One Forth

符号表

1350 个符号
符号
符号含义教材与范围
ztz_{t}

《循环网络与门控》“GRU 的门控与隐藏状态”中 z 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
教材位置 · 2
  1. A07 · 循环网络、门控单元与状态传播
aa

《特征映射与核》“Gram 矩阵与正半定条件”中记作 a 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 a 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
  1. A03 · 变量消元、消息传递与精确推断
  2. A05 · 随机梯度、动量与自适应方法
  3. A10 · 策略梯度、actor–critic 与优势估计
  4. A10 · Q-learning、探索与函数逼近
  5. C01 · 分治、贪心与排序
  6. M01 · 指数函数、对数函数与复合函数
  7. M01 · 函数、变换与图像
  8. M01 · 直线、圆锥曲线与参数方程
  9. M01 · 多项式、因式分解与有理式
  10. M02 · 中值定理与导数应用
  11. M02 · 函数极限与连续性
  12. M02 · 积分方法、无穷级数与单变量微积分复习
  13. M03 · 曲线积分与曲面积分
  14. M03 · 多变量微积分与向量分析综合复习
  15. M03 · 多变量函数、极限与连续
  16. M09 · 正交函数系与 Fourier 系数
  17. M13 · Cauchy 定理与积分公式
  18. M13 · 孤立奇点、Laurent 级数与留数
  19. M14 · 环、理想与商环
  20. P00 · 尺度分析、数量级与估算
  21. P03 · 耦合振子与简正模
  22. P12 · 规范对称性与标准模型结构
机器学习 · 最优化A02 · 特征映射、正定核与再生核空间
教材位置 · 2
  1. A02 · 特征映射、正定核与再生核空间
aa

《精确概率推断》“未归一权重与推断查询”中记作 a 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 a 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
  1. A02 · 特征映射、正定核与再生核空间
  2. A05 · 随机梯度、动量与自适应方法
  3. A10 · 策略梯度、actor–critic 与优势估计
  4. A10 · Q-learning、探索与函数逼近
  5. C01 · 分治、贪心与排序
  6. M01 · 指数函数、对数函数与复合函数
  7. M01 · 函数、变换与图像
  8. M01 · 直线、圆锥曲线与参数方程
  9. M01 · 多项式、因式分解与有理式
  10. M02 · 中值定理与导数应用
  11. M02 · 函数极限与连续性
  12. M02 · 积分方法、无穷级数与单变量微积分复习
  13. M03 · 曲线积分与曲面积分
  14. M03 · 多变量微积分与向量分析综合复习
  15. M03 · 多变量函数、极限与连续
  16. M09 · 正交函数系与 Fourier 系数
  17. M13 · Cauchy 定理与积分公式
  18. M13 · 孤立奇点、Laurent 级数与留数
  19. M14 · 环、理想与商环
  20. P00 · 尺度分析、数量级与估算
  21. P03 · 耦合振子与简正模
  22. P12 · 规范对称性与标准模型结构
机器学习 · 最优化A03 · 变量消元、消息传递与精确推断
教材位置 · 4
  1. A03 · 变量消元、消息传递与精确推断
  2. A03 · 变量消元、消息传递与精确推断
  3. A03 · 变量消元、消息传递与精确推断
aa

《策略梯度》“Actor-Critic 与优势估计”中记作 a 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 a 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
  1. A02 · 特征映射、正定核与再生核空间
  2. A03 · 变量消元、消息传递与精确推断
  3. A05 · 随机梯度、动量与自适应方法
  4. A10 · Q-learning、探索与函数逼近
  5. C01 · 分治、贪心与排序
  6. M01 · 指数函数、对数函数与复合函数
  7. M01 · 函数、变换与图像
  8. M01 · 直线、圆锥曲线与参数方程
  9. M01 · 多项式、因式分解与有理式
  10. M02 · 中值定理与导数应用
  11. M02 · 函数极限与连续性
  12. M02 · 积分方法、无穷级数与单变量微积分复习
  13. M03 · 曲线积分与曲面积分
  14. M03 · 多变量微积分与向量分析综合复习
  15. M03 · 多变量函数、极限与连续
  16. M09 · 正交函数系与 Fourier 系数
  17. M13 · Cauchy 定理与积分公式
  18. M13 · 孤立奇点、Laurent 级数与留数
  19. M14 · 环、理想与商环
  20. P00 · 尺度分析、数量级与估算
  21. P03 · 耦合振子与简正模
  22. P12 · 规范对称性与标准模型结构
机器学习 · 最优化A10 · 策略梯度、actor–critic 与优势估计
教材位置 · 3
  1. A10 · 策略梯度、actor–critic 与优势估计
  2. A10 · 策略梯度、actor–critic 与优势估计
aa

