符号表

学科检索学科 / 主题

1350 个符号

符号
符号	含义	教材与范围
$m_{ij}$	《图生成与图动力学》“动态图的状态表示”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 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
$m_{t}$	《工具、记忆与规划》“智能体的状态循环”中 m 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
$\mu_{S}$	《归一化与尺度》“一个通用标准化模板”中 mu 的下标 S 分量或状态量详细信息单位由上下文确定成立条件下标 S 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 · 归一化方法与尺度控制
$n$	《计算图》“局部 Jacobian”中记作 n 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 n 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 · 22 A00 · 损失函数、风险与评估 A01 · 线性模型与统计学习综合复习 A01 · 正则化、偏差与方差 A03 · 聚类目标、K 均值与密度方法 A08 · 表示质量、坍塌与自监督学习综合复习 C01 · 分治、贪心与排序 C01 · 序列、栈、队列、树与堆 M02 · 定积分与累积 M04 · 线性方程组的解结构 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M08 · 高阶线性方程与常系数方法 M08 · 稳定性、Lyapunov 方法与分岔 M09 · 傅里叶方法与偏微分方程综合复习 M09 · 傅里叶级数、收敛与 Gibbs 现象 M10 · 插值、多项式逼近与样条 M14 · 域扩张、多项式与有限域 P00 · 尺度分析、数量级与估算 P05 · 熵、不可逆过程与熵产生 P05 · 平衡态、状态方程与准静态过程 P09 · 质量、动量与能量守恒方程 P10 · 自由电子气与输运	机器学习 · 神经网络A04 · 计算图、链式法则与局部导数
$n$	《表示学习综合复习》“表示坍塌的诊断”中记作 n 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 n 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 · 22 A00 · 损失函数、风险与评估 A01 · 线性模型与统计学习综合复习 A01 · 正则化、偏差与方差 A03 · 聚类目标、K 均值与密度方法 A04 · 计算图、链式法则与局部导数 C01 · 分治、贪心与排序 C01 · 序列、栈、队列、树与堆 M02 · 定积分与累积 M04 · 线性方程组的解结构 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M08 · 高阶线性方程与常系数方法 M08 · 稳定性、Lyapunov 方法与分岔 M09 · 傅里叶方法与偏微分方程综合复习 M09 · 傅里叶级数、收敛与 Gibbs 现象 M10 · 插值、多项式逼近与样条 M14 · 域扩张、多项式与有限域 P00 · 尺度分析、数量级与估算 P05 · 熵、不可逆过程与熵产生 P05 · 平衡态、状态方程与准静态过程 P09 · 质量、动量与能量守恒方程 P10 · 自由电子气与输运	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
$N$	《计算机视觉综合复习》“例 4：为工业缺陷实例掩码比较三个方案”中记作 N 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 N 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 · 14 A00 · 分类、回归指标与基线 A06 · 视觉 Transformer 与混合架构 A11 · 表达能力、过平滑与几何学习综合复习 A11 · 图生成、图动力学与物理系统 A12 · 系统评估、故障模式与智能体综合复习 C05 · IP 地址与路由 M04 · 线性方程组的解结构 P03 · 干涉、衍射与傅里叶光学 P05 · 自由能、Maxwell 关系与相平衡 P06 · 正则系综、配分函数与涨落 P06 · 巨正则系综与化学势 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P10 · 自由电子气与输运	机器学习 · 神经网络A06 · 几何、数据偏差与计算机视觉综合复习
$N$	《视觉 Transformer》“从二维网格到标记序列”中记作 N 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 N 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 · 14 A00 · 分类、回归指标与基线 A06 · 几何、数据偏差与计算机视觉综合复习 A11 · 表达能力、过平滑与几何学习综合复习 A11 · 图生成、图动力学与物理系统 A12 · 系统评估、故障模式与智能体综合复习 C05 · IP 地址与路由 M04 · 线性方程组的解结构 P03 · 干涉、衍射与傅里叶光学 P05 · 自由能、Maxwell 关系与相平衡 P06 · 正则系综、配分函数与涨落 P06 · 巨正则系综与化学势 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P10 · 自由电子气与输运	机器学习 · 神经网络A06 · 视觉 Transformer 与混合架构教材位置 · 3 A06 · 视觉 Transformer 与混合架构 A06 · 视觉 Transformer 与混合架构
