符号索引 · 1295 条

同形符号由命名空间区分。

符号条目记录数学写法、纯文本形式、含义、单位与假设。相同字母在不同学科中的含义不会被强行合并。

检索命名空间

1295 个符号

One Forth 已登记数学与物理符号
符号	含义	命名空间	单位 / 条件	别名 / 同形异义	教材位置
$b$ `b`	《机制可解释性》“线性探针测量可解码性”中记作 b 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $b$ 16 章定义 A01 · 线性回归、最小二乘与正规方程 A02 · 特征映射、正定核与再生核空间 A02 · 随机森林与袋装集成 A02 · 最大间隔与支持向量机 A04 · 感知机与多层感知器 A05 · 混合精度、分布式训练与检查点 A07 · 长序列、效率与 Transformer 综合复习 C01 · 分治、贪心与排序 M01 · 函数、变换与图像 M01 · 直线、圆锥曲线与参数方程 M02 · 中值定理与导数应用 M03 · 曲线积分与曲面积分 M09 · 正交函数系与 Fourier 系数 M11 · 熵、互信息与散度 M13 · Cauchy 定理与积分公式 P09 · 质量、动量与能量守恒方程	A13 · 表示探测与机制可解释性 · 共 2 处 A13 · 表示探测与机制可解释性 · 正文位置 1 A13 · 表示探测与机制可解释性 · 正文位置 2
$B$ `B`	《多头与位置表示》“先固定四条轴”中记作 B 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $B$ 11 章定义 A02 · 随机森林与袋装集成 C01 · 渐近复杂度、归约与可计算性 M00 · 集合、映射与关系 M04 · 矩阵及其运算 M05 · 条件概率、独立性与贝叶斯公式 P04 · 介质、能流与电磁学综合复习 P04 · 电势、Poisson 方程与边值问题 P04 · 稳恒电流、磁场与矢势 P07 · 测量、对易关系与不确定性 P07 · 微扰、变分与量子力学综合复习 P10 · 磁性、超导与序参量	A07 · 多头注意力与位置表示 · 共 5 处 A07 · 多头注意力与位置表示 · 正文位置 1 A07 · 多头注意力与位置表示 · 正文位置 2 A07 · 多头注意力与位置表示 · 正文位置 3 A07 · 多头注意力与位置表示 · 正文位置 4 A07 · 多头注意力与位置表示 · 正文位置 5
$B$ `B_`	《混合精度与分布式》“梯度累积改变全局批量和更新频率”中记作 B_ 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $B$ 1 章定义 P11 · 并行计算、可复现性与性能测量	A05 · 混合精度、分布式训练与检查点
$b_{1}$ `b_1`	《神经网络反传复习》“形状账本在数值计算之前”中 b 的下标 1 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 1 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $b_{1}$ 1 章定义 A07 · 编码器、解码器与 Transformer 架构	A04 · 神经网络与反向传播综合复习 · 共 4 处 A04 · 神经网络与反向传播综合复习 · 正文位置 1 A04 · 神经网络与反向传播综合复习 · 正文位置 2 A04 · 神经网络与反向传播综合复习 · 正文位置 3 A04 · 神经网络与反向传播综合复习 · 正文位置 4
$b_{1}$ `b_1`	《Transformer架构》“编码器块让每个有效位置读取双向上下文”中 b 的下标 1 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 1 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $b_{1}$ 1 章定义 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
$b_{2}$ `b_2`	《神经网络反传复习》“形状账本在数值计算之前”中 b 的下标 2 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 2 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $b_{2}$ 1 章定义 A07 · 编码器、解码器与 Transformer 架构	A04 · 神经网络与反向传播综合复习 · 共 5 处 A04 · 神经网络与反向传播综合复习 · 正文位置 1 A04 · 神经网络与反向传播综合复习 · 正文位置 2 A04 · 神经网络与反向传播综合复习 · 正文位置 3 A04 · 神经网络与反向传播综合复习 · 正文位置 4 A04 · 神经网络与反向传播综合复习 · 正文位置 5
