系、序关系与数学归纳法
  9. M07 · 偏序集、格与布尔代数
  10. M13 · 复分析方法综合复习
  11. M13 · 保角映射与解析延拓
  12. M13 · 幂级数、初等复函数与局部表示
  13. P08 · Lorentz 变换与时空间隔
  14. P08 · 黑洞、宇宙学与相对论综合复习
  15. P10 · 自由电子气与输运
机器学习 · 神经网络A14 · 可微物理、自动微分与守恒约束
教材位置 · 3
  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
Z1Z_{1}

《神经网络反传复习》“张量形状”中 Z 的下标 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 1 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 · 神经网络与反向传播综合复习
教材位置 · 3
  1. A04 · 神经网络与反向传播综合复习
  2. A04 · 神经网络与反向传播综合复习
ziz_{i}

《跨模态预训练》“双塔编码器与共享空间”中 z 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 · 1
  1. C02 · 数据处理与实验设计综合复习
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移
zjz_{j}

《初始化与梯度流》“仿射层的前向方差”中 z 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. A08 · 跨模态对齐与预训练迁移
机器学习 · 神经网络A04 · 参数初始化与梯度传播
zjz_{j}

《跨模态预训练》“双塔编码器与共享空间”中 z 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. A04 · 参数初始化与梯度传播
机器学习 · 神经网络A08 · 跨模态对齐与预训练迁移