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
$G_{t}$ `G_t`	《Markov 决策过程》“回报把未来奖励折算到当前”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 · 动态规划、Monte Carlo 与时序差分 A10 · 稳定性、评估与强化学习综合复习	A10 · Markov 决策过程与 Bellman 方程 · 共 4 处 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 1 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 2 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 3 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 4
$G_{t}$ `G_t`	《强化学习综合复习》“MDP 合同先固定时间与终止”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 · 动态规划、Monte Carlo 与时序差分 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 · 共 2 处 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 1 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 2
$\gamma$ `gamma`	《动态规划与时序差分》“Monte Carlo 用完整回报作目标”中记作 gamma 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 gamma 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： $\gamma$ 9 章定义 A04 · 感知机与多层感知器 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 M13 · Cauchy 定理与积分公式 M15 · Riemann 度量、测地线与曲率 P05 · 热力学第一定律与能量传递 P07 · 角动量、自旋与全同粒子 P08 · Lorentz 变换与时空间隔 P08 · 四矢量、相对论动力学与电磁场	A10 · 动态规划、Monte Carlo 与时序差分 · 共 12 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 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 4 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 5 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 6 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 7 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 8 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 9 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 10 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 11 A10 · 动态规划、Monte Carlo 与时序差分 · 正文位置 12
$\gamma$ `gamma`	《Markov 决策过程》“回报把未来奖励折算到当前”中记作 gamma 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 gamma 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： $\gamma$ 9 章定义 A04 · 感知机与多层感知器 A10 · 动态规划、Monte Carlo 与时序差分 A10 · 稳定性、评估与强化学习综合复习 M13 · Cauchy 定理与积分公式 M15 · Riemann 度量、测地线与曲率 P05 · 热力学第一定律与能量传递 P07 · 角动量、自旋与全同粒子 P08 · Lorentz 变换与时空间隔 P08 · 四矢量、相对论动力学与电磁场	A10 · Markov 决策过程与 Bellman 方程 · 共 9 处 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 1 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 2 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 3 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 4 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 5 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 6 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 7 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 8 A10 · Markov 决策过程与 Bellman 方程 · 正文位置 9