$b_{2}$ `b_2`	《Transformer架构》“编码器块让每个有效位置读取双向上下文”中 b 的下标 2 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 2 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $b_{2}$ 1 章定义 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
$b_{\ell}$ `b_ell`	《神经算子》“核积分层统一局部与非局部交互”中 b 的下标 ell 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 ell 的取值范围以该公式邻近定义和求和范围为准。	—	A14 · Fourier 神经算子与网格泛化
$b_{h}$ `b_h`	《循环网络与门控》“GRU 用两道门直接混合隐藏状态”中 b 的下标 h 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 h 的取值范围以该公式邻近定义和求和范围为准。	—	A07 · 循环网络、门控单元与状态传播 · 共 3 处 A07 · 循环网络、门控单元与状态传播 · 正文位置 1 A07 · 循环网络、门控单元与状态传播 · 正文位置 2 A07 · 循环网络、门控单元与状态传播 · 正文位置 3
$b_{j}$ `b_j`	《初始化与梯度流》“仿射层前向方差来自扇入求和”中 b 的下标 j 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 j 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $b_{j}$ 1 章定义 M01 · 代数、函数与解析几何综合复习	A04 · 参数初始化与梯度传播
$b_{r}$ `b_r`	《循环网络与门控》“GRU 用两道门直接混合隐藏状态”中 b 的下标 r 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 r 的取值范围以该公式邻近定义和求和范围为准。	—	A07 · 循环网络、门控单元与状态传播
$b_{t}$ `b_t`	《工具、记忆与规划》“把智能体写成受约束状态循环”中 b 的下标 t 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。	—	A12 · 工具调用、记忆与任务规划
$b_{z}$ `b_z`	《循环网络与门控》“GRU 用两道门直接混合隐藏状态”中 b 的下标 z 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 z 的取值范围以该公式邻近定义和求和范围为准。	—	A07 · 循环网络、门控单元与状态传播
$\beta$ `beta`	《SGD 与自适应优化》“Momentum 累积方向”中记作 beta 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $\beta$ 9 章定义 A01 · 线性模型与统计学习综合复习 M02 · 函数极限与连续性 P03 · 干涉、衍射与傅里叶光学 P06 · 正则系综、配分函数与涨落 P06 · 相变、序参量与临界现象 P06 · 巨正则系综与化学势 P08 · Lorentz 变换与时空间隔 P10 · 磁性、超导与序参量 P12 · Klein–Gordon 场与 Dirac 场	A05 · 随机梯度、动量与自适应方法 · 共 3 处 A05 · 随机梯度、动量与自适应方法 · 正文位置 1 A05 · 随机梯度、动量与自适应方法 · 正文位置 2 A05 · 随机梯度、动量与自适应方法 · 正文位置 3
$betatheta_{t-1}$ `betatheta_t-1`	《SGD 与自适应优化》“Momentum 累积方向”中 betatheta 的下标 t-1 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 t-1 的取值范围以该公式邻近定义和求和范围为准。	—	A05 · 随机梯度、动量与自适应方法
$c$ `c`	《表示学习目标》“重构目标保留输入，未必保留任务”中记作 c 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $c$ 10 章定义 A13 · 校准、分布外检测与选择性预测 C01 · 动态规划与图算法 M00 · 数学语言与证明综合复习 M02 · 中值定理与导数应用 P08 · Einstein 场方程与典型解 P08 · Lorentz 变换与时空间隔 P08 · 四矢量、相对论动力学与电磁场 P11 · 计算物理综合项目与复习 P11 · Monte Carlo、重要性采样与误差估计 P03 · 一维波动方程与边界条件	A08 · 表示学习目标、相似度与不变性