$N$	《几何深度学习综合复习》“局部消息传递与参数共享”中记作 N 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 N 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 · 14 A00 · 分类、回归指标与基线 A06 · 几何、数据偏差与计算机视觉综合复习 A06 · 视觉 Transformer 与混合架构 A11 · 图生成、图动力学与物理系统 A12 · 系统评估、故障模式与智能体综合复习 C05 · IP 地址与路由 M04 · 线性方程组的解结构 P03 · 干涉、衍射与傅里叶光学 P05 · 自由能、Maxwell 关系与相平衡 P06 · 正则系综、配分函数与涨落 P06 · 巨正则系综与化学势 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P10 · 自由电子气与输运	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 A11 · 表达能力、过平滑与几何学习综合复习
$N$	《图生成与图动力学》“动态图的状态表示”中记作 N 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 N 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 · 14 A00 · 分类、回归指标与基线 A06 · 几何、数据偏差与计算机视觉综合复习 A06 · 视觉 Transformer 与混合架构 A11 · 表达能力、过平滑与几何学习综合复习 A12 · 系统评估、故障模式与智能体综合复习 C05 · IP 地址与路由 M04 · 线性方程组的解结构 P03 · 干涉、衍射与傅里叶光学 P05 · 自由能、Maxwell 关系与相平衡 P06 · 正则系综、配分函数与涨落 P06 · 巨正则系综与化学势 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P10 · 自由电子气与输运	机器学习 · 神经网络A11 · 图生成、图动力学与物理系统
$N$	《大模型智能体综合复习》“端到端成功率”中记作 N 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 N 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 · 14 A00 · 分类、回归指标与基线 A06 · 几何、数据偏差与计算机视觉综合复习 A06 · 视觉 Transformer 与混合架构 A11 · 表达能力、过平滑与几何学习综合复习 A11 · 图生成、图动力学与物理系统 C05 · IP 地址与路由 M04 · 线性方程组的解结构 P03 · 干涉、衍射与傅里叶光学 P05 · 自由能、Maxwell 关系与相平衡 P06 · 正则系综、配分函数与涨落 P06 · 巨正则系综与化学势 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P10 · 自由电子气与输运	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
$n$	《初始化与梯度流》“仿射层的前向方差”中记作 n_ 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 n_ 仅按该公式锚点给出的对象类型、取值域与维度解释。	机器学习 · 神经网络A04 · 参数初始化与梯度传播教材位置 · 3 A04 · 参数初始化与梯度传播 A04 · 参数初始化与梯度传播
$N_{k}$	《多头与位置表示》“注意力张量的维度”中 N 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。其他含义 · 1 C04 · 进程与系统调用	机器学习 · 神经网络A07 · 多头注意力与位置表示教材位置 · 7 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示
$N_{q}$	《多头与位置表示》“注意力张量的维度”中 N 的下标 q 分量或状态量详细信息单位由上下文确定成立条件下标 q 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 · 7 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示
$o_{t}$	《工具、记忆与规划》“智能体的状态循环”中 o 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
$\Omega$	《PINN》“神经网络解表示”中记作 Omega 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 Omega 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 A01 · 正则化、偏差与方差 M13 · 保角映射与解析延拓 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习	机器学习 · 神经网络A14 · 物理信息神经网络与残差训练