$\gamma$ `gamma`	《强化学习综合复习》“MDP 合同先固定时间与终止”中记作 gamma 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 gamma 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： $\gamma$ 9 章定义 A04 · 感知机与多层感知器 A10 · 动态规划、Monte Carlo 与时序差分 A10 · Markov 决策过程与 Bellman 方程 M13 · Cauchy 定理与积分公式 M15 · Riemann 度量、测地线与曲率 P05 · 热力学第一定律与能量传递 P07 · 角动量、自旋与全同粒子 P08 · Lorentz 变换与时空间隔 P08 · 四矢量、相对论动力学与电磁场	A10 · 稳定性、评估与强化学习综合复习 · 共 7 处 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 1 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 2 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 3 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 4 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 5 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 6 A10 · 稳定性、评估与强化学习综合复习 · 正文位置 7
$h$ `h`	《精确概率推断》“推断查询先写成未归一权重”中记作 h 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 h 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： $h$ 13 章定义 A06 · 目标检测与多尺度特征 A13 · 表示探测与机制可解释性 C00 · 编程与科学计算综合项目 C00 · 数据可视化与计算实验 M02 · 导数与微分 M01 · 代数、函数与解析几何综合复习 M01 · 函数、变换与图像 M03 · 多变量微积分与向量分析综合复习 M08 · 可分离、线性与恰当方程 M10 · 常微分与偏微分方程数值方法 M13 · 复微分、Cauchy–Riemann 方程与全纯函数 P06 · 相变、序参量与临界现象 P11 · Monte Carlo、重要性采样与误差估计	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
$h_{2}$ `h_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	机器学习 · 最优化	不适用；下标 2 的取值范围以该公式邻近定义和求和范围为准。	—	M11 · 最优化与信息论综合复习
$h_{j}$ `h_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	机器学习 · 最优化	不适用；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： $h_{j}$ 4 章定义 A08 · 跨模态对齐与预训练迁移 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 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 6 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
$h_{j}$ `h_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	机器学习 · 最优化	不适用；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： $h_{j}$ 4 章定义 A08 · 跨模态对齐与预训练迁移 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 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
$H_{k}$ `H_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 H 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
$h_{m}$ `h_m`	《AdaBoost 与梯度提升》“提升法逐步扩充一个加法模型”中 h 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 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
$h_{wb}$ `h_wb`	《线性回归》“从连续预测开始”中 h 的下标 wb 分量或状态量	机器学习 · 最优化	由上下文确定；下标 wb 的取值范围以该公式邻近定义和求和范围为准。	—	A01 · 线性回归、最小二乘与正规方程 · 共 2 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
$i$ `i`	《损失函数》“经验风险”中记作 i 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 i 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： $i$ 30 章定义 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 A03 · 无监督学习与概率图模型综合复习 A04 · 参数初始化与梯度传播 A05 · 归一化方法与尺度控制 A06 · 语义分割、实例分割与密集预测 A08 · 掩码预测与上下文建模 A08 · 跨模态对齐与预训练迁移 A08 · 表示质量、坍塌与自监督学习综合复习 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 A13 · 特征归因、显著性与反事实 C01 · 动态规划与图算法 M01 · 代数、函数与解析几何综合复习 M02 · 定积分与累积 M03 · 二重积分、三重积分与变量替换 M04 · 行列式与体积缩放 M04 · 矩阵及其运算 M07 · 计数原理、容斥与鸽巢原理 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 插值、多项式逼近与样条 M11 · 约束优化、KKT 条件与对偶性 P03 · 干涉、衍射与傅里叶光学 P06 · Bose–Einstein 与 Fermi–Dirac 统计 P06 · 正则系综、配分函数与涨落 P08 · Einstein 场方程与典型解 P11 · 分子动力学与统计量计算 P12 · Klein–Gordon 场与 Dirac 场	A00 · 损失函数、风险与评估 · 共 5 处 A00 · 损失函数、风险与评估 · 正文位置 1 A00 · 损失函数、风险与评估 · 正文位置 2 A00 · 损失函数、风险与评估 · 正文位置 3 A00 · 损失函数、风险与评估 · 正文位置 4 A00 · 损失函数、风险与评估 · 正文位置 5