$c$ `c`	《校准与OOD检测》“概率置信度要对应条件正确率”中记作 c 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $c$ 10 章定义 A08 · 表示学习目标、相似度与不变性 C01 · 动态规划与图算法 M00 · 数学语言与证明综合复习 M02 · 中值定理与导数应用 P08 · Einstein 场方程与典型解 P08 · Lorentz 变换与时空间隔 P08 · 四矢量、相对论动力学与电磁场 P11 · 计算物理综合项目与复习 P11 · Monte Carlo、重要性采样与误差估计 P03 · 一维波动方程与边界条件	A13 · 校准、分布外检测与选择性预测
$C$ `C`	《卷积网络架构》“下采样建立层级，也会丢失信息”中记作 C 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $C$ 11 章定义 A03 · 贝叶斯网络与 Markov 随机场 A13 · 校准、分布外检测与选择性预测 C00 · 数据可视化与计算实验 M00 · 数学语言与证明综合复习 M01 · 代数、函数与解析几何综合复习 M03 · Green、Stokes 与 Gauss 定理 M03 · 曲线积分与曲面积分 M06 · 置信区间与枢轴量 M11 · 凸集、凸函数与次梯度 P01 · 功、势能与机械能守恒 P04 · 电磁感应、位移电流与电路响应	A06 · 卷积网络架构与残差连接 · 共 3 处 A06 · 卷积网络架构与残差连接 · 正文位置 1 A06 · 卷积网络架构与残差连接 · 正文位置 2 A06 · 卷积网络架构与残差连接 · 正文位置 3
$C$ `C`	《校准与OOD检测》“概率置信度要对应条件正确率”中记作 C 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $C$ 11 章定义 A03 · 贝叶斯网络与 Markov 随机场 A06 · 卷积网络架构与残差连接 C00 · 数据可视化与计算实验 M00 · 数学语言与证明综合复习 M01 · 代数、函数与解析几何综合复习 M03 · Green、Stokes 与 Gauss 定理 M03 · 曲线积分与曲面积分 M06 · 置信区间与枢轴量 M11 · 凸集、凸函数与次梯度 P01 · 功、势能与机械能守恒 P04 · 电磁感应、位移电流与电路响应	A13 · 校准、分布外检测与选择性预测
$c_{j}$ `c_j`	《跨模态预训练》“双塔编码器在共同空间比较”中 c 的下标 j 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 j 的取值范围以该公式邻近定义和求和范围为准。	—	A08 · 跨模态对齐与预训练迁移
$c_{t}$ `c_t`	《工具、记忆与规划》“把智能体写成受约束状态循环”中 c 的下标 t 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。	—	A12 · 工具调用、记忆与任务规划
$c_{x}$ `c_x`	《目标检测》“框参数化必须可逆”中 c 的下标 x 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 x 的取值范围以该公式邻近定义和求和范围为准。	—	A06 · 目标检测与多尺度特征
$c_{y}$ `c_y`	《目标检测》“框参数化必须可逆”中 c 的下标 y 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 y 的取值范围以该公式邻近定义和求和范围为准。	—	A06 · 目标检测与多尺度特征
$d_{2}$ `d_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	机器学习 · 神经网络	由上下文确定；下标 2 的取值范围以该公式邻近定义和求和范围为准。	—	A08 · 度量学习、孪生网络与三元组损失
$d_{k}$ `d_k`	每个注意力头的键向量维数	机器学习 · 神经网络	由上下文确定；该含义限定于《注意力机制》“缩放点积注意力”及其相邻推导。	同形异义： $d_{k}$ 1 章定义 A07 · 多头注意力与位置表示	A07 · 缩放点积注意力与掩码 · 共 9 处 A07 · 缩放点积注意力与掩码 · 正文位置 1 A07 · 缩放点积注意力与掩码 · 正文位置 2 A07 · 缩放点积注意力与掩码 · 正文位置 3 A07 · 缩放点积注意力与掩码 · 正文位置 4 A07 · 缩放点积注意力与掩码 · 正文位置 5 A07 · 缩放点积注意力与掩码 · 正文位置 6 A07 · 缩放点积注意力与掩码 · 正文位置 7 A07 · 缩放点积注意力与掩码 · 正文位置 8 A07 · 缩放点积注意力与掩码 · 正文位置 9