$p$	《调度与二阶方法》“Hessian 与局部曲率”中记作 p 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 p 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 A01 · Logistic 回归与概率分类 A03 · 贝叶斯网络与 Markov 随机场 A03 · 变量消元、消息传递与精确推断 A03 · 无监督学习与概率图模型综合复习 A09 · 自回归生成与序列似然 A13 · 鲁棒性、对抗攻击与防御评估 C00 · 数据可视化与计算实验 C03 · 输入输出与性能分析 C03 · 存储层次与缓存 C05 · IP 地址与路由 M01 · 多项式、因式分解与有理式 M11 · 熵、互信息与散度 M11 · 优化模型、可行域与最优性 M15 · 拓扑与微分几何综合复习 P01 · 动量、冲量与碰撞 P02 · Poisson 括号与正则变换 P05 · 平衡态、状态方程与准静态过程 P05 · 热力学第一定律与能量传递 P05 · 自由能、Maxwell 关系与相平衡 P05 · 响应函数、相变与热力学综合复习 P09 · Euler 方程、Bernoulli 定理与涡量 P09 · Navier–Stokes 方程与黏性流 P11 · 粒子系统与场方程计算	机器学习 · 神经网络A05 · 学习率调度与二阶近似教材位置 · 4 A05 · 学习率调度与二阶近似 A05 · 学习率调度与二阶近似 A05 · 学习率调度与二阶近似
$p$	《自回归生成》“联合分布的链式分解”中记作 p 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 p 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 A01 · Logistic 回归与概率分类 A03 · 贝叶斯网络与 Markov 随机场 A03 · 变量消元、消息传递与精确推断 A03 · 无监督学习与概率图模型综合复习 A05 · 学习率调度与二阶近似 A13 · 鲁棒性、对抗攻击与防御评估 C00 · 数据可视化与计算实验 C03 · 输入输出与性能分析 C03 · 存储层次与缓存 C05 · IP 地址与路由 M01 · 多项式、因式分解与有理式 M11 · 熵、互信息与散度 M11 · 优化模型、可行域与最优性 M15 · 拓扑与微分几何综合复习 P01 · 动量、冲量与碰撞 P02 · Poisson 括号与正则变换 P05 · 平衡态、状态方程与准静态过程 P05 · 热力学第一定律与能量传递 P05 · 自由能、Maxwell 关系与相平衡 P05 · 响应函数、相变与热力学综合复习 P09 · Euler 方程、Bernoulli 定理与涡量 P09 · Navier–Stokes 方程与黏性流 P11 · 粒子系统与场方程计算	机器学习 · 神经网络A09 · 自回归生成与序列似然教材位置 · 5 A09 · 自回归生成与序列似然 A09 · 自回归生成与序列似然 A09 · 自回归生成与序列似然 A09 · 自回归生成与序列似然
$p$	《鲁棒性与攻击》“范数约束与语义约束”中记作 p 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 p 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 A01 · Logistic 回归与概率分类 A03 · 贝叶斯网络与 Markov 随机场 A03 · 变量消元、消息传递与精确推断 A03 · 无监督学习与概率图模型综合复习 A05 · 学习率调度与二阶近似 A09 · 自回归生成与序列似然 C00 · 数据可视化与计算实验 C03 · 输入输出与性能分析 C03 · 存储层次与缓存 C05 · IP 地址与路由 M01 · 多项式、因式分解与有理式 M11 · 熵、互信息与散度 M11 · 优化模型、可行域与最优性 M15 · 拓扑与微分几何综合复习 P01 · 动量、冲量与碰撞 P02 · Poisson 括号与正则变换 P05 · 平衡态、状态方程与准静态过程 P05 · 热力学第一定律与能量传递 P05 · 自由能、Maxwell 关系与相平衡 P05 · 响应函数、相变与热力学综合复习 P09 · Euler 方程、Bernoulli 定理与涡量 P09 · Navier–Stokes 方程与黏性流 P11 · 粒子系统与场方程计算	机器学习 · 神经网络A13 · 鲁棒性、对抗攻击与防御评估
$P_{h}$	《视觉 Transformer》“从二维网格到标记序列”中 P 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A06 · 视觉 Transformer 与混合架构
$p_{iy}$	《图像分割》“像素交叉熵”中 p 的下标 iy 分量或状态量详细信息单位由上下文确定成立条件下标 iy 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 · 语义分割、实例分割与密集预测
$p_{\phi}$	《表示学习目标》“重构目标与任务信息”中 p 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。	机器学习 · 神经网络A08 · 表示学习目标、相似度与不变性
$p_{t}$	《工具、记忆与规划》“智能体的状态循环”中 p 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
$p_{\theta}$	《序列训练与解码》“自回归似然与链式法则”中 p 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 · 6 A03 · EM 算法与变分推断 A08 · 掩码预测与上下文建模 A09 · 生成质量、覆盖与生成模型综合复习 A09 · 变分自编码器与证据下界 A12 · 语言建模、tokenization 与规模规律 M06 · 点估计、充分性与信息量	机器学习 · 神经网络A07 · 序列损失、教师强制与解码