《Q-learning》“表格 Q-learning 的收敛条件”中记作 a 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 a 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
  1. A02 · 特征映射、正定核与再生核空间
  2. A03 · 变量消元、消息传递与精确推断
  3. A05 · 随机梯度、动量与自适应方法
  4. A10 · 策略梯度、actor–critic 与优势估计
  5. C01 · 分治、贪心与排序
  6. M01 · 指数函数、对数函数与复合函数
  7. M01 · 函数、变换与图像
  8. M01 · 直线、圆锥曲线与参数方程
  9. M01 · 多项式、因式分解与有理式
  10. M02 · 中值定理与导数应用
  11. M02 · 函数极限与连续性
  12. M02 · 积分方法、无穷级数与单变量微积分复习
  13. M03 · 曲线积分与曲面积分
  14. M03 · 多变量微积分与向量分析综合复习
  15. M03 · 多变量函数、极限与连续
  16. M09 · 正交函数系与 Fourier 系数
  17. M13 · Cauchy 定理与积分公式
  18. M13 · 孤立奇点、Laurent 级数与留数
  19. M14 · 环、理想与商环
  20. P00 · 尺度分析、数量级与估算
  21. P03 · 耦合振子与简正模
  22. P12 · 规范对称性与标准模型结构
机器学习 · 最优化A10 · Q-learning、探索与函数逼近
教材位置 · 8
  1. A10 · Q-learning、探索与函数逼近
  2. A10 · Q-learning、探索与函数逼近
  3. A10 · Q-learning、探索与函数逼近
  4. A10 · Q-learning、探索与函数逼近
  5. A10 · Q-learning、探索与函数逼近
  6. A10 · Q-learning、探索与函数逼近
  7. A10 · Q-learning、探索与函数逼近
AA

《决策树与剪枝》“分类不纯度”中记作 A 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 A 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 · 21
  1. A05 · 混合精度、分布式训练与检查点
  2. A10 · 策略梯度、actor–critic 与优势估计
  3. A11 · 消息传递与图卷积
  4. C01 · 渐近复杂度、归约与可计算性
  5. M00 · 集合、映射与关系
  6. M03 · Green、Stokes 与 Gauss 定理
  7. M04 · 线性方程组的解结构
  8. M04 · 矩阵及其运算
  9. M05 · 条件概率、独立性与贝叶斯公式
  10. M12 · 测度、可测集与可测函数
  11. M12 · 实数完备性、紧致性与连续性
  12. M04 · 线性映射及其矩阵表示
  13. P03 · 干涉、衍射与傅里叶光学
  14. P03 · 行波、相位、叠加与色散
  15. P04 · Coulomb 定律、电场与 Gauss 定律
  16. P04 · 电势、Poisson 方程与边值问题
  17. P07 · 测量、对易关系与不确定性
  18. P07 · 微扰、变分与量子力学综合复习
  19. P07 · Hilbert 空间、量子态与可观测量
  20. P09 · 质量、动量与能量守恒方程
  21. P10 · 磁性、超导与序参量
机器学习 · 最优化A02 · 决策树、划分准则与剪枝
教材位置 · 2
  1. A02 · 决策树、划分准则与剪枝
AA

《策略梯度》“Actor-Critic 与优势估计”中记作 A 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 A 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 · 21
  1. A02 · 决策树、划分准则与剪枝
  2. A05 · 混合精度、分布式训练与检查点
  3. A11 · 消息传递与图卷积
  4. C01 · 渐近复杂度、归约与可计算性
  5. M00 · 集合、映射与关系
  6. M03 · Green、Stokes 与 Gauss 定理
  7. M04 · 线性方程组的解结构
  8. M04 · 矩阵及其运算
  9. M05 · 条件概率、独立性与贝叶斯公式
  10. M12 · 测度、可测集与可测函数
  11. M12 · 实数完备性、紧致性与连续性
  12. M04 · 线性映射及其矩阵表示
  13. P03 · 干涉、衍射与傅里叶光学
  14. P03 · 行波、相位、叠加与色散
  15. P04 · Coulomb 定律、电场与 Gauss 定律
  16. P04 · 电势、Poisson 方程与边值问题
  17. P07 · 测量、对易关系与不确定性
  18. P07 · 微扰、变分与量子力学综合复习
  19. P07 · Hilbert 空间、量子态与可观测量
  20. P09 · 质量、动量与能量守恒方程
  21. P10 · 磁性、超导与序参量
机器学习 · 最优化A10 · 策略梯度、actor–critic 与优势估计
AtA_{t}