$i$ `i`	《线性学习综合复习》“Logistic 回归学习条件概率”中记作 i 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 i 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： $i$ 30 章定义 A00 · 损失函数、风险与评估 A01 · 正则化、偏差与方差 A03 · 聚类目标、K 均值与密度方法 A03 · 无监督学习与概率图模型综合复习 A04 · 参数初始化与梯度传播 A05 · 归一化方法与尺度控制 A06 · 语义分割、实例分割与密集预测 A08 · 掩码预测与上下文建模 A08 · 跨模态对齐与预训练迁移 A08 · 表示质量、坍塌与自监督学习综合复习 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 A13 · 特征归因、显著性与反事实 C01 · 动态规划与图算法 M01 · 代数、函数与解析几何综合复习 M02 · 定积分与累积 M03 · 二重积分、三重积分与变量替换 M04 · 行列式与体积缩放 M04 · 矩阵及其运算 M07 · 计数原理、容斥与鸽巢原理 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 插值、多项式逼近与样条 M11 · 约束优化、KKT 条件与对偶性 P03 · 干涉、衍射与傅里叶光学 P06 · Bose–Einstein 与 Fermi–Dirac 统计 P06 · 正则系综、配分函数与涨落 P08 · Einstein 场方程与典型解 P11 · 分子动力学与统计量计算 P12 · Klein–Gordon 场与 Dirac 场	A01 · 线性模型与统计学习综合复习 · 共 2 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
$i$ `i`	《正则化》“有效正则化强度”中记作 i 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 i 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： $i$ 30 章定义 A00 · 损失函数、风险与评估 A01 · 线性模型与统计学习综合复习 A03 · 聚类目标、K 均值与密度方法 A03 · 无监督学习与概率图模型综合复习 A04 · 参数初始化与梯度传播 A05 · 归一化方法与尺度控制 A06 · 语义分割、实例分割与密集预测 A08 · 掩码预测与上下文建模 A08 · 跨模态对齐与预训练迁移 A08 · 表示质量、坍塌与自监督学习综合复习 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 A13 · 特征归因、显著性与反事实 C01 · 动态规划与图算法 M01 · 代数、函数与解析几何综合复习 M02 · 定积分与累积 M03 · 二重积分、三重积分与变量替换 M04 · 行列式与体积缩放 M04 · 矩阵及其运算 M07 · 计数原理、容斥与鸽巢原理 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 插值、多项式逼近与样条 M11 · 约束优化、KKT 条件与对偶性 P03 · 干涉、衍射与傅里叶光学 P06 · Bose–Einstein 与 Fermi–Dirac 统计 P06 · 正则系综、配分函数与涨落 P08 · Einstein 场方程与典型解 P11 · 分子动力学与统计量计算 P12 · Klein–Gordon 场与 Dirac 场	A01 · 正则化、偏差与方差
$i$ `i`	《聚类方法》“K 均值的目标与 Lloyd 交替优化”中记作 i 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 i 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： $i$ 30 章定义 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 · 无监督学习与概率图模型综合复习 A04 · 参数初始化与梯度传播 A05 · 归一化方法与尺度控制 A06 · 语义分割、实例分割与密集预测 A08 · 掩码预测与上下文建模 A08 · 跨模态对齐与预训练迁移 A08 · 表示质量、坍塌与自监督学习综合复习 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 A13 · 特征归因、显著性与反事实 C01 · 动态规划与图算法 M01 · 代数、函数与解析几何综合复习 M02 · 定积分与累积 M03 · 二重积分、三重积分与变量替换 M04 · 行列式与体积缩放 M04 · 矩阵及其运算 M07 · 计数原理、容斥与鸽巢原理 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 插值、多项式逼近与样条 M11 · 约束优化、KKT 条件与对偶性 P03 · 干涉、衍射与傅里叶光学 P06 · Bose–Einstein 与 Fermi–Dirac 统计 P06 · 正则系综、配分函数与涨落 P08 · Einstein 场方程与典型解 P11 · 分子动力学与统计量计算 P12 · Klein–Gordon 场与 Dirac 场	A03 · 聚类目标、K 均值与密度方法