$d_{k}$ `d_k`	每个注意力头的键向量维数	机器学习 · 神经网络	由上下文确定；该含义限定于《多头与位置表示》“先固定四条轴”及其相邻推导。	同形异义： $d_{k}$ 1 章定义 A07 · 缩放点积注意力与掩码	A07 · 多头注意力与位置表示 · 共 4 处 A07 · 多头注意力与位置表示 · 正文位置 1 A07 · 多头注意力与位置表示 · 正文位置 2 A07 · 多头注意力与位置表示 · 正文位置 3 A07 · 多头注意力与位置表示 · 正文位置 4
$d_{v}$ `d_v`	《多头与位置表示》“先固定四条轴”中 d 的下标 v 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 v 的取值范围以该公式邻近定义和求和范围为准。	—	A07 · 多头注意力与位置表示 · 共 3 处 A07 · 多头注意力与位置表示 · 正文位置 1 A07 · 多头注意力与位置表示 · 正文位置 2 A07 · 多头注意力与位置表示 · 正文位置 3
$\delta$ `delta`	《鲁棒性与攻击》“范数球是数学代理而非语义等价保证”中记作 delta 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $\delta$ 4 章定义 A14 · 基准、外推边界与科学机器学习综合复习 M09 · 傅里叶变换与卷积 P09 · 边界层、相似性与流动不稳定性 P12 · Klein–Gordon 场与 Dirac 场	A13 · 鲁棒性、对抗攻击与防御评估 · 共 3 处 A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 1 A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 2 A13 · 鲁棒性、对抗攻击与防御评估 · 正文位置 3
$\delta$ `delta`	《科学机器学习复习》“反演把前向误差放进后验和决策”中记作 delta 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $\delta$ 4 章定义 A13 · 鲁棒性、对抗攻击与防御评估 M09 · 傅里叶变换与卷积 P09 · 边界层、相似性与流动不稳定性 P12 · Klein–Gordon 场与 Dirac 场	A14 · 基准、外推边界与科学机器学习综合复习
$Dkappa_{\ell}$ `Dkappa_ell`	《神经算子》“核积分层统一局部与非局部交互”中 Dkappa 的下标 ell 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 ell 的取值范围以该公式邻近定义和求和范围为准。	—	A14 · Fourier 神经算子与网格泛化
$e_{ij}$ `e_ij`	《几何深度学习综合复习》“消息传递连接局部关系与共享计算”中 e 的下标 ij 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 ij 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $e_{ij}$ 1 章定义 A11 · 图生成、图动力学与物理系统	A11 · 表达能力、过平滑与几何学习综合复习
$e_{ij}$ `e_ij`	《图生成与图动力学》“动态图把整个图作为状态”中 e 的下标 ij 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 ij 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $e_{ij}$ 1 章定义 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
$e_{t}$ `e_t`	《工具、记忆与规划》“把智能体写成受约束状态循环”中 e 的下标 t 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 t 的取值范围以该公式邻近定义和求和范围为准。	—	A12 · 工具调用、记忆与任务规划
$\ell$ `ell`	《几何深度学习综合复习》“消息传递连接局部关系与共享计算”中记作 ell 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $\ell$ 2 章定义 A00 · 监督学习任务、样本与标签 P04 · 电势、Poisson 方程与边值问题	A11 · 表达能力、过平滑与几何学习综合复习