$p_{\theta}$	《掩码预测》“离散词元的条件分类”中 p 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 · 6 A03 · EM 算法与变分推断 A07 · 序列损失、教师强制与解码 A09 · 生成质量、覆盖与生成模型综合复习 A09 · 变分自编码器与证据下界 A12 · 语言建模、tokenization 与规模规律 M06 · 点估计、充分性与信息量	机器学习 · 神经网络A08 · 掩码预测与上下文建模教材位置 · 2 A08 · 掩码预测与上下文建模
$p_{\theta}$	《生成模型综合复习》“显式密度与隐式生成”中 p 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 · 6 A03 · EM 算法与变分推断 A07 · 序列损失、教师强制与解码 A08 · 掩码预测与上下文建模 A09 · 变分自编码器与证据下界 A12 · 语言建模、tokenization 与规模规律 M06 · 点估计、充分性与信息量	机器学习 · 神经网络A09 · 生成质量、覆盖与生成模型综合复习教材位置 · 3 A09 · 生成质量、覆盖与生成模型综合复习 A09 · 生成质量、覆盖与生成模型综合复习
$p_{\theta}$	《变分自编码器》“从边缘似然推导证据下界”中 p 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 · 6 A03 · EM 算法与变分推断 A07 · 序列损失、教师强制与解码 A08 · 掩码预测与上下文建模 A09 · 生成质量、覆盖与生成模型综合复习 A12 · 语言建模、tokenization 与规模规律 M06 · 点估计、充分性与信息量	机器学习 · 神经网络A09 · 变分自编码器与证据下界教材位置 · 8 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界
$p_{\theta}$	《语言建模与规模规律》“因果语言模型的条件似然”中 p 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 · 6 A03 · EM 算法与变分推断 A07 · 序列损失、教师强制与解码 A08 · 掩码预测与上下文建模 A09 · 生成质量、覆盖与生成模型综合复习 A09 · 变分自编码器与证据下界 M06 · 点估计、充分性与信息量	机器学习 · 神经网络A12 · 语言建模、tokenization 与规模规律
$P_{w}$	《视觉 Transformer》“从二维网格到标记序列”中 P 的下标 w 分量或状态量详细信息单位由上下文确定成立条件下标 w 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
$\phi$	《神经网络反传复习》“张量形状”中记作 phi 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 phi 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 · 6 A07 · 长序列、效率与 Transformer 综合复习 A07 · 编码器、解码器与 Transformer 架构 P07 · 一维势阱、隧穿与散射 P07 · Schrödinger 方程与时间演化 P12 · 自由场量子化与粒子解释 P12 · 粒子物理与场论导论综合复习	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 A04 · 神经网络与反向传播综合复习
$\phi$	《序列模型综合复习》“RNN 的隐藏状态”中记作 phi 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 phi 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 · 6 A04 · 神经网络与反向传播综合复习 A07 · 编码器、解码器与 Transformer 架构 P07 · 一维势阱、隧穿与散射 P07 · Schrödinger 方程与时间演化 P12 · 自由场量子化与粒子解释 P12 · 粒子物理与场论导论综合复习	机器学习 · 神经网络A07 · 长序列、效率与 Transformer 综合复习
$\phi$	《Transformer架构》“编码器的双向上下文”中记作 phi 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 phi 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 · 6 A04 · 神经网络与反向传播综合复习 A07 · 长序列、效率与 Transformer 综合复习 P07 · 一维势阱、隧穿与散射 P07 · Schrödinger 方程与时间演化 P12 · 自由场量子化与粒子解释 P12 · 粒子物理与场论导论综合复习	机器学习 · 神经网络A07 · 编码器、解码器与 Transformer 架构
$\phi_{e}$	《图生成与图动力学》“动态图的状态表示”中 phi 的下标 e 分量或状态量详细信息单位由上下文确定成立条件下标 e 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 · 图生成、图动力学与物理系统
$\phi_{i}$	《特征归因与反事实》“Shapley 值与边际贡献”中 phi 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。	机器学习 · 神经网络A13 · 特征归因、显著性与反事实