《模型与离线强化学习》“基于模型的强化学习”中 A 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 · 最优化A10 · 基于模型、离线与多智能体强化学习
教材位置 · 2
  1. A10 · 基于模型、离线与多智能体强化学习
αk\alpha_{k}

《Q-learning》“表格 Q-learning 的收敛条件”中 alpha 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 · 最优化A10 · Q-learning、探索与函数逼近
bb

《线性回归》“连续值预测”中记作 b 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 b 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. A02 · 特征映射、正定核与再生核空间
  2. A02 · 随机森林与袋装集成
  3. A02 · 最大间隔与支持向量机
  4. A04 · 感知机与多层感知器
  5. A05 · 混合精度、分布式训练与检查点
  6. A07 · 长序列、效率与 Transformer 综合复习
  7. A13 · 表示探测与机制可解释性
  8. C01 · 分治、贪心与排序
  9. M01 · 函数、变换与图像
  10. M01 · 直线、圆锥曲线与参数方程
  11. M02 · 中值定理与导数应用
  12. M03 · 曲线积分与曲面积分
  13. M09 · 正交函数系与 Fourier 系数
  14. M11 · 熵、互信息与散度
  15. M13 · Cauchy 定理与积分公式
  16. P09 · 质量、动量与能量守恒方程
机器学习 · 最优化A01 · 线性回归、最小二乘与正规方程
教材位置 · 8
  1. A01 · 线性回归、最小二乘与正规方程
  2. A01 · 线性回归、最小二乘与正规方程
  3. A01 · 线性回归、最小二乘与正规方程
  4. A01 · 线性回归、最小二乘与正规方程
  5. A01 · 线性回归、最小二乘与正规方程
  6. A01 · 线性回归、最小二乘与正规方程
  7. A01 · 线性回归、最小二乘与正规方程
bb

《特征映射与核》“Gram 矩阵与正半定条件”中记作 b 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 b 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. A01 · 线性回归、最小二乘与正规方程
  2. A02 · 随机森林与袋装集成
  3. A02 · 最大间隔与支持向量机
  4. A04 · 感知机与多层感知器
  5. A05 · 混合精度、分布式训练与检查点
  6. A07 · 长序列、效率与 Transformer 综合复习
  7. A13 · 表示探测与机制可解释性
  8. C01 · 分治、贪心与排序
  9. M01 · 函数、变换与图像
  10. M01 · 直线、圆锥曲线与参数方程
  11. M02 · 中值定理与导数应用
  12. M03 · 曲线积分与曲面积分
  13. M09 · 正交函数系与 Fourier 系数
  14. M11 · 熵、互信息与散度
  15. M13 · Cauchy 定理与积分公式
  16. P09 · 质量、动量与能量守恒方程
机器学习 · 最优化A02 · 特征映射、正定核与再生核空间
教材位置 · 2
  1. A02 · 特征映射、正定核与再生核空间
bb

《随机森林》“模型相关性与聚合方差”中记作 b 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 b 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. A01 · 线性回归、最小二乘与正规方程
  2. A02 · 特征映射、正定核与再生核空间
  3. A02 · 最大间隔与支持向量机
  4. A04 · 感知机与多层感知器
  5. A05 · 混合精度、分布式训练与检查点
  6. A07 · 长序列、效率与 Transformer 综合复习
  7. A13 · 表示探测与机制可解释性
  8. C01 · 分治、贪心与排序
  9. M01 · 函数、变换与图像
  10. M01 · 直线、圆锥曲线与参数方程
  11. M02 · 中值定理与导数应用
  12. M03 · 曲线积分与曲面积分
  13. M09 · 正交函数系与 Fourier 系数
  14. M11 · 熵、互信息与散度
  15. M13 · Cauchy 定理与积分公式
  16. P09 · 质量、动量与能量守恒方程
机器学习 · 最优化A02 · 随机森林与袋装集成
bb

