算法与深度学习·

深度学习数学符号

本书中使用的符号概述如下。 [x]i:向量x第i个元素 [X]ij:矩阵X第i行第j列的元素 包含a行和b列的实数矩阵集合 集合A和B的并集 f在a到b区间上关

首发于 博客园原文链接

本篇目录7 节

符号¶

本书中使用的符号概述如下。

数字¶#

  • x:标量
  • x:向量
  • X:矩阵
  • X:张量
  • I:单位矩阵
  • xi,
[x]i:向量x第i个元素
  • xij,
[X]ij:矩阵X第i行第j列的元素

集合论¶#

  • X: 集合
  • Z: 整数集合
  • R: 实数集合
  • Rn: n维实数向量集合
  • Ra×b:
包含a行和b列的实数矩阵集合
  • A∪B:
集合A和B的并集
  • A∩B:集合A和B的交集
  • A∖B:集合A与集合B相减,B关于A的相对补集

函数和运算符¶#

  • f(⋅):函数
  • log⁡(⋅):自然对数
  • exp⁡(⋅): 指数函数
  • 1X: 指示函数
  • (⋅)⊤: 向量或矩阵的转置
  • X−1: 矩阵的逆
  • ⊙: 按元素相乘
  • [⋅,⋅]:连结
  • |X|:集合的基数
  • ‖⋅‖p: :Lp 正则
  • ‖⋅‖: L2 正则
  • ⟨x,y⟩:向量x和y的点积
  • ∑: 连加
  • ∏: 连乘
  • =def:定义

微积分¶#

  • dydx:y关于x的导数
  • ∂y∂x:y关于x的偏导数
  • ∇xy:y关于x的梯度
  • ∫abf(x)dx:
f在a到b区间上关于x的定积分
  • ∫f(x)dx: f关于x的不定积分

概率与信息论¶#

  • P(⋅):概率分布
  • z∼P: 随机变量z具有概率分布P
  • P(X∣Y):X∣Y的条件概率
  • p(x): 概率密度函数
  • Ex[f(x)]: 函数f对x的数学期望
  • X⊥Y: 随机变量X和Y是独立的
  • X⊥Y∣Z:
随机变量X和Y在给定随机变量Z的条件下是独立的
  • Var(X): 随机变量X的方差
  • σX: 随机变量X的标准差
  • Cov(X,Y):
随机变量X和Y的协方差
  • ρ(X,Y): 随机变量X和Y的相关性
  • H(X): 随机变量X的熵
  • DKL(P‖Q): P和Q的KL-散度

复杂度¶#

  • O:大O标记

评论加载中…