$\phi_{m}$	《几何深度学习综合复习》“局部消息传递与参数共享”中 phi 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A11 · 表达能力、过平滑与几何学习综合复习
$\pi_{\theta}$	《指令适配与偏好优化》“监督指令微调”中 pi 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 · 1 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 · 3 A12 · 指令微调、偏好优化与上下文学习 A12 · 指令微调、偏好优化与上下文学习
$\pi_{\theta}$	《对齐目标与奖励建模》“监督示范与条件分布”中 pi 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 · 1 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 A13 · 对齐目标、反馈与奖励建模
$q$	《逆问题与不确定性》“未知量与观测模型”中记作 q 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 q 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 A03 · 变量消元、消息传递与精确推断 C04 · 处理器调度 C06 · 索引与查询计划 M15 · 拓扑空间、基与连续映射 P02 · Poisson 括号与正则变换 P02 · 最小作用量原理与 Euler–Lagrange 方程 P03 · 几何光学、偏振与波动综合复习 P04 · 电磁感应、位移电流与电路响应 P10 · 磁性、超导与序参量 P10 · 晶格振动、声子与热容	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 · 2 A14 · 逆问题、数据同化与不确定性
$Q$	注意力层的查询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 · 5 M00 · 命题、量词与逻辑联结词 M03 · Green、Stokes 与 Gauss 定理 P02 · Poisson 括号与正则变换 P09 · Navier–Stokes 方程与黏性流 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 · 4 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示
$Q$	注意力查询矩阵详细信息单位由上下文确定其他含义 · 5 A07 · 多头注意力与位置表示 M00 · 命题、量词与逻辑联结词 M03 · Green、Stokes 与 Gauss 定理 P02 · Poisson 括号与正则变换 P09 · Navier–Stokes 方程与黏性流	机器学习 · 神经网络A07 · 缩放点积注意力与掩码教材位置 · 17 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A07 · 缩放点积注意力与掩码 A08 · 度量学习、孪生网络与三元组损失 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A07 · 多头注意力与位置表示 A06 · 视觉 Transformer 与混合架构
$q_{\phi}$	《变分自编码器》“从边缘似然推导证据下界”中 q 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。	机器学习 · 神经网络A09 · 变分自编码器与证据下界教材位置 · 8 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界 A09 · 变分自编码器与证据下界
$r$	《检索增强与落地》“稀疏检索与稠密检索”中记作 r 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 r 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 M03 · 曲线积分与曲面积分 M08 · 常微分方程与动力系统综合复习 M11 · 约束优化、KKT 条件与对偶性 M12 · Lebesgue 积分与收敛定理 M14 · 模、线性表示与结构定理 M14 · 环、理想与商环 P01 · 质点运动学与参考系 P01 · 引力、轨道与经典力学综合复习 P01 · 刚体转动、角动量与转动惯量 P01 · 功、势能与机械能守恒 P09 · Navier–Stokes 方程与黏性流	机器学习 · 神经网络A12 · 检索增强、引用与事实落地
$R$	《检索增强与落地》“稀疏检索与稠密检索”中记作 R 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 R 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 A01 · 经验风险、容量与一致收敛 C05 · 网络分层与时延 C05 · UDP 与 TCP M00 · 等价关系、序关系与数学归纳法 M02 · 积分方法、无穷级数与单变量微积分复习 M13 · 幂级数、初等复函数与局部表示 M14 · 模、线性表示与结构定理 M14 · 环、理想与商环 P04 · 电磁感应、位移电流与电路响应 P05 · 熵、不可逆过程与熵产生 P08 · 等效原理、测地线与引力红移 P09 · Navier–Stokes 方程与黏性流	机器学习 · 神经网络A12 · 检索增强、引用与事实落地