《支持向量机》“硬间隔与软间隔”中记作 b 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 b 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. A01 · 线性回归、最小二乘与正规方程
  2. A02 · 特征映射、正定核与再生核空间
  3. A02 · 随机森林与袋装集成
  4. A04 · 感知机与多层感知器
  5. A05 · 混合精度、分布式训练与检查点
  6. A07 · 长序列、效率与 Transformer 综合复习
  7. A13 · 表示探测与机制可解释性
  8. C01 · 分治、贪心与排序
  9. M01 · 函数、变换与图像
  10. M01 · 直线、圆锥曲线与参数方程
  11. M02 · 中值定理与导数应用
  12. M03 · 曲线积分与曲面积分
  13. M09 · 正交函数系与 Fourier 系数
  14. M11 · 熵、互信息与散度
  15. M13 · Cauchy 定理与积分公式
  16. P09 · 质量、动量与能量守恒方程
机器学习 · 最优化A02 · 最大间隔与支持向量机
教材位置 · 7
  1. A02 · 最大间隔与支持向量机
  2. A02 · 最大间隔与支持向量机
  3. A02 · 最大间隔与支持向量机
  4. A02 · 最大间隔与支持向量机
  5. A02 · 最大间隔与支持向量机
  6. A02 · 最大间隔与支持向量机
BB

《随机森林》“模型相关性与聚合方差”中记作 B 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 B 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. A07 · 多头注意力与位置表示
  2. C01 · 渐近复杂度、归约与可计算性
  3. C05 · 网络测量与故障排查
  4. M00 · 集合、映射与关系
  5. M04 · 矩阵及其运算
  6. M05 · 条件概率、独立性与贝叶斯公式
  7. P04 · 介质、能流与电磁学综合复习
  8. P04 · 电势、Poisson 方程与边值问题
  9. P04 · 稳恒电流、磁场与矢势
  10. P07 · 测量、对易关系与不确定性
  11. P07 · 微扰、变分与量子力学综合复习
  12. P10 · 磁性、超导与序参量
机器学习 · 最优化A02 · 随机森林与袋装集成
教材位置 · 2
  1. A02 · 随机森林与袋装集成
β\beta

《线性学习综合复习》“Logistic 回归的条件概率”中记作 beta 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 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. A05 · 随机梯度、动量与自适应方法
  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 · 最优化A01 · 线性模型与统计学习综合复习
教材位置 · 4
  1. A01 · 线性模型与统计学习综合复习
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 线性模型与统计学习综合复习
β0\beta_{0}

《线性学习综合复习》“Logistic 回归的条件概率”中 beta 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 · 最优化A01 · 线性模型与统计学习综合复习
教材位置 · 4
  1. A01 · 线性模型与统计学习综合复习
  2. A01 · 线性模型与统计学习综合复习
  3. A01 · 线性模型与统计学习综合复习
CC

《有向与无向图模型》“无向图的势函数分解”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. A06 · 卷积网络架构与残差连接
  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 · 最优化A03 · 贝叶斯网络与 Markov 随机场
教材位置 · 7
  1. A03 · 贝叶斯网络与 Markov 随机场
  2. A03 · 贝叶斯网络与 Markov 随机场
  3. A03 · 贝叶斯网络与 Markov 随机场
  4. A03 · 贝叶斯网络与 Markov 随机场
  5. A03 · 贝叶斯网络与 Markov 随机场
  6. A03 · 贝叶斯网络与 Markov 随机场
CC

《凸性与次梯度》“次梯度与次微分”中记作 C 的等号右侧的输入量或系数

详细信息
单位
不适用
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. A13 · 校准、分布外检测与选择性预测
  4. C00 · 数据可视化与计算实验
  5. M00 · 数学语言与证明综合复习
  6. M01 · 代数、函数与解析几何综合复习
  7. M03 · Green、Stokes 与 Gauss 定理
  8. M03 · 曲线积分与曲面积分
  9. M06 · 置信区间与枢轴量
  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 · 最优化M11 · 凸集、凸函数与次梯度
教材位置 · 6
  1. M11 · 凸集、凸函数与次梯度
  2. M11 · 凸集、凸函数与次梯度
  3. M11 · 凸集、凸函数与次梯度
  4. M11 · 凸集、凸函数与次梯度
  5. M11 · 凸集、凸函数与次梯度
ee

