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
$y_{t}$ `y_t`	《指令适配与偏好优化》“监督指令微调学习示范条件分布”中 y 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。	同形异义： $y_{t}$ 3 章定义 A07 · 序列损失、教师强制与解码 A07 · 长序列、效率与 Transformer 综合复习 A13 · 对齐目标、反馈与奖励建模	A12 · 指令微调、偏好优化与上下文学习
$y_{t}$ `y_t`	《对齐目标与奖励建模》“监督示范学习条件分布”中 y 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。	同形异义： $y_{t}$ 3 章定义 A07 · 序列损失、教师强制与解码 A07 · 长序列、效率与 Transformer 综合复习 A12 · 指令微调、偏好优化与上下文学习	A13 · 对齐目标、反馈与奖励建模
$z$ `z`	《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	机器学习 · 神经网络	由上下文确定；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。	同形异义： $z$ 13 章定义 A02 · 特征映射、正定核与再生核空间 A03 · 聚类目标、K 均值与密度方法 A03 · EM 算法与变分推断 A09 · 生成对抗网络与散度最小化 A09 · 变分自编码器与证据下界 A13 · 表示探测与机制可解释性 M00 · 等价关系、序关系与数学归纳法 M07 · 偏序集、格与布尔代数 M13 · 保角映射与解析延拓 M13 · 幂级数、初等复函数与局部表示 P08 · Lorentz 变换与时空间隔 P08 · 黑洞、宇宙学与相对论综合复习 P10 · 自由电子气与输运	A04 · 激活函数与非线性表示 · 共 6 处 A04 · 激活函数与非线性表示 · 正文位置 1 A04 · 激活函数与非线性表示 · 正文位置 2 A04 · 激活函数与非线性表示 · 正文位置 3 A04 · 激活函数与非线性表示 · 正文位置 4 A04 · 激活函数与非线性表示 · 正文位置 5 A04 · 激活函数与非线性表示 · 正文位置 6
$z$ `z`	《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 z 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 z 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： $z$ 13 章定义 A02 · 特征映射、正定核与再生核空间 A03 · 聚类目标、K 均值与密度方法 A03 · EM 算法与变分推断 A04 · 激活函数与非线性表示 A09 · 变分自编码器与证据下界 A13 · 表示探测与机制可解释性 M00 · 等价关系、序关系与数学归纳法 M07 · 偏序集、格与布尔代数 M13 · 保角映射与解析延拓 M13 · 幂级数、初等复函数与局部表示 P08 · Lorentz 变换与时空间隔 P08 · 黑洞、宇宙学与相对论综合复习 P10 · 自由电子气与输运	A09 · 生成对抗网络与散度最小化 · 共 2 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
$z$ `z`	《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	机器学习 · 神经网络	由上下文确定；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。	同形异义： $z$ 13 章定义 A02 · 特征映射、正定核与再生核空间 A03 · 聚类目标、K 均值与密度方法 A03 · EM 算法与变分推断 A04 · 激活函数与非线性表示 A09 · 生成对抗网络与散度最小化 A13 · 表示探测与机制可解释性 M00 · 等价关系、序关系与数学归纳法 M07 · 偏序集、格与布尔代数 M13 · 保角映射与解析延拓 M13 · 幂级数、初等复函数与局部表示 P08 · Lorentz 变换与时空间隔 P08 · 黑洞、宇宙学与相对论综合复习 P10 · 自由电子气与输运	A09 · 变分自编码器与证据下界 · 共 13 处 A09 · 变分自编码器与证据下界 · 正文位置 1 A09 · 变分自编码器与证据下界 · 正文位置 2 A09 · 变分自编码器与证据下界 · 正文位置 3 A09 · 变分自编码器与证据下界 · 正文位置 4 A09 · 变分自编码器与证据下界 · 正文位置 5 A09 · 变分自编码器与证据下界 · 正文位置 6 A09 · 变分自编码器与证据下界 · 正文位置 7 A09 · 变分自编码器与证据下界 · 正文位置 8 A09 · 变分自编码器与证据下界 · 正文位置 9 A09 · 变分自编码器与证据下界 · 正文位置 10 A09 · 变分自编码器与证据下界 · 正文位置 11 A09 · 变分自编码器与证据下界 · 正文位置 12 A09 · 变分自编码器与证据下界 · 正文位置 13
$z$ `z`	《机制可解释性》“线性探针测量可解码性”中记作 z 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 z 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： $z$ 13 章定义 A02 · 特征映射、正定核与再生核空间 A03 · 聚类目标、K 均值与密度方法 A03 · EM 算法与变分推断 A04 · 激活函数与非线性表示 A09 · 生成对抗网络与散度最小化 A09 · 变分自编码器与证据下界 M00 · 等价关系、序关系与数学归纳法 M07 · 偏序集、格与布尔代数 M13 · 保角映射与解析延拓 M13 · 幂级数、初等复函数与局部表示 P08 · Lorentz 变换与时空间隔 P08 · 黑洞、宇宙学与相对论综合复习 P10 · 自由电子气与输运	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