$r_{t}$	《循环网络与门控》“GRU 的门控与隐藏状态”中 r 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A07 · 循环网络、门控单元与状态传播
$R_{\theta}$	《可微分物理》“隐式方程与隐式梯度”中 R 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A14 · 可微物理、自动微分与守恒约束教材位置 · 2 A14 · 可微物理、自动微分与守恒约束
$R_{z}$	《可微分物理》“隐式方程与隐式梯度”中 R 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A14 · 可微物理、自动微分与守恒约束教材位置 · 2 A14 · 可微物理、自动微分与守恒约束
$s$	《科学机器学习复习》“前向误差与反演结果”中记作 s 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 s 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 A10 · 策略梯度、actor–critic 与优势估计 A10 · Q-learning、探索与函数逼近 C03 · 输入输出与性能分析 M00 · 数学语言与证明综合复习 M10 · 稳定性、收敛性与科学计算综合复习 M12 · Lebesgue 积分与收敛定理 M12 · 实数完备性、紧致性与连续性 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教材位置 · 5 A14 · 基准、外推边界与科学机器学习综合复习 A14 · 基准、外推边界与科学机器学习综合复习 A14 · 基准、外推边界与科学机器学习综合复习 A14 · 基准、外推边界与科学机器学习综合复习
$S$	《神经网络反传复习》“张量形状”中记作 S 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 S 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 A03 · 主成分分析与流形降维 A05 · 归一化方法与尺度控制 A13 · 特征归因、显著性与反事实 C03 · 输入输出与性能分析 M00 · 数学语言与证明综合复习 M00 · 等价关系、序关系与数学归纳法 M14 · 群、子群与循环结构 M15 · 拓扑与微分几何综合复习 P02 · 最小作用量原理与 Euler–Lagrange 方程 P04 · Coulomb 定律、电场与 Gauss 定律 P05 · 熵、不可逆过程与熵产生 P05 · 自由能、Maxwell 关系与相平衡 P05 · 响应函数、相变与热力学综合复习 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P07 · 角动量、自旋与全同粒子	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 A04 · 神经网络与反向传播综合复习 A04 · 神经网络与反向传播综合复习
$S$	《归一化与尺度》“一个通用标准化模板”中记作 S 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 S 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 A03 · 主成分分析与流形降维 A04 · 神经网络与反向传播综合复习 A13 · 特征归因、显著性与反事实 C03 · 输入输出与性能分析 M00 · 数学语言与证明综合复习 M00 · 等价关系、序关系与数学归纳法 M14 · 群、子群与循环结构 M15 · 拓扑与微分几何综合复习 P02 · 最小作用量原理与 Euler–Lagrange 方程 P04 · Coulomb 定律、电场与 Gauss 定律 P05 · 熵、不可逆过程与熵产生 P05 · 自由能、Maxwell 关系与相平衡 P05 · 响应函数、相变与热力学综合复习 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P07 · 角动量、自旋与全同粒子	机器学习 · 神经网络A05 · 归一化方法与尺度控制
$S$	《特征归因与反事实》“Shapley 值与边际贡献”中记作 S 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 S 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 A03 · 主成分分析与流形降维 A04 · 神经网络与反向传播综合复习 A05 · 归一化方法与尺度控制 C03 · 输入输出与性能分析 M00 · 数学语言与证明综合复习 M00 · 等价关系、序关系与数学归纳法 M14 · 群、子群与循环结构 M15 · 拓扑与微分几何综合复习 P02 · 最小作用量原理与 Euler–Lagrange 方程 P04 · Coulomb 定律、电场与 Gauss 定律 P05 · 熵、不可逆过程与熵产生 P05 · 自由能、Maxwell 关系与相平衡 P05 · 响应函数、相变与热力学综合复习 P06 · 微正则系综与熵的统计解释 P06 · 输运、涨落与统计物理综合复习 P07 · 角动量、自旋与全同粒子	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 A13 · 特征归因、显著性与反事实
$S_{i}$	《大模型智能体综合复习》“端到端成功率”中 S 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。	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