《精确概率推断》“未归一权重与推断查询”中记作 e 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 e 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 · 5
  1. C00 · 数据可视化与计算实验
  2. P00 · 测量误差、分辨率与校准
  3. P03 · 干涉、衍射与傅里叶光学
  4. P06 · 正则系综、配分函数与涨落
  5. P10 · 能带理论、半导体与费米面
机器学习 · 最优化A03 · 变量消元、消息传递与精确推断
教材位置 · 2
  1. A03 · 变量消元、消息传递与精确推断
ℓ\ell

《损失函数》“经验风险”中记作 ell 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 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 · 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. A11 · 表达能力、过平滑与几何学习综合复习
  4. P04 · 电势、Poisson 方程与边值问题
机器学习 · 最优化A00 · 损失函数、风险与评估
教材位置 · 3
  1. A00 · 损失函数、风险与评估
  2. A00 · 损失函数、风险与评估
ℓ\ell

《监督学习》“监督学习的总体风险”中记作 ell 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 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. A01 · 经验风险、容量与一致收敛
  3. A11 · 表达能力、过平滑与几何学习综合复习
  4. P04 · 电势、Poisson 方程与边值问题
机器学习 · 最优化A00 · 监督学习任务、样本与标签
教材位置 · 4
  1. A00 · 监督学习任务、样本与标签
  2. A00 · 监督学习任务、样本与标签
  3. A00 · 监督学习任务、样本与标签
ℓ\ell

《风险、容量与收敛》“目标分布与风险”中记作 ell 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 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. A11 · 表达能力、过平滑与几何学习综合复习
  4. P04 · 电势、Poisson 方程与边值问题
机器学习 · 最优化A01 · 经验风险、容量与一致收敛
ℓi\ell_{i}

《正则化》“有效正则化强度”中 ell 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 · 最优化A01 · 正则化、偏差与方差
η\eta

梯度下降学习率

详细信息
单位
由上下文确定
成立条件
通常取正值
其他含义 · 4
  1. A05 · 随机梯度、动量与自适应方法
  2. A11 · 图、图信号与节点表示
  3. C04 · 处理器调度
  4. P02 · 最小作用量原理与 Euler–Lagrange 方程
机器学习 · 最优化M11 · 一阶优化与梯度下降
教材位置 · 20
  1. A02 · AdaBoost、梯度提升与残差拟合
  2. A01 · 线性回归、最小二乘与正规方程
  3. A01 · 正则化、偏差与方差
  4. M11 · 一阶优化与梯度下降
  5. M11 · 一阶优化与梯度下降
  6. M11 · 一阶优化与梯度下降
  7. M11 · 一阶优化与梯度下降
  8. M11 · 一阶优化与梯度下降
  9. M11 · 一阶优化与梯度下降
  10. M11 · 一阶优化与梯度下降
  11. M11 · 一阶优化与梯度下降
  12. M11 · 一阶优化与梯度下降
  13. M11 · 一阶优化与梯度下降
  14. M11 · 一阶优化与梯度下降
  15. M11 · 一阶优化与梯度下降
  16. M11 · 最优化与信息论综合复习
  17. M11 · 最优化与信息论综合复习
  18. M11 · 最优化与信息论综合复习
  19. M11 · 最优化与信息论综合复习
ηm\eta_{m}

《AdaBoost 与梯度提升》“提升法的加法模型”中 eta 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 · 最优化A02 · AdaBoost、梯度提升与残差拟合
ff

《监督学习》“监督学习的总体风险”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 · 35
  1. A01 · 经验风险、容量与一致收敛
  2. A01 · 过拟合、泛化与模型选择
  3. A14 · 物理信息神经网络与残差训练
  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 · 最优化A00 · 监督学习任务、样本与标签
ff

《风险、容量与收敛》“目标分布与风险”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 · 35
  1. A00 · 监督学习任务、样本与标签
  2. A01 · 过拟合、泛化与模型选择
  3. A14 · 物理信息神经网络与残差训练
  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 · 最优化A01 · 经验风险、容量与一致收敛
教材位置 · 5
  1. A01 · 经验风险、容量与一致收敛
  2. A01 · 经验风险、容量与一致收敛
  3. A01 · 经验风险、容量与一致收敛
  4. A01 · 经验风险、容量与一致收敛
ff

《过拟合与泛化》“泛化间隙”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. A14 · 物理信息神经网络与残差训练
  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 · 最优化A01 · 过拟合、泛化与模型选择
教材位置 · 2
  1. A01 · 过拟合、泛化与模型选择
ff