$Z_{1}$ `Z_1`	《神经网络反传复习》“形状账本在数值计算之前”中 Z 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。	—	A04 · 神经网络与反向传播综合复习 · 共 3 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
$z_{i}$ `z_i`	《跨模态预训练》“双塔编码器在共同空间比较”中 z 的下标 i 分量或状态量	机器学习 · 神经网络	由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $z_{i}$ 1 章定义 C02 · 数据处理与实验设计综合复习	A08 · 跨模态对齐与预训练迁移
$z_{j}$ `z_j`	《初始化与梯度流》“仿射层前向方差来自扇入求和”中 z 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： $z_{j}$ 1 章定义 A08 · 跨模态对齐与预训练迁移	A04 · 参数初始化与梯度传播
$z_{j}$ `z_j`	《跨模态预训练》“双塔编码器在共同空间比较”中 z 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： $z_{j}$ 1 章定义 A04 · 参数初始化与梯度传播	A08 · 跨模态对齐与预训练迁移
$z_{t}$ `z_t`	《循环网络与门控》“GRU 用两道门直接混合隐藏状态”中 z 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。	—	A07 · 循环网络、门控单元与状态传播 · 共 2 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
$a$ `a`	《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	机器学习 · 最优化	由上下文确定；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。	同形异义： $a$ 22 章定义 A03 · 变量消元、消息传递与精确推断 A05 · 随机梯度、动量与自适应方法 A10 · 策略梯度、actor–critic 与优势估计 A10 · Q-learning、探索与函数逼近 C01 · 分治、贪心与排序 M01 · 指数函数、对数函数与复合函数 M01 · 函数、变换与图像 M01 · 直线、圆锥曲线与参数方程 M01 · 多项式、因式分解与有理式 M02 · 中值定理与导数应用 M02 · 函数极限与连续性 M02 · 积分方法、无穷级数与单变量微积分复习 M03 · 曲线积分与曲面积分 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 M09 · 正交函数系与 Fourier 系数 M13 · Cauchy 定理与积分公式 M13 · 孤立奇点、Laurent 级数与留数 M14 · 环、理想与商环 P00 · 尺度分析、数量级与估算 P03 · 耦合振子与简正模 P12 · 规范对称性与标准模型结构	A02 · 特征映射、正定核与再生核空间 · 共 2 处 A02 · 特征映射、正定核与再生核空间 · 正文位置 1 A02 · 特征映射、正定核与再生核空间 · 正文位置 2
$a$ `a`	《精确概率推断》“推断查询先写成未归一权重”中记作 a 的等号右侧的输入量或系数	机器学习 · 最优化	由上下文确定；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。	同形异义： $a$ 22 章定义 A02 · 特征映射、正定核与再生核空间 A05 · 随机梯度、动量与自适应方法 A10 · 策略梯度、actor–critic 与优势估计 A10 · Q-learning、探索与函数逼近 C01 · 分治、贪心与排序 M01 · 指数函数、对数函数与复合函数 M01 · 函数、变换与图像 M01 · 直线、圆锥曲线与参数方程 M01 · 多项式、因式分解与有理式 M02 · 中值定理与导数应用 M02 · 函数极限与连续性 M02 · 积分方法、无穷级数与单变量微积分复习 M03 · 曲线积分与曲面积分 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 M09 · 正交函数系与 Fourier 系数 M13 · Cauchy 定理与积分公式 M13 · 孤立奇点、Laurent 级数与留数 M14 · 环、理想与商环 P00 · 尺度分析、数量级与估算 P03 · 耦合振子与简正模 P12 · 规范对称性与标准模型结构	A03 · 变量消元、消息传递与精确推断 · 共 4 处 A03 · 变量消元、消息传递与精确推断 · 正文位置 1 A03 · 变量消元、消息传递与精确推断 · 正文位置 2 A03 · 变量消元、消息传递与精确推断 · 正文位置 3 A03 · 变量消元、消息传递与精确推断 · 正文位置 4
$a$ `a`	《策略梯度》“actor–critic用价值估计构造优势”中记作 a 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；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。	同形异义： $a$ 22 章定义 A02 · 特征映射、正定核与再生核空间 A03 · 变量消元、消息传递与精确推断 A05 · 随机梯度、动量与自适应方法 A10 · Q-learning、探索与函数逼近 C01 · 分治、贪心与排序 M01 · 指数函数、对数函数与复合函数 M01 · 函数、变换与图像 M01 · 直线、圆锥曲线与参数方程 M01 · 多项式、因式分解与有理式 M02 · 中值定理与导数应用 M02 · 函数极限与连续性 M02 · 积分方法、无穷级数与单变量微积分复习 M03 · 曲线积分与曲面积分 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 M09 · 正交函数系与 Fourier 系数 M13 · Cauchy 定理与积分公式 M13 · 孤立奇点、Laurent 级数与留数 M14 · 环、理想与商环 P00 · 尺度分析、数量级与估算 P03 · 耦合振子与简正模 P12 · 规范对称性与标准模型结构	A10 · 策略梯度、actor–critic 与优势估计 · 共 3 处 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 1 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 2 A10 · 策略梯度、actor–critic 与优势估计 · 正文位置 3