$i$ `i`	《无监督与图模型综合》“图结构回答条件独立与概率查询”中记作 i 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 i 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： $i$ 30 章定义 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 · 参数初始化与梯度传播 A05 · 归一化方法与尺度控制 A06 · 语义分割、实例分割与密集预测 A08 · 掩码预测与上下文建模 A08 · 跨模态对齐与预训练迁移 A08 · 表示质量、坍塌与自监督学习综合复习 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 A13 · 特征归因、显著性与反事实 C01 · 动态规划与图算法 M01 · 代数、函数与解析几何综合复习 M02 · 定积分与累积 M03 · 二重积分、三重积分与变量替换 M04 · 行列式与体积缩放 M04 · 矩阵及其运算 M07 · 计数原理、容斥与鸽巢原理 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 插值、多项式逼近与样条 M11 · 约束优化、KKT 条件与对偶性 P03 · 干涉、衍射与傅里叶光学 P06 · Bose–Einstein 与 Fermi–Dirac 统计 P06 · 正则系综、配分函数与涨落 P08 · Einstein 场方程与典型解 P11 · 分子动力学与统计量计算 P12 · Klein–Gordon 场与 Dirac 场	A03 · 无监督学习与概率图模型综合复习
$i$ `i`	《约束优化与对偶》“拉格朗日函数与对偶函数”中记作 i 的等号右侧的输入量或系数	机器学习 · 最优化	不适用；符号 i 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： $i$ 30 章定义 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 A03 · 无监督学习与概率图模型综合复习 A04 · 参数初始化与梯度传播 A05 · 归一化方法与尺度控制 A06 · 语义分割、实例分割与密集预测 A08 · 掩码预测与上下文建模 A08 · 跨模态对齐与预训练迁移 A08 · 表示质量、坍塌与自监督学习综合复习 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 A13 · 特征归因、显著性与反事实 C01 · 动态规划与图算法 M01 · 代数、函数与解析几何综合复习 M02 · 定积分与累积 M03 · 二重积分、三重积分与变量替换 M04 · 行列式与体积缩放 M04 · 矩阵及其运算 M07 · 计数原理、容斥与鸽巢原理 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 插值、多项式逼近与样条 P03 · 干涉、衍射与傅里叶光学 P06 · Bose–Einstein 与 Fermi–Dirac 统计 P06 · 正则系综、配分函数与涨落 P08 · Einstein 场方程与典型解 P11 · 分子动力学与统计量计算 P12 · Klein–Gordon 场与 Dirac 场	M11 · 约束优化、KKT 条件与对偶性 · 共 4 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
$I$ `I_`	《决策树与剪枝》“分类不纯度衡量标签混合”中记作 I_ 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 I_ 仅按该公式锚点给出的对象类型、取值域与维度解释。	—	A02 · 决策树、划分准则与剪枝
$j$ `j`	《约束优化与对偶》“拉格朗日函数与对偶函数”中记作 j 的等号右侧的输入量或系数	机器学习 · 最优化	不适用；符号 j 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： $j$ 10 章定义 A08 · 度量学习、孪生网络与三元组损失 A08 · 跨模态对齐与预训练迁移 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 M01 · 代数、函数与解析几何综合复习 M04 · 行列式与体积缩放 M04 · 矩阵及其运算 P03 · 干涉、衍射与傅里叶光学 P10 · 能带理论、半导体与费米面 P12 · Klein–Gordon 场与 Dirac 场	M11 · 约束优化、KKT 条件与对偶性 · 共 3 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
$J$ `J`	《聚类方法》“K 均值的目标与 Lloyd 交替优化”中记作 J 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 J 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： $J$ 2 章定义 A09 · 正规化流与可逆变换 P12 · 规范对称性与标准模型结构	A03 · 聚类目标、K 均值与密度方法 · 共 2 处 A03 · 聚类目标、K 均值与密度方法 · 正文位置 1 A03 · 聚类目标、K 均值与密度方法 · 正文位置 2
$k$ `k`	优化算法的迭代编号	机器学习 · 最优化	由上下文确定；该含义限定于《风险、容量与收敛》“结构风险最小化同时支付拟合与容量”及其相邻推导。	同形异义： $k$ 17 章定义 A02 · 决策树、划分准则与剪枝 A02 · 特征映射、正定核与再生核空间 A05 · 正则化、数据增强与早停 A10 · 动态规划、Monte Carlo 与时序差分 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 A11 · 谱图方法与流形学习 A12 · 检索增强、引用与事实落地 C01 · 序列、栈、队列、树与堆 M01 · 函数、变换与图像 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M11 · 一阶优化与梯度下降 M12 · Lebesgue 积分与收敛定理 P03 · 简谐振子、阻尼与受迫振动 P03 · 行波、相位、叠加与色散 P10 · 能带理论、半导体与费米面	A01 · 经验风险、容量与一致收敛
$k$ `k`	优化算法的迭代编号	机器学习 · 最优化	由上下文确定；该含义限定于《决策树与剪枝》“分类不纯度衡量标签混合”及其相邻推导。	同形异义： $k$ 17 章定义 A01 · 经验风险、容量与一致收敛 A02 · 特征映射、正定核与再生核空间 A05 · 正则化、数据增强与早停 A10 · 动态规划、Monte Carlo 与时序差分 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 A11 · 谱图方法与流形学习 A12 · 检索增强、引用与事实落地 C01 · 序列、栈、队列、树与堆 M01 · 函数、变换与图像 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M11 · 一阶优化与梯度下降 M12 · Lebesgue 积分与收敛定理 P03 · 简谐振子、阻尼与受迫振动 P03 · 行波、相位、叠加与色散 P10 · 能带理论、半导体与费米面	A02 · 决策树、划分准则与剪枝