《约束优化与对偶》“拉格朗日函数与对偶函数”中记作 f 的等号右侧的输入量或系数

详细信息
单位
不适用
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. A14 · 物理信息神经网络与残差训练
  5. C00 · 程序、类型、控制流与函数
  6. C01 · 渐近复杂度、归约与可计算性
  7. C01 · 分治、贪心与排序
  8. M01 · 函数、变换与图像
  9. M02 · 定积分与累积
  10. M02 · 中值定理与导数应用
  11. M02 · 导数与微分
  12. M02 · 积分方法、无穷级数与单变量微积分复习
  13. M03 · 二重积分、三重积分与变量替换
  14. M03 · 多变量微积分与向量分析综合复习
  15. M03 · 多变量函数、极限与连续
  16. M08 · 初值问题、存在唯一性与方向场
  17. M08 · 线性系统、矩阵指数与相平面
  18. M08 · 稳定性、Lyapunov 方法与分岔
  19. M09 · 傅里叶级数、收敛与 Gibbs 现象
  20. M09 · 正交函数系与 Fourier 系数
  21. M10 · 浮点数、条件数与误差传播
  22. M10 · 常微分与偏微分方程数值方法
  23. M10 · 数值积分与数值微分
  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 · 最优化M11 · 约束优化、KKT 条件与对偶性
教材位置 · 9
  1. M11 · 约束优化、KKT 条件与对偶性
  2. M11 · 约束优化、KKT 条件与对偶性
  3. M11 · 约束优化、KKT 条件与对偶性
  4. M11 · 约束优化、KKT 条件与对偶性
  5. M11 · 约束优化、KKT 条件与对偶性
  6. M11 · 约束优化、KKT 条件与对偶性
  7. M11 · 约束优化、KKT 条件与对偶性
  8. M11 · 约束优化、KKT 条件与对偶性
ff

《凸性与次梯度》“次梯度与次微分”中记作 f 的等号右侧的输入量或系数

详细信息
单位
不适用
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. A14 · 物理信息神经网络与残差训练
  5. C00 · 程序、类型、控制流与函数
  6. C01 · 渐近复杂度、归约与可计算性
  7. C01 · 分治、贪心与排序
  8. M01 · 函数、变换与图像
  9. M02 · 定积分与累积
  10. M02 · 中值定理与导数应用
  11. M02 · 导数与微分
  12. M02 · 积分方法、无穷级数与单变量微积分复习
  13. M03 · 二重积分、三重积分与变量替换
  14. M03 · 多变量微积分与向量分析综合复习
  15. M03 · 多变量函数、极限与连续
  16. M08 · 初值问题、存在唯一性与方向场
  17. M08 · 线性系统、矩阵指数与相平面
  18. M08 · 稳定性、Lyapunov 方法与分岔
  19. M09 · 傅里叶级数、收敛与 Gibbs 现象
  20. M09 · 正交函数系与 Fourier 系数
  21. M10 · 浮点数、条件数与误差传播
  22. M10 · 常微分与偏微分方程数值方法
  23. M10 · 数值积分与数值微分
  24. M11 · 约束优化、KKT 条件与对偶性
  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 · 最优化M11 · 凸集、凸函数与次梯度
教材位置 · 14
  1. M11 · 凸集、凸函数与次梯度
  2. M11 · 凸集、凸函数与次梯度
  3. M11 · 凸集、凸函数与次梯度
  4. M11 · 凸集、凸函数与次梯度
  5. M11 · 凸集、凸函数与次梯度
  6. M11 · 凸集、凸函数与次梯度
  7. M11 · 凸集、凸函数与次梯度
  8. M11 · 凸集、凸函数与次梯度
  9. M11 · 凸集、凸函数与次梯度
  10. M11 · 凸集、凸函数与次梯度
  11. M11 · 凸集、凸函数与次梯度
  12. M11 · 凸集、凸函数与次梯度
  13. M11 · 凸集、凸函数与次梯度
FF

《指标与基线》“混淆矩阵与分类阈值”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. A06 · 离散卷积、感受野与参数共享
  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 · 最优化A00 · 分类、回归指标与基线
教材位置 · 6
  1. A00 · 分类、回归指标与基线
  2. A00 · 分类、回归指标与基线
  3. A00 · 分类、回归指标与基线
  4. A00 · 分类、回归指标与基线
  5. A00 · 分类、回归指标与基线
FF