$a$ `a`	《Q-learning》“表格收敛结论附带一组条件”中记作 a 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；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。	同形异义： $a$ 22 章定义 A02 · 特征映射、正定核与再生核空间 A03 · 变量消元、消息传递与精确推断 A05 · 随机梯度、动量与自适应方法 A10 · 策略梯度、actor–critic 与优势估计 C01 · 分治、贪心与排序 M01 · 指数函数、对数函数与复合函数 M01 · 函数、变换与图像 M01 · 直线、圆锥曲线与参数方程 M01 · 多项式、因式分解与有理式 M02 · 中值定理与导数应用 M02 · 函数极限与连续性 M02 · 积分方法、无穷级数与单变量微积分复习 M03 · 曲线积分与曲面积分 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 M09 · 正交函数系与 Fourier 系数 M13 · Cauchy 定理与积分公式 M13 · 孤立奇点、Laurent 级数与留数 M14 · 环、理想与商环 P00 · 尺度分析、数量级与估算 P03 · 耦合振子与简正模 P12 · 规范对称性与标准模型结构	A10 · Q-learning、探索与函数逼近 · 共 8 处 A10 · Q-learning、探索与函数逼近 · 正文位置 1 A10 · Q-learning、探索与函数逼近 · 正文位置 2 A10 · Q-learning、探索与函数逼近 · 正文位置 3 A10 · Q-learning、探索与函数逼近 · 正文位置 4 A10 · Q-learning、探索与函数逼近 · 正文位置 5 A10 · Q-learning、探索与函数逼近 · 正文位置 6 A10 · Q-learning、探索与函数逼近 · 正文位置 7 A10 · Q-learning、探索与函数逼近 · 正文位置 8
$A$ `A`	《决策树与剪枝》“分类不纯度衡量标签混合”中记作 A 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；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。	同形异义： $A$ 21 章定义 A05 · 混合精度、分布式训练与检查点 A10 · 策略梯度、actor–critic 与优势估计 A11 · 消息传递与图卷积 C01 · 渐近复杂度、归约与可计算性 M00 · 集合、映射与关系 M03 · Green、Stokes 与 Gauss 定理 M04 · 线性方程组的解结构 M04 · 矩阵及其运算 M05 · 条件概率、独立性与贝叶斯公式 M12 · 测度、可测集与可测函数 M12 · 实数完备性、紧致性与连续性 M04 · 线性映射及其矩阵表示 P03 · 干涉、衍射与傅里叶光学 P03 · 行波、相位、叠加与色散 P04 · Coulomb 定律、电场与 Gauss 定律 P04 · 电势、Poisson 方程与边值问题 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 P07 · Hilbert 空间、量子态与可观测量 P09 · 质量、动量与能量守恒方程 P10 · 磁性、超导与序参量	A02 · 决策树、划分准则与剪枝 · 共 2 处 A02 · 决策树、划分准则与剪枝 · 正文位置 1 A02 · 决策树、划分准则与剪枝 · 正文位置 2
$A$ `A`	《策略梯度》“actor–critic用价值估计构造优势”中记作 A 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；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。	同形异义： $A$ 21 章定义 A02 · 决策树、划分准则与剪枝 A05 · 混合精度、分布式训练与检查点 A11 · 消息传递与图卷积 C01 · 渐近复杂度、归约与可计算性 M00 · 集合、映射与关系 M03 · Green、Stokes 与 Gauss 定理 M04 · 线性方程组的解结构 M04 · 矩阵及其运算 M05 · 条件概率、独立性与贝叶斯公式 M12 · 测度、可测集与可测函数 M12 · 实数完备性、紧致性与连续性 M04 · 线性映射及其矩阵表示 P03 · 干涉、衍射与傅里叶光学 P03 · 行波、相位、叠加与色散 P04 · Coulomb 定律、电场与 Gauss 定律 P04 · 电势、Poisson 方程与边值问题 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 P07 · Hilbert 空间、量子态与可观测量 P09 · 质量、动量与能量守恒方程 P10 · 磁性、超导与序参量	A10 · 策略梯度、actor–critic 与优势估计
$A_{t}$ `A_t`	《模型与离线强化学习》“学习模型后在模型中问“如果””中 A 的下标 t 分量或状态量	机器学习 · 最优化	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。	—	A10 · 基于模型、离线与多智能体强化学习 · 共 2 处 A10 · 基于模型、离线与多智能体强化学习 · 正文位置 1 A10 · 基于模型、离线与多智能体强化学习 · 正文位置 2