$\epsilon_{\theta}$ `epsilon_theta`	《得分与扩散模型》“噪声预测给出常用均值参数化”中 epsilon 的下标 theta 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 theta 的取值范围以该公式邻近定义和求和范围为准。	—	A09 · 得分匹配、扩散过程与反向采样 · 共 4 处 A09 · 得分匹配、扩散过程与反向采样 · 正文位置 1 A09 · 得分匹配、扩散过程与反向采样 · 正文位置 2 A09 · 得分匹配、扩散过程与反向采样 · 正文位置 3 A09 · 得分匹配、扩散过程与反向采样 · 正文位置 4
$\eta$ `eta`	《SGD 与自适应优化》“Momentum 累积方向”中记作 eta 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $\eta$ 2 章定义 A11 · 图、图信号与节点表示 M11 · 一阶优化与梯度下降	A05 · 随机梯度、动量与自适应方法 · 共 7 处 A05 · 随机梯度、动量与自适应方法 · 正文位置 1 A05 · 随机梯度、动量与自适应方法 · 正文位置 2 A05 · 随机梯度、动量与自适应方法 · 正文位置 3 A05 · 随机梯度、动量与自适应方法 · 正文位置 4 A05 · 随机梯度、动量与自适应方法 · 正文位置 5 A05 · 随机梯度、动量与自适应方法 · 正文位置 6 A05 · 随机梯度、动量与自适应方法 · 正文位置 7
$\eta$ `eta`	《图与图信号》“平滑是局部算子，不是证明标签相同”中记作 eta 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $\eta$ 2 章定义 A05 · 随机梯度、动量与自适应方法 M11 · 一阶优化与梯度下降	A11 · 图、图信号与节点表示 · 共 2 处 A11 · 图、图信号与节点表示 · 正文位置 1 A11 · 图、图信号与节点表示 · 正文位置 2
$f$ `f`	《PINN》“用网络表示未知解”中记作 f 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $f$ 34 章定义 A00 · 监督学习任务、样本与标签 A01 · 经验风险、容量与一致收敛 A01 · 过拟合、泛化与模型选择 C00 · 程序、类型、控制流与函数 C01 · 渐近复杂度、归约与可计算性 C01 · 分治、贪心与排序 M01 · 函数、变换与图像 M02 · 定积分与累积 M02 · 中值定理与导数应用 M02 · 导数与微分 M02 · 积分方法、无穷级数与单变量微积分复习 M03 · 二重积分、三重积分与变量替换 M03 · 多变量微积分与向量分析综合复习 M03 · 多变量函数、极限与连续 M08 · 初值问题、存在唯一性与方向场 M08 · 线性系统、矩阵指数与相平面 M08 · 稳定性、Lyapunov 方法与分岔 M09 · 傅里叶级数、收敛与 Gibbs 现象 M09 · 正交函数系与 Fourier 系数 M10 · 浮点数、条件数与误差传播 M10 · 常微分与偏微分方程数值方法 M10 · 数值积分与数值微分 M11 · 约束优化、KKT 条件与对偶性 M11 · 凸集、凸函数与次梯度 M12 · 函数列、一致收敛与交换极限 M12 · Lp 空间、乘积测度与 Fubini 定理 M12 · 实分析与测度论综合复习 M13 · 保角映射与解析延拓 M13 · 孤立奇点、Laurent 级数与留数 M16 · 泛函分析与算子理论综合复习 P00 · 测量、量纲与数学建模综合复习 P00 · 不确定度传播与数据拟合 P05 · 平衡态、状态方程与准静态过程 P11 · Monte Carlo、重要性采样与误差估计	A14 · 物理信息神经网络与残差训练 · 共 3 处 A14 · 物理信息神经网络与残差训练 · 正文位置 1 A14 · 物理信息神经网络与残差训练 · 正文位置 2 A14 · 物理信息神经网络与残差训练 · 正文位置 3
$F$ `F`	《卷积算子》“平移等变与不变不是一回事”中记作 F 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $F$ 12 章定义 A00 · 分类、回归指标与基线 A13 · 特征归因、显著性与反事实 A14 · 逆问题、数据同化与不确定性 C01 · 动态规划与图算法 M05 · 概率公理与组合概率 M07 · 递推关系与生成函数 M11 · 优化模型、可行域与最优性 M14 · 域扩张、多项式与有限域 P01 · 功、势能与机械能守恒 P09 · 连续介质运动学、应变与应力 P10 · 磁性、超导与序参量 P12 · 规范对称性与标准模型结构	A06 · 离散卷积、感受野与参数共享