《优化模型与最优性》“优化模型与可行域”中记作 F 的等号左侧的目标量

详细信息
单位
不适用
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. A14 · 逆问题、数据同化与不确定性
  5. C01 · 动态规划与图算法
  6. M05 · 概率公理与组合概率
  7. M07 · 递推关系与生成函数
  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 · 最优化M11 · 优化模型、可行域与最优性
教材位置 · 4
  1. M11 · 优化模型、可行域与最优性
  2. M11 · 优化模型、可行域与最优性
  3. M11 · 优化模型、可行域与最优性
F0F_{0}

《AdaBoost 与梯度提升》“提升法的加法模型”中 F 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 · 最优化A02 · AdaBoost、梯度提升与残差拟合
教材位置 · 3
  1. A02 · AdaBoost、梯度提升与残差拟合
  2. A02 · AdaBoost、梯度提升与残差拟合
faf_{a}

《精确概率推断》“未归一权重与推断查询”中 f 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 · 最优化A03 · 变量消元、消息传递与精确推断
教材位置 · 2
  1. A03 · 变量消元、消息传递与精确推断
FMF_{M}

《AdaBoost 与梯度提升》“提升法的加法模型”中 F 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 · 最优化A02 · AdaBoost、梯度提升与残差拟合
教材位置 · 2
  1. A02 · AdaBoost、梯度提升与残差拟合
fθf_{\theta}

《损失函数》“经验风险”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. A08 · 跨模态对齐与预训练迁移
  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 · 最优化A00 · 损失函数、风险与评估
gg

《凸性与次梯度》“次梯度与次微分”中记作 g 的等号右侧的输入量或系数

详细信息
单位
不适用
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. A12 · 工具调用、记忆与任务规划
  5. C00 · 编程与科学计算综合项目
  6. M01 · 函数、变换与图像
  7. M01 · 多项式、因式分解与有理式
  8. M08 · 可分离、线性与恰当方程
  9. M08 · 高阶线性方程与常系数方法
  10. M09 · 正交函数系与 Fourier 系数
  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 · 最优化M11 · 凸集、凸函数与次梯度
教材位置 · 2
  1. M11 · 凸集、凸函数与次梯度
gig_{i}

《约束优化与对偶》“拉格朗日函数与对偶函数”中 g 的下标 i 分量或状态量

详细信息
单位
不适用
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. M11 · 优化模型、可行域与最优性
机器学习 · 最优化M11 · 约束优化、KKT 条件与对偶性
教材位置 · 9
  1. M11 · 约束优化、KKT 条件与对偶性
  2. M11 · 约束优化、KKT 条件与对偶性
  3. M11 · 约束优化、KKT 条件与对偶性
  4. M11 · 约束优化、KKT 条件与对偶性
  5. M11 · 约束优化、KKT 条件与对偶性
  6. M11 · 约束优化、KKT 条件与对偶性
  7. M11 · 约束优化、KKT 条件与对偶性
  8. M11 · 约束优化、KKT 条件与对偶性
gig_{i}

《优化模型与最优性》“优化模型与可行域”中 g 的下标 i 分量或状态量

详细信息
单位
不适用
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. M11 · 约束优化、KKT 条件与对偶性
机器学习 · 最优化M11 · 优化模型、可行域与最优性
教材位置 · 2
  1. M11 · 优化模型、可行域与最优性
GtG_{t}

《动态规划与时序差分》“Monte Carlo 回报估计”中 G 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 · 2
  1. A10 · Markov 决策过程与 Bellman 方程
  2. A10 · 稳定性、评估与强化学习综合复习
机器学习 · 最优化A10 · 动态规划、Monte Carlo 与时序差分
教材位置 · 3
  1. A10 · 动态规划、Monte Carlo 与时序差分
  2. A10 · 动态规划、Monte Carlo 与时序差分
GtG_{t}

《Markov 决策过程》“折扣回报”中 G 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 · 2
  1. A10 · 动态规划、Monte Carlo 与时序差分
  2. A10 · 稳定性、评估与强化学习综合复习
机器学习 · 最优化A10 · Markov 决策过程与 Bellman 方程
教材位置 · 4
  1. A10 · Markov 决策过程与 Bellman 方程
  2. A10 · Markov 决策过程与 Bellman 方程
  3. A10 · Markov 决策过程与 Bellman 方程
GtG_{t}

《强化学习综合复习》“MDP 的时间步与终止条件”中 G 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 · 2
  1. A10 · 动态规划、Monte Carlo 与时序差分
  2. A10 · Markov 决策过程与 Bellman 方程
机器学习 · 最优化A10 · 稳定性、评估与强化学习综合复习
教材位置 · 2
  1. A10 · 稳定性、评估与强化学习综合复习
γ\gamma