$b$ `b`	《线性回归》“从连续预测开始”中记作 b 的等号左侧的目标量	机器学习 · 最优化	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 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 A13 · 表示探测与机制可解释性 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	A01 · 线性回归、最小二乘与正规方程 · 共 8 处 A01 · 线性回归、最小二乘与正规方程 · 正文位置 1 A01 · 线性回归、最小二乘与正规方程 · 正文位置 2 A01 · 线性回归、最小二乘与正规方程 · 正文位置 3 A01 · 线性回归、最小二乘与正规方程 · 正文位置 4 A01 · 线性回归、最小二乘与正规方程 · 正文位置 5 A01 · 线性回归、最小二乘与正规方程 · 正文位置 6 A01 · 线性回归、最小二乘与正规方程 · 正文位置 7 A01 · 线性回归、最小二乘与正规方程 · 正文位置 8
$b$ `b`	《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	机器学习 · 最优化	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 · 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 A13 · 表示探测与机制可解释性 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	A02 · 特征映射、正定核与再生核空间 · 共 2 处 A02 · 特征映射、正定核与再生核空间 · 正文位置 1 A02 · 特征映射、正定核与再生核空间 · 正文位置 2
$b$ `b`	《随机森林》“聚合能降多少方差取决于相关性”中记作 b 的等号左侧的目标量	机器学习 · 最优化	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 · 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 A13 · 表示探测与机制可解释性 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	A02 · 随机森林与袋装集成
$b$ `b`	《支持向量机》“硬间隔为何需要软化”中记作 b 的等号右侧的输入量或系数	机器学习 · 最优化	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 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 A13 · 表示探测与机制可解释性 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	A02 · 最大间隔与支持向量机 · 共 7 处 A02 · 最大间隔与支持向量机 · 正文位置 1 A02 · 最大间隔与支持向量机 · 正文位置 2 A02 · 最大间隔与支持向量机 · 正文位置 3 A02 · 最大间隔与支持向量机 · 正文位置 4 A02 · 最大间隔与支持向量机 · 正文位置 5 A02 · 最大间隔与支持向量机 · 正文位置 6 A02 · 最大间隔与支持向量机 · 正文位置 7
$B$ `B`	《随机森林》“聚合能降多少方差取决于相关性”中记作 B 的等号左侧的目标量	机器学习 · 最优化	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 A07 · 多头注意力与位置表示 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	A02 · 随机森林与袋装集成 · 共 2 处 A02 · 随机森林与袋装集成 · 正文位置 1 A02 · 随机森林与袋装集成 · 正文位置 2
$\beta$ `beta`	《线性学习综合复习》“Logistic 回归学习条件概率”中记作 beta 的等号左侧的目标量	机器学习 · 最优化	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 A05 · 随机梯度、动量与自适应方法 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	A01 · 线性模型与统计学习综合复习 · 共 4 处 A01 · 线性模型与统计学习综合复习 · 正文位置 1 A01 · 线性模型与统计学习综合复习 · 正文位置 2 A01 · 线性模型与统计学习综合复习 · 正文位置 3 A01 · 线性模型与统计学习综合复习 · 正文位置 4
$\beta_{0}$ `beta_0`	《线性学习综合复习》“Logistic 回归学习条件概率”中 beta 的下标 0 分量或状态量	机器学习 · 最优化	由上下文确定；下标 0 的取值范围以该公式邻近定义和求和范围为准。	—	A01 · 线性模型与统计学习综合复习 · 共 4 处 A01 · 线性模型与统计学习综合复习 · 正文位置 1 A01 · 线性模型与统计学习综合复习 · 正文位置 2 A01 · 线性模型与统计学习综合复习 · 正文位置 3 A01 · 线性模型与统计学习综合复习 · 正文位置 4
$C$ `C`	《有向与无向图模型》“无向图用势函数而非条件概率相乘”中记作 C 的等号右侧的输入量或系数	机器学习 · 最优化	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 A06 · 卷积网络架构与残差连接 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	A03 · 贝叶斯网络与 Markov 随机场 · 共 7 处 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 1 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 2 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 3 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 4 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 5 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 6 A03 · 贝叶斯网络与 Markov 随机场 · 正文位置 7