$k$ `k`	优化算法的迭代编号	机器学习 · 最优化	由上下文确定；该含义限定于《特征映射与核》“Gram 矩阵与正半定条件”及其相邻推导。	同形异义： $k$ 17 章定义 A01 · 经验风险、容量与一致收敛 A02 · 决策树、划分准则与剪枝 A05 · 正则化、数据增强与早停 A10 · 动态规划、Monte Carlo 与时序差分 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 A11 · 谱图方法与流形学习 A12 · 检索增强、引用与事实落地 C01 · 序列、栈、队列、树与堆 M01 · 函数、变换与图像 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M11 · 一阶优化与梯度下降 M12 · Lebesgue 积分与收敛定理 P03 · 简谐振子、阻尼与受迫振动 P03 · 行波、相位、叠加与色散 P10 · 能带理论、半导体与费米面	A02 · 特征映射、正定核与再生核空间 · 共 8 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 A02 · 特征映射、正定核与再生核空间 · 正文位置 3 A02 · 特征映射、正定核与再生核空间 · 正文位置 4 A02 · 特征映射、正定核与再生核空间 · 正文位置 5 A02 · 特征映射、正定核与再生核空间 · 正文位置 6 A02 · 特征映射、正定核与再生核空间 · 正文位置 7 A02 · 特征映射、正定核与再生核空间 · 正文位置 8
$k$ `k`	优化算法的迭代编号	机器学习 · 最优化	由上下文确定；该含义限定于《动态规划与时序差分》“Monte Carlo 用完整回报作目标”及其相邻推导。	同形异义： $k$ 17 章定义 A01 · 经验风险、容量与一致收敛 A02 · 决策树、划分准则与剪枝 A02 · 特征映射、正定核与再生核空间 A05 · 正则化、数据增强与早停 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 A11 · 谱图方法与流形学习 A12 · 检索增强、引用与事实落地 C01 · 序列、栈、队列、树与堆 M01 · 函数、变换与图像 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M11 · 一阶优化与梯度下降 M12 · Lebesgue 积分与收敛定理 P03 · 简谐振子、阻尼与受迫振动 P03 · 行波、相位、叠加与色散 P10 · 能带理论、半导体与费米面	A10 · 动态规划、Monte Carlo 与时序差分 · 共 2 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
$k$ `k`	优化算法的迭代编号	机器学习 · 最优化	由上下文确定；该含义限定于《Markov 决策过程》“回报把未来奖励折算到当前”及其相邻推导。	同形异义： $k$ 17 章定义 A01 · 经验风险、容量与一致收敛 A02 · 决策树、划分准则与剪枝 A02 · 特征映射、正定核与再生核空间 A05 · 正则化、数据增强与早停 A10 · 动态规划、Monte Carlo 与时序差分 A10 · 稳定性、评估与强化学习综合复习 A11 · 谱图方法与流形学习 A12 · 检索增强、引用与事实落地 C01 · 序列、栈、队列、树与堆 M01 · 函数、变换与图像 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M11 · 一阶优化与梯度下降 M12 · Lebesgue 积分与收敛定理 P03 · 简谐振子、阻尼与受迫振动 P03 · 行波、相位、叠加与色散 P10 · 能带理论、半导体与费米面	A10 · Markov 决策过程与 Bellman 方程
$k$ `k`	优化算法的迭代编号	机器学习 · 最优化	由上下文确定；该含义限定于《强化学习综合复习》“MDP 合同先固定时间与终止”及其相邻推导。	同形异义： $k$ 17 章定义 A01 · 经验风险、容量与一致收敛 A02 · 决策树、划分准则与剪枝 A02 · 特征映射、正定核与再生核空间 A05 · 正则化、数据增强与早停 A10 · 动态规划、Monte Carlo 与时序差分 A10 · Markov 决策过程与 Bellman 方程 A11 · 谱图方法与流形学习 A12 · 检索增强、引用与事实落地 C01 · 序列、栈、队列、树与堆 M01 · 函数、变换与图像 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M11 · 一阶优化与梯度下降 M12 · Lebesgue 积分与收敛定理 P03 · 简谐振子、阻尼与受迫振动 P03 · 行波、相位、叠加与色散 P10 · 能带理论、半导体与费米面	A10 · 稳定性、评估与强化学习综合复习
$k$ `k`	优化算法的迭代编号	机器学习 · 最优化	不适用；该含义限定于《梯度下降》“梯度下降更新”及其相邻推导。	同形异义： $k$ 17 章定义 A01 · 经验风险、容量与一致收敛 A02 · 决策树、划分准则与剪枝 A02 · 特征映射、正定核与再生核空间 A05 · 正则化、数据增强与早停 A10 · 动态规划、Monte Carlo 与时序差分 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 A11 · 谱图方法与流形学习 A12 · 检索增强、引用与事实落地 C01 · 序列、栈、队列、树与堆 M01 · 函数、变换与图像 M04 · 矩阵及其运算 M07 · 递推关系与生成函数 M12 · Lebesgue 积分与收敛定理 P03 · 简谐振子、阻尼与受迫振动 P03 · 行波、相位、叠加与色散 P10 · 能带理论、半导体与费米面	M11 · 一阶优化与梯度下降 · 共 4 处 M11 · 一阶优化与梯度下降 · 正文位置 1 M11 · 一阶优化与梯度下降 · 正文位置 2 M11 · 一阶优化与梯度下降 · 正文位置 3 M11 · 一阶优化与梯度下降 · 正文位置 4
$k_{1}$ `k_1`	《特征映射与核》“Gram 矩阵与正半定条件”中 k 的下标 1 分量或状态量	机器学习 · 最优化	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。	—	A02 · 特征映射、正定核与再生核空间