《动态规划与时序差分》“Monte Carlo 回报估计”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. A04 · 感知机与多层感知器
  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 · 最优化A10 · 动态规划、Monte Carlo 与时序差分
教材位置 · 12
  1. A10 · 动态规划、Monte Carlo 与时序差分
  2. A10 · 动态规划、Monte Carlo 与时序差分
  3. A10 · 动态规划、Monte Carlo 与时序差分
  4. A10 · 动态规划、Monte Carlo 与时序差分
  5. A10 · 动态规划、Monte Carlo 与时序差分
  6. A10 · 动态规划、Monte Carlo 与时序差分
  7. A10 · 动态规划、Monte Carlo 与时序差分
  8. A10 · 动态规划、Monte Carlo 与时序差分
  9. A10 · 动态规划、Monte Carlo 与时序差分
  10. A10 · 动态规划、Monte Carlo 与时序差分
  11. A10 · 动态规划、Monte Carlo 与时序差分
γ\gamma

《Markov 决策过程》“折扣回报”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. A04 · 感知机与多层感知器
  2. A10 · 动态规划、Monte Carlo 与时序差分
  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 · 最优化A10 · Markov 决策过程与 Bellman 方程
教材位置 · 9
  1. A10 · Markov 决策过程与 Bellman 方程
  2. A10 · Markov 决策过程与 Bellman 方程
  3. A10 · Markov 决策过程与 Bellman 方程
  4. A10 · Markov 决策过程与 Bellman 方程
  5. A10 · Markov 决策过程与 Bellman 方程
  6. A10 · Markov 决策过程与 Bellman 方程
  7. A10 · Markov 决策过程与 Bellman 方程
  8. A10 · Markov 决策过程与 Bellman 方程
γ\gamma

《强化学习综合复习》“MDP 的时间步与终止条件”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. A04 · 感知机与多层感知器
  2. A10 · 动态规划、Monte Carlo 与时序差分
  3. A10 · Markov 决策过程与 Bellman 方程
  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 · 最优化A10 · 稳定性、评估与强化学习综合复习
教材位置 · 7
  1. A10 · 稳定性、评估与强化学习综合复习
  2. A10 · 稳定性、评估与强化学习综合复习
  3. A10 · 稳定性、评估与强化学习综合复习
  4. A10 · 稳定性、评估与强化学习综合复习
  5. A10 · 稳定性、评估与强化学习综合复习
  6. A10 · 稳定性、评估与强化学习综合复习
hh

《精确概率推断》“未归一权重与推断查询”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. A06 · 目标检测与多尺度特征
  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 · 最优化A03 · 变量消元、消息传递与精确推断
教材位置 · 2
  1. A03 · 变量消元、消息传递与精确推断
h2h_{2}

《最优化与信息论综合复习》“练习”中 h 的下标 2 分量或状态量

详细信息
单位
不适用
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 · 最优化M11 · 最优化与信息论综合复习
hjh_{j}

《约束优化与对偶》“拉格朗日函数与对偶函数”中 h 的下标 j 分量或状态量

详细信息
单位
不适用
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. A11 · 图生成、图动力学与物理系统
  4. M11 · 优化模型、可行域与最优性
机器学习 · 最优化M11 · 约束优化、KKT 条件与对偶性
教材位置 · 6
  1. M11 · 约束优化、KKT 条件与对偶性
  2. M11 · 约束优化、KKT 条件与对偶性
  3. M11 · 约束优化、KKT 条件与对偶性
  4. M11 · 约束优化、KKT 条件与对偶性
  5. M11 · 约束优化、KKT 条件与对偶性
hjh_{j}

《优化模型与最优性》“优化模型与可行域”中 h 的下标 j 分量或状态量

详细信息
单位
不适用
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. A11 · 图生成、图动力学与物理系统
  4. M11 · 约束优化、KKT 条件与对偶性
机器学习 · 最优化M11 · 优化模型、可行域与最优性
教材位置 · 2
  1. M11 · 优化模型、可行域与最优性
hmh_{m}

《AdaBoost 与梯度提升》“提升法的加法模型”中 h 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 · 最优化A02 · AdaBoost、梯度提升与残差拟合
教材位置 · 3
  1. A02 · AdaBoost、梯度提升与残差拟合
  2. A02 · AdaBoost、梯度提升与残差拟合