$C$ `C`	《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	机器学习 · 最优化	不适用；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 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 P01 · 功、势能与机械能守恒 P04 · 电磁感应、位移电流与电路响应	M11 · 凸集、凸函数与次梯度 · 共 6 处 M11 · 凸集、凸函数与次梯度 · 正文位置 1 M11 · 凸集、凸函数与次梯度 · 正文位置 2 M11 · 凸集、凸函数与次梯度 · 正文位置 3 M11 · 凸集、凸函数与次梯度 · 正文位置 4 M11 · 凸集、凸函数与次梯度 · 正文位置 5 M11 · 凸集、凸函数与次梯度 · 正文位置 6
$Cpsi_{C}$ `Cpsi_C`	《有向与无向图模型》“无向图用势函数而非条件概率相乘”中 Cpsi 的下标 C 分量或状态量	机器学习 · 最优化	由上下文确定；下标 C 的取值范围以该公式邻近定义和求和范围为准。	—	A03 · 贝叶斯网络与 Markov 随机场
$\delta_{k}$ `delta_k`	《风险、容量与收敛》“结构风险最小化同时支付拟合与容量”中 delta 的下标 k 分量或状态量	机器学习 · 最优化	由上下文确定；下标 k 的取值范围以该公式邻近定义和求和范围为准。	—	A01 · 经验风险、容量与一致收敛
$e$ `e`	《精确概率推断》“推断查询先写成未归一权重”中记作 e 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；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。	同形异义： $e$ 5 章定义 C00 · 数据可视化与计算实验 P00 · 测量误差、分辨率与校准 P03 · 干涉、衍射与傅里叶光学 P06 · 正则系综、配分函数与涨落 P10 · 能带理论、半导体与费米面	A03 · 变量消元、消息传递与精确推断 · 共 2 处 A03 · 变量消元、消息传递与精确推断 · 正文位置 1 A03 · 变量消元、消息传递与精确推断 · 正文位置 2
$\ell$ `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	机器学习 · 最优化	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 A11 · 表达能力、过平滑与几何学习综合复习 P04 · 电势、Poisson 方程与边值问题	A00 · 监督学习任务、样本与标签 · 共 4 处 A00 · 监督学习任务、样本与标签 · 正文位置 1 A00 · 监督学习任务、样本与标签 · 正文位置 2 A00 · 监督学习任务、样本与标签 · 正文位置 3 A00 · 监督学习任务、样本与标签 · 正文位置 4
$\ell_{i}$ `ell_i`	《正则化》“有效正则化强度”中 ell 的下标 i 分量或状态量	机器学习 · 最优化	由上下文确定；下标 i 的取值范围以该公式邻近定义和求和范围为准。	—	A01 · 正则化、偏差与方差
$\eta$ `eta`	梯度下降学习率	机器学习 · 最优化	由上下文确定；通常取正值	同形异义： $\eta$ 2 章定义 A05 · 随机梯度、动量与自适应方法 A11 · 图、图信号与节点表示	M11 · 一阶优化与梯度下降 · 共 20 处 M11 · 一阶优化与梯度下降 · 正文位置 1 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 2 A01 · 线性回归、最小二乘与正规方程 · 正文位置 3 A01 · 正则化、偏差与方差 · 正文位置 4 M11 · 一阶优化与梯度下降 · 正文位置 5 M11 · 一阶优化与梯度下降 · 正文位置 6 M11 · 一阶优化与梯度下降 · 正文位置 7 M11 · 一阶优化与梯度下降 · 正文位置 8 M11 · 一阶优化与梯度下降 · 正文位置 9 M11 · 一阶优化与梯度下降 · 正文位置 10 M11 · 一阶优化与梯度下降 · 正文位置 11 M11 · 一阶优化与梯度下降 · 正文位置 12 M11 · 一阶优化与梯度下降 · 正文位置 13 M11 · 一阶优化与梯度下降 · 正文位置 14 M11 · 一阶优化与梯度下降 · 正文位置 15 M11 · 一阶优化与梯度下降 · 正文位置 16 M11 · 最优化与信息论综合复习 · 正文位置 17 M11 · 最优化与信息论综合复习 · 正文位置 18 M11 · 最优化与信息论综合复习 · 正文位置 19 M11 · 最优化与信息论综合复习 · 正文位置 20
$\eta_{m}$ `eta_m`	《AdaBoost 与梯度提升》“提升法逐步扩充一个加法模型”中 eta 的下标 m 分量或状态量	机器学习 · 最优化	由上下文确定；下标 m 的取值范围以该公式邻近定义和求和范围为准。	—	A02 · AdaBoost、梯度提升与残差拟合
$f$ `f`	《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	机器学习 · 最优化	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 A01 · 经验风险、容量与一致收敛 A01 · 过拟合、泛化与模型选择 A14 · 物理信息神经网络与残差训练 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	A00 · 监督学习任务、样本与标签