$k_{2}$ `k_2`	《特征映射与核》“Gram 矩阵与正半定条件”中 k 的下标 2 分量或状态量	机器学习 · 最优化	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。	—	A02 · 特征映射、正定核与再生核空间
$kalpha_{k}$ `kalpha_k`	《Q-learning》“表格收敛结论附带一组条件”中 kalpha 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。	—	A10 · Q-learning、探索与函数逼近
$kR_{t+k+1}$ `kR_t+k+1`	《动态规划与时序差分》“Monte Carlo 用完整回报作目标”中 kR 的下标 t+k+1 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+k+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： $kR_{t+k+1}$ 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 2 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
$kR_{t+k+1}$ `kR_t+k+1`	《Markov 决策过程》“回报把未来奖励折算到当前”中 kR 的下标 t+k+1 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+k+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： $kR_{t+k+1}$ 2 章定义 A10 · 动态规划、Monte Carlo 与时序差分 A10 · 稳定性、评估与强化学习综合复习	A10 · Markov 决策过程与 Bellman 方程
$kR_{t+k+1}$ `kR_t+k+1`	《强化学习综合复习》“MDP 合同先固定时间与终止”中 kR 的下标 t+k+1 分量或状态量	机器学习 · 最优化	由上下文确定；下标 t+k+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： $kR_{t+k+1}$ 2 章定义 A10 · 动态规划、Monte Carlo 与时序差分 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
$L$ `L`	训练或优化目标的损失函数	机器学习 · 最优化	由上下文确定；该含义限定于《线性学习综合复习》“Logistic 回归学习条件概率”及其相邻推导。	同形异义： $L$ 23 章定义 A04 · 反向传播与反向模式自动微分 A05 · 学习率调度与二阶近似 A08 · 表示学习目标、相似度与不变性 A11 · 图、图信号与节点表示 A11 · 谱图方法与流形学习 M11 · 一阶优化与梯度下降 M02 · 数列极限与收敛判据 M03 · 曲线积分与曲面积分 M06 · 置信区间与枢轴量 M06 · 点估计、充分性与信息量 M06 · 估计、检验与统计决策综合复习 M08 · 初值问题、存在唯一性与方向场 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 稳定性、收敛性与科学计算综合复习 M11 · 约束优化、KKT 条件与对偶性 M13 · Cauchy 定理与积分公式 M14 · 群、环、域与 Galois 思想综合复习 P02 · 分析力学与非线性动力学综合复习 P02 · Legendre 变换与 Hamilton 方程 P04 · 电磁感应、位移电流与电路响应 P09 · Navier–Stokes 方程与黏性流 P12 · 经典场、作用量与 Noether 流 P12 · 相互作用、散射与 Feynman 图	A01 · 线性模型与统计学习综合复习 · 共 3 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
$L$ `L`	待最小化的损失函数	机器学习 · 最优化	由上下文确定	同形异义： $L$ 23 章定义 A01 · 线性模型与统计学习综合复习 A04 · 反向传播与反向模式自动微分 A05 · 学习率调度与二阶近似 A08 · 表示学习目标、相似度与不变性 A11 · 图、图信号与节点表示 A11 · 谱图方法与流形学习 M02 · 数列极限与收敛判据 M03 · 曲线积分与曲面积分 M06 · 置信区间与枢轴量 M06 · 点估计、充分性与信息量 M06 · 估计、检验与统计决策综合复习 M08 · 初值问题、存在唯一性与方向场 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 稳定性、收敛性与科学计算综合复习 M11 · 约束优化、KKT 条件与对偶性 M13 · Cauchy 定理与积分公式 M14 · 群、环、域与 Galois 思想综合复习 P02 · 分析力学与非线性动力学综合复习 P02 · Legendre 变换与 Hamilton 方程 P04 · 电磁感应、位移电流与电路响应 P09 · Navier–Stokes 方程与黏性流 P12 · 经典场、作用量与 Noether 流 P12 · 相互作用、散射与 Feynman 图	M11 · 一阶优化与梯度下降 · 共 39 处 M11 · 一阶优化与梯度下降 · 正文位置 1 A02 · 决策树、划分准则与剪枝 · 正文位置 2 A02 · 决策树、划分准则与剪枝 · 正文位置 3 A03 · EM 算法与变分推断 · 正文位置 4 A03 · EM 算法与变分推断 · 正文位置 5 A03 · EM 算法与变分推断 · 正文位置 6 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 7 A02 · AdaBoost、梯度提升与残差拟合 · 正文位置 8 A01 · 线性模型与统计学习综合复习 · 正文位置 9 A01 · 线性模型与统计学习综合复习 · 正文位置 10 A01 · 线性模型与统计学习综合复习 · 正文位置 11 A01 · 线性回归、最小二乘与正规方程 · 正文位置 12 A01 · 线性回归、最小二乘与正规方程 · 正文位置 13 A01 · Logistic 回归与概率分类 · 正文位置 14 A00 · 损失函数、风险与评估 · 正文位置 15 A10 · Q-learning、探索与函数逼近 · 正文位置 16 