$F$ `F`	《特征归因与反事实》“Shapley 值按所有加入顺序平均边际贡献”中记作 F 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $F$ 12 章定义 A00 · 分类、回归指标与基线 A06 · 离散卷积、感受野与参数共享 A14 · 逆问题、数据同化与不确定性 C01 · 动态规划与图算法 M05 · 概率公理与组合概率 M07 · 递推关系与生成函数 M11 · 优化模型、可行域与最优性 M14 · 域扩张、多项式与有限域 P01 · 功、势能与机械能守恒 P09 · 连续介质运动学、应变与应力 P10 · 磁性、超导与序参量 P12 · 规范对称性与标准模型结构	A13 · 特征归因、显著性与反事实
$F$ `F`	《逆问题与不确定性》“先写出未知量到观测的完整链路”中记作 F 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $F$ 12 章定义 A00 · 分类、回归指标与基线 A06 · 离散卷积、感受野与参数共享 A13 · 特征归因、显著性与反事实 C01 · 动态规划与图算法 M05 · 概率公理与组合概率 M07 · 递推关系与生成函数 M11 · 优化模型、可行域与最优性 M14 · 域扩张、多项式与有限域 P01 · 功、势能与机械能守恒 P09 · 连续介质运动学、应变与应力 P10 · 磁性、超导与序参量 P12 · 规范对称性与标准模型结构	A14 · 逆问题、数据同化与不确定性 · 共 5 处 A14 · 逆问题、数据同化与不确定性 · 正文位置 1 A14 · 逆问题、数据同化与不确定性 · 正文位置 2 A14 · 逆问题、数据同化与不确定性 · 正文位置 3 A14 · 逆问题、数据同化与不确定性 · 正文位置 4 A14 · 逆问题、数据同化与不确定性 · 正文位置 5
$f_{\theta}$ `f_theta`	《跨模态预训练》“双塔编码器在共同空间比较”中 f 的下标 theta 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 theta 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $f_{\theta}$ 4 章定义 A00 · 损失函数、风险与评估 A08 · 表示学习目标、相似度与不变性 A09 · 正规化流与可逆变换 A12 · 视觉语言对齐与多模态生成	A08 · 跨模态对齐与预训练迁移
$f_{\theta}$ `f_theta`	《表示学习目标》“重构目标保留输入，未必保留任务”中 f 的下标 theta 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 theta 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $f_{\theta}$ 4 章定义 A00 · 损失函数、风险与评估 A08 · 跨模态对齐与预训练迁移 A09 · 正规化流与可逆变换 A12 · 视觉语言对齐与多模态生成	A08 · 表示学习目标、相似度与不变性 · 共 3 处 A08 · 表示学习目标、相似度与不变性 · 正文位置 1 A08 · 表示学习目标、相似度与不变性 · 正文位置 2 A08 · 表示学习目标、相似度与不变性 · 正文位置 3
$f_{\theta}$ `f_theta`	《归一化流》“用双射搬运概率质量”中 f 的下标 theta 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 theta 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $f_{\theta}$ 4 章定义 A00 · 损失函数、风险与评估 A08 · 跨模态对齐与预训练迁移 A08 · 表示学习目标、相似度与不变性 A12 · 视觉语言对齐与多模态生成	A09 · 正规化流与可逆变换 · 共 2 处 A09 · 正规化流与可逆变换 · 正文位置 1 A09 · 正规化流与可逆变换 · 正文位置 2
$f_{\theta}$ `f_theta`	《视觉语言模型》“图像和文本先映射到同一比较空间”中 f 的下标 theta 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 theta 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $f_{\theta}$ 4 章定义 A00 · 损失函数、风险与评估 A08 · 跨模态对齐与预训练迁移 A08 · 表示学习目标、相似度与不变性 A09 · 正规化流与可逆变换	A12 · 视觉语言对齐与多模态生成