$f$ `f`	《风险、容量与收敛》“结构风险最小化同时支付拟合与容量”中记作 f 的等号左侧的目标量	机器学习 · 最优化	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 · 过拟合、泛化与模型选择 A14 · 物理信息神经网络与残差训练 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	A01 · 经验风险、容量与一致收敛 · 共 5 处 A01 · 经验风险、容量与一致收敛 · 正文位置 1 A01 · 经验风险、容量与一致收敛 · 正文位置 2 A01 · 经验风险、容量与一致收敛 · 正文位置 3 A01 · 经验风险、容量与一致收敛 · 正文位置 4 A01 · 经验风险、容量与一致收敛 · 正文位置 5
$f$ `f`	《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	机器学习 · 最优化	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 A14 · 物理信息神经网络与残差训练 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	A01 · 过拟合、泛化与模型选择 · 共 2 处 A01 · 过拟合、泛化与模型选择 · 正文位置 1 A01 · 过拟合、泛化与模型选择 · 正文位置 2
$f$ `f`	《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	机器学习 · 最优化	不适用；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 A14 · 物理信息神经网络与残差训练 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 · 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	M11 · 约束优化、KKT 条件与对偶性 · 共 9 处 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 1 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 2 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 3 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 4 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 5 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 6 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 7 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 8 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 9
$f$ `f`	《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	机器学习 · 最优化	不适用；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 A14 · 物理信息神经网络与残差训练 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 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	M11 · 凸集、凸函数与次梯度 · 共 14 处 M11 · 凸集、凸函数与次梯度 · 正文位置 1 M11 · 凸集、凸函数与次梯度 · 正文位置 2 M11 · 凸集、凸函数与次梯度 · 正文位置 3 M11 · 凸集、凸函数与次梯度 · 正文位置 4 M11 · 凸集、凸函数与次梯度 · 正文位置 5 M11 · 凸集、凸函数与次梯度 · 正文位置 6 M11 · 凸集、凸函数与次梯度 · 正文位置 7 M11 · 凸集、凸函数与次梯度 · 正文位置 8 M11 · 凸集、凸函数与次梯度 · 正文位置 9 M11 · 凸集、凸函数与次梯度 · 正文位置 10 M11 · 凸集、凸函数与次梯度 · 正文位置 11 M11 · 凸集、凸函数与次梯度 · 正文位置 12 M11 · 凸集、凸函数与次梯度 · 正文位置 13 M11 · 凸集、凸函数与次梯度 · 正文位置 14
$F$ `F`	《指标与基线》“混淆矩阵固定一个操作阈值”中记作 F 的等号右侧的输入量或系数	机器学习 · 最优化	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 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 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	A00 · 分类、回归指标与基线 · 共 6 处 A00 · 分类、回归指标与基线 · 正文位置 1 A00 · 分类、回归指标与基线 · 正文位置 2 A00 · 分类、回归指标与基线 · 正文位置 3 A00 · 分类、回归指标与基线 · 正文位置 4 A00 · 分类、回归指标与基线 · 正文位置 5 A00 · 分类、回归指标与基线 · 正文位置 6
$F$ `F`	《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	机器学习 · 最优化	不适用；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 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 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	M11 · 优化模型、可行域与最优性 · 共 4 处 M11 · 优化模型、可行域与最优性 · 正文位置 1 M11 · 优化模型、可行域与最优性 · 正文位置 2 M11 · 优化模型、可行域与最优性 · 正文位置 3 M11 · 优化模型、可行域与最优性 · 正文位置 4