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 17 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 18 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 19 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 20 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 21 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 22 M11 · 约束优化、KKT 条件与对偶性 · 正文位置 23 M11 · 一阶优化与梯度下降 · 正文位置 24 M11 · 一阶优化与梯度下降 · 正文位置 25 M11 · 一阶优化与梯度下降 · 正文位置 26 M11 · 一阶优化与梯度下降 · 正文位置 27 M11 · 一阶优化与梯度下降 · 正文位置 28 M11 · 一阶优化与梯度下降 · 正文位置 29 M11 · 一阶优化与梯度下降 · 正文位置 30 M11 · 一阶优化与梯度下降 · 正文位置 31 M11 · 一阶优化与梯度下降 · 正文位置 32 M11 · 一阶优化与梯度下降 · 正文位置 33 M11 · 一阶优化与梯度下降 · 正文位置 34 M11 · 一阶优化与梯度下降 · 正文位置 35 M11 · 最优化与信息论综合复习 · 正文位置 36 M11 · 最优化与信息论综合复习 · 正文位置 37 M11 · 最优化与信息论综合复习 · 正文位置 38 M11 · 最优化与信息论综合复习 · 正文位置 39
$L$ `L`	训练或优化目标的损失函数	机器学习 · 最优化	不适用；该含义限定于《约束优化与对偶》“拉格朗日函数与对偶函数”及其相邻推导。	同形异义： $L$ 23 章定义 A01 · 线性模型与统计学习综合复习 A04 · 反向传播与反向模式自动微分 A05 · 学习率调度与二阶近似 A08 · 表示学习目标、相似度与不变性 A11 · 图、图信号与节点表示 A11 · 谱图方法与流形学习 M11 · 一阶优化与梯度下降 M02 · 数列极限与收敛判据 M03 · 曲线积分与曲面积分 M06 · 置信区间与枢轴量 M06 · 点估计、充分性与信息量 M06 · 估计、检验与统计决策综合复习 M08 · 初值问题、存在唯一性与方向场 M09 · 傅里叶方法与偏微分方程综合复习 M10 · 稳定性、收敛性与科学计算综合复习 M13 · Cauchy 定理与积分公式 M14 · 群、环、域与 Galois 思想综合复习 P02 · 分析力学与非线性动力学综合复习 P02 · Legendre 变换与 Hamilton 方程 P04 · 电磁感应、位移电流与电路响应 P09 · Navier–Stokes 方程与黏性流 P12 · 经典场、作用量与 Noether 流 P12 · 相互作用、散射与 Feynman 图	M11 · 约束优化、KKT 条件与对偶性 · 共 7 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
$\lambda$ `lambda`	《约束优化与对偶》“拉格朗日函数与对偶函数”中记作 lambda 的等号左侧的目标量	机器学习 · 最优化	不适用；符号 lambda 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： $\lambda$ 3 章定义 M04 · 特征值、特征向量、对角化与综合复习 M10 · 线性方程组的直接与迭代解法 M16 · 谱、预解式与谱定理	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
$m$ `m`	《AdaBoost 与梯度提升》“提升法逐步扩充一个加法模型”中记作 m 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 m 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： $m$ 13 章定义 A04 · 计算图、链式法则与局部导数 M01 · 多项式、因式分解与有理式 M07 · 计数原理、容斥与鸽巢原理 M12 · 实分析与测度论综合复习 M14 · 模、线性表示与结构定理 P01 · 引力、轨道与经典力学综合复习 P01 · 动量、冲量与碰撞 P03 · 简谐振子、阻尼与受迫振动 P04 · 稳恒电流、磁场与矢势 P06 · 相变、序参量与临界现象 P07 · 一维势阱、隧穿与散射 P07 · Schrödinger 方程与时间演化 P10 · 磁性、超导与序参量	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
$M$ `M`	《AdaBoost 与梯度提升》“提升法逐步扩充一个加法模型”中记作 M 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 M 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： $M$ 6 章定义 M14 · 模、线性表示与结构定理 M15 · 微分形式、外微分与 Stokes 定理 P01 · 引力、轨道与经典力学综合复习 P03 · 耦合振子与简正模 P03 · 几何光学、偏振与波动综合复习 P04 · 介质、能流与电磁学综合复习	A02 · AdaBoost、梯度提升与残差拟合
$mlambda_{i}$ `mlambda_i`	《约束优化与对偶》“拉格朗日函数与对偶函数”中 mlambda 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。	—	M11 · 约束优化、KKT 条件与对偶性
$\mu$ `mu`	《聚类方法》“K 均值的目标与 Lloyd 交替优化”中记作 mu 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；符号 mu 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： $\mu$ 11 章定义 M12 · Lebesgue 积分与收敛定理 M12 · Lp 空间、乘积测度与 Fubini 定理 M12 · 测度、可测集与可测函数 P01 · 引力、轨道与经典力学综合复习 P06 · 巨正则系综与化学势 P07 · 角动量、自旋与全同粒子 P08 · 四矢量、相对论动力学与电磁场 P08 · 张量、联络与曲率 P09 · Navier–Stokes 方程与黏性流 P11 · Monte Carlo、重要性采样与误差估计 P12 · 经典场、作用量与 Noether 流	A03 · 聚类目标、K 均值与密度方法