$g$ `g`	《调度与二阶方法》“Hessian 描述局部曲率”中记作 g 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $g$ 15 章定义 A07 · 长序列、效率与 Transformer 综合复习 A11 · 谱图方法与流形学习 A12 · 工具调用、记忆与任务规划 C00 · 编程与科学计算综合项目 M01 · 函数、变换与图像 M01 · 多项式、因式分解与有理式 M08 · 可分离、线性与恰当方程 M08 · 高阶线性方程与常系数方法 M09 · 正交函数系与 Fourier 系数 M11 · 凸集、凸函数与次梯度 M12 · Lp 空间、乘积测度与 Fubini 定理 M13 · 保角映射与解析延拓 M14 · 群同态、商群与群作用 P08 · 张量、联络与曲率 P12 · 规范对称性与标准模型结构	A05 · 学习率调度与二阶近似 · 共 4 处 A05 · 学习率调度与二阶近似 · 正文位置 1 A05 · 学习率调度与二阶近似 · 正文位置 2 A05 · 学习率调度与二阶近似 · 正文位置 3 A05 · 学习率调度与二阶近似 · 正文位置 4
$g$ `g`	《序列模型综合复习》“普通RNN把历史压进固定宽度状态”中记作 g 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $g$ 15 章定义 A05 · 学习率调度与二阶近似 A11 · 谱图方法与流形学习 A12 · 工具调用、记忆与任务规划 C00 · 编程与科学计算综合项目 M01 · 函数、变换与图像 M01 · 多项式、因式分解与有理式 M08 · 可分离、线性与恰当方程 M08 · 高阶线性方程与常系数方法 M09 · 正交函数系与 Fourier 系数 M11 · 凸集、凸函数与次梯度 M12 · Lp 空间、乘积测度与 Fubini 定理 M13 · 保角映射与解析延拓 M14 · 群同态、商群与群作用 P08 · 张量、联络与曲率 P12 · 规范对称性与标准模型结构	A07 · 长序列、效率与 Transformer 综合复习
$g$ `g`	《谱图与几何学习》“多项式滤波把谱定义变成局部稀疏计算”中记作 g 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $g$ 15 章定义 A05 · 学习率调度与二阶近似 A07 · 长序列、效率与 Transformer 综合复习 A12 · 工具调用、记忆与任务规划 C00 · 编程与科学计算综合项目 M01 · 函数、变换与图像 M01 · 多项式、因式分解与有理式 M08 · 可分离、线性与恰当方程 M08 · 高阶线性方程与常系数方法 M09 · 正交函数系与 Fourier 系数 M11 · 凸集、凸函数与次梯度 M12 · Lp 空间、乘积测度与 Fubini 定理 M13 · 保角映射与解析延拓 M14 · 群同态、商群与群作用 P08 · 张量、联络与曲率 P12 · 规范对称性与标准模型结构	A11 · 谱图方法与流形学习 · 共 4 处 A11 · 谱图方法与流形学习 · 正文位置 1 A11 · 谱图方法与流形学习 · 正文位置 2 A11 · 谱图方法与流形学习 · 正文位置 3 A11 · 谱图方法与流形学习 · 正文位置 4
$g$ `g`	《工具、记忆与规划》“把智能体写成受约束状态循环”中记作 g 的等号右侧的输入量或系数	机器学习 · 神经网络	由上下文确定；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。	同形异义： $g$ 15 章定义 A05 · 学习率调度与二阶近似 A07 · 长序列、效率与 Transformer 综合复习 A11 · 谱图方法与流形学习 C00 · 编程与科学计算综合项目 M01 · 函数、变换与图像 M01 · 多项式、因式分解与有理式 M08 · 可分离、线性与恰当方程 M08 · 高阶线性方程与常系数方法 M09 · 正交函数系与 Fourier 系数 M11 · 凸集、凸函数与次梯度 M12 · Lp 空间、乘积测度与 Fubini 定理 M13 · 保角映射与解析延拓 M14 · 群同态、商群与群作用 P08 · 张量、联络与曲率 P12 · 规范对称性与标准模型结构	A12 · 工具调用、记忆与任务规划
$G$ `G`	《生成对抗学习》“非饱和损失改变梯度而不改变目标平衡点”中记作 G 的等号左侧的目标量	机器学习 · 神经网络	由上下文确定；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。	同形异义： $G$ 5 章定义 M07 · 匹配、覆盖与图着色 M10 · 线性方程组的直接与迭代解法 M14 · 群、子群与循环结构 M14 · 群同态、商群与群作用 P01 · 引力、轨道与经典力学综合复习	A09 · 生成对抗网络与散度最小化 · 共 3 处 A09 · 生成对抗网络与散度最小化 · 正文位置 1 A09 · 生成对抗网络与散度最小化 · 正文位置 2 A09 · 生成对抗网络与散度最小化 · 正文位置 3