$F_{0}$ `F_0`	《AdaBoost 与梯度提升》“提升法逐步扩充一个加法模型”中 F 的下标 0 分量或状态量	机器学习 · 最优化	由上下文确定；下标 0 的取值范围以该公式邻近定义和求和范围为准。	—	A02 · AdaBoost、梯度提升与残差拟合 · 共 3 处 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 1 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 2 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 3
$f_{a}$ `f_a`	《精确概率推断》“推断查询先写成未归一权重”中 f 的下标 a 分量或状态量	机器学习 · 最优化	由上下文确定；下标 a 的取值范围以该公式邻近定义和求和范围为准。	—	A03 · 变量消元、消息传递与精确推断 · 共 2 处 A03 · 变量消元、消息传递与精确推断 · 正文位置 1 A03 · 变量消元、消息传递与精确推断 · 正文位置 2
$f_{k}$ `f_k`	《风险、容量与收敛》“结构风险最小化同时支付拟合与容量”中 f 的下标 k 分量或状态量	机器学习 · 最优化	由上下文确定；下标 k 的取值范围以该公式邻近定义和求和范围为准。	—	A01 · 经验风险、容量与一致收敛
$F_{M}$ `F_M`	《AdaBoost 与梯度提升》“提升法逐步扩充一个加法模型”中 F 的下标 M 分量或状态量	机器学习 · 最优化	由上下文确定；下标 M 的取值范围以该公式邻近定义和求和范围为准。	—	A02 · AdaBoost、梯度提升与残差拟合 · 共 2 处 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 1 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 2
$f_{\theta}$ `f_theta`	《损失函数》“经验风险”中 f 的下标 theta 分量或状态量	机器学习 · 最优化	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 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	A00 · 损失函数、风险与评估
$g$ `g`	《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	机器学习 · 最优化	不适用；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 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 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	M11 · 凸集、凸函数与次梯度 · 共 2 处 M11 · 凸集、凸函数与次梯度 · 正文位置 1 M11 · 凸集、凸函数与次梯度 · 正文位置 2
$g_{i}$ `g_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	机器学习 · 最优化	不适用；下标 i 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $g_{i}$ 1 章定义 M11 · 优化模型、可行域与最优性	M11 · 约束优化、KKT 条件与对偶性 · 共 9 处 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 1 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 2 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 3 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 4 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 5 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 6 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 7 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 8 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 9
$g_{i}$ `g_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	机器学习 · 最优化	不适用；下标 i 的取值范围以该公式邻近定义和求和范围为准。	同形异义： $g_{i}$ 1 章定义 M11 · 约束优化、KKT 条件与对偶性	M11 · 优化模型、可行域与最优性 · 共 2 处 M11 · 优化模型、可行域与最优性 · 正文位置 1 M11 · 优化模型、可行域与最优性 · 正文位置 2
$G_{t}$ `G_t`	《动态规划与时序差分》“Monte Carlo 用完整回报作目标”中 G 的下标 t 分量或状态量	机器学习 · 最优化	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。	同形异义： $G_{t}$ 2 章定义 A10 · Markov 决策过程与 Bellman 方程 A10 · 稳定性、评估与强化学习综合复习	A10 · 动态规划、Monte Carlo 与时序差分 · 共 3 处 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 1 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 2 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 3