$\mu_{z}$ `mu_z_i`	《聚类方法》“K 均值的目标与 Lloyd 交替优化”中 mu 的下标 z 分量或状态量	机器学习 · 最优化	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。	—	A03 · 聚类目标、K 均值与密度方法
$n$ `n`	《损失函数》“经验风险”中记作 n 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 n 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： $n$ 24 章定义 A01 · 经验风险、容量与一致收敛 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 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 P12 · 规范对称性与标准模型结构	A00 · 损失函数、风险与评估 · 共 4 处 A00 · 损失函数、风险与评估 · 正文位置 1 A00 · 损失函数、风险与评估 · 正文位置 2 A00 · 损失函数、风险与评估 · 正文位置 3 A00 · 损失函数、风险与评估 · 正文位置 4
$n$ `n`	《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 n 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 n 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： $n$ 24 章定义 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 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 P12 · 规范对称性与标准模型结构	A01 · 经验风险、容量与一致收敛 · 共 6 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 A01 · 经验风险、容量与一致收敛 · 正文位置 6
$n$ `n`	《线性学习综合复习》“Logistic 回归学习条件概率”中记作 n 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 n 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： $n$ 24 章定义 A00 · 损失函数、风险与评估 A01 · 经验风险、容量与一致收敛 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 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 P12 · 规范对称性与标准模型结构	A01 · 线性模型与统计学习综合复习 · 共 3 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
$n$ `n`	《正则化》“有效正则化强度”中记作 n 的等号左侧的目标量	机器学习 · 最优化	由上下文确定；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。	同形异义： $n$ 24 章定义 A00 · 损失函数、风险与评估 A01 · 经验风险、容量与一致收敛 A01 · 线性模型与统计学习综合复习 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 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 P12 · 规范对称性与标准模型结构	A01 · 正则化、偏差与方差 · 共 4 处 A01 · 正则化、偏差与方差 · 正文位置 1 A01 · 正则化、偏差与方差 · 正文位置 2 A01 · 正则化、偏差与方差 · 正文位置 3 A01 · 正则化、偏差与方差 · 正文位置 4
$n$ `n`	《聚类方法》“K 均值的目标与 Lloyd 交替优化”中记作 n 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 n 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： $n$ 24 章定义 A00 · 损失函数、风险与评估 A01 · 经验风险、容量与一致收敛 A01 · 线性模型与统计学习综合复习 A01 · 正则化、偏差与方差 A04 · 计算图、链式法则与局部导数 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 P12 · 规范对称性与标准模型结构	A03 · 聚类目标、K 均值与密度方法 · 共 2 处 A03 · 聚类目标、K 均值与密度方法 · 正文位置 1 A03 · 聚类目标、K 均值与密度方法 · 正文位置 2
$N$ `N`	《指标与基线》“混淆矩阵固定一个操作阈值”中记作 N 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 N 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： $N$ 13 章定义 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 A12 · 系统评估、故障模式与智能体综合复习 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	A00 · 分类、回归指标与基线 · 共 4 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
$\nu$ `nu`	《约束优化与对偶》“拉格朗日函数与对偶函数”中记作 nu 的等号左侧的目标量	机器学习 · 最优化	不适用；符号 nu 仅按该公式锚点给出的对象类型、取值域与维度解释。	—	M11 · 约束优化、KKT 条件与对偶性 · 共 8 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