数学符号3

20220730

矩阵求和符号放在最外面和分别乘到里面的每一项，都是一样的

20220602

下面的式子拆成上面两部分,就好理解了

maxD 部分 表示 左边的左项，生成器给定的情况下，判别器给出的值越大越好，越认为其为真实图像 1 越好。
z ~ pz(Z) 表示 z服从后面的分布
p是分布
现在不叫损失函数而是，目标函数
紫线右边,minD，给定生成器的情况下，找个一个判别器使右边最大化（分的越开越好）

紫线左边,minG，给定判别器的情况下，找个一个生成器使右边最小化（生成的图片分的越不开越好）

紫线左右是分顺序的，先右后左 两个过程,当D固定时，右边的第一项是常数

GAN：对抗生成网络

G(z,seta) z是数据，seta是参数

20211211

d阶差分序列

对4阶差分再做一阶差分运算

分号:分号左边为目标,右边为条件

头上有尖号要么是预测值，要么时候估计值

20211128

偏自相关 剔除竖线后面的因素

前面两个参数要满足竖线后面的约束条件

20210925

分号后面是参数 前面是实例的值

尖角 两个向量内积
右边展开表示对应相乘再相加

3 3.FM模型梯度下降
数学点积求和符号推导过程重点

20210708

https://zhidao.baidu.com/question/212136386.html
什么是二阶收敛和二次收敛

二阶收敛就是说某函数的二阶导数收敛 。
二次收敛性是若一算法对Q正定的二次目标函数（f(x)=0.5xQx+bx+c)能在有限步内找出极小点来。

20210803

矩阵求导

https://zhuanlan.zhihu.com/p/87582571

20210622

In this work, we denote the number of layers
(i.e., Transformer blocks) as L, the hidden size as
H, and the number of self-attention heads as A.3
We primarily report results on two model sizes:
BERTBASE (L=12, H=768, A=12, Total Parameters=
110M) and BERTLARGE (L=24, H=1024,
A=16, Total Parameters=340M).

i是序列中第i个字
l是编码器的第l层
din 输入维度
dout 输出维度

20210621

我们将关系预测作为一个多标签分类问题来处理。具体来说，对于每一个实体对（ei，ej），我们首先将实体表示与相对距离嵌入拼接起来，然后使用双线性函数计算每一种关系类型的概率:

中间的冒号表示拼接
其中[;]表示拼接，dij和dji为文档中两个实体首次提及的相对距离，E为嵌入矩阵，r为关系类型，Wr、br为关系类型依赖的可训练参数。

l代表层

20210614

求期望

x属于pdata 真实的数据

x是真实样本
D(x) 是判定为真实数据的概率
z是向量,G(z) 是生成器产生的假样本
D(G(z))：判别器D把生成器产生的假样本判定为真实数据的概率
生成器会使得D(G(z))尽可能的小,则1-D(G(z))会尽可能的接近与1,
则上式接近于0
前部分真实数据的期望值和后半部分是虚假样本的期望值
gan对抗生成网络

这里的X1是一个完整样本 而不仅仅是一个样本的一个分量
m个样本就是一个batch

I的变量是c 和 G(z,c)
G的结果和c 之间有个表达式进行表示

20210318

http://www.huaxiaozhuan.com/%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0/chapters/7_GBT.html
符号练习案列

d为分割点
v是信息增益
I 是信息熵
l是左节点
r是右结点
O是整个数据集
j是特征
g是梯度:g是主要的左边一堆都是对其的限制描述

20210114

把λ定义为 后面的式子

三角形 xi 排在 xj 前面

argmax是一种函数，是对函数求参数(集合)的函数。当我们有另一个函数y=f(x)时，若有结果x0= argmax(f(x))，则表示当函数f(x)取x=x0的时候，得到f(x)取值范围的最大值；若有多个点使得f(x)取得相同的最大值，那么argmax(f(x))的结果就是一个点集。换句话说，argmax(f(x))是使得 f(x)取得最大值所对应的变量点x(或x的集合)。arg即argument，此处意为“自变量”。

rel是第i个项目的收益度量值

x和θ x是作为输入变量

20210113

中间逗号 表示其实二者是独立的 一个是真实值 一个是预测值

20210111

logn的x次方?

20210103
两个星号
**0.25 0.25次幂 在数学符号中表示求幂
** 双星号 在print 代表字典映射
**kwargs 多个形式参数 a=12 ，b=34 等

20201216

双冒号bai（::）用法 （1）表示“域操作du符” 例：声明了一个类zhiA，类A里声明了一个成员dao函数void f()，但没有在类zhuan的声明里给出f的定义，那么在类外定义f时，就要写成void A::f()，表示这个f()函数是类A的成员函数。 （2）直接用在全局函数前，表示是全局函数 例：在VC里，你可以在调用API 函数里，在API函数名前加：： （3）表示引用成员函数及变量，作用域成员运算符 例：System::Math::Sqrt() 相当于System.Math.Sqrt()

两个冒号

20201213

正比例于

20201009

因果图

20200927

上下角标

20200904

logn

阶:可以理解为次数

20200903
模n 就是除以n的余数

矩阵一行一列相乘相加的意思
1.A[i,1] xB[1,j] 节点i 通过 节点1 与节点j 是否相通
i 取 1到n j 取1到n 的话 表示 任意两点之间通过节点n 是否相通

20200826

集合符号

运算符号

逻辑符号

20200814

向上取整, 运算称为 Ceiling，用数学符号 ⌈⌉ （上有起止，开口向下）表示,。

向下取整, 运算称为 Floor，用数学符号 ⌊⌋ （下有起止，开口向上）表示。

四舍五入：更接近自己的整数； 把小数点后面的数字四舍五入
即：如被舍去部分的头一位数字小于五，则舍去; 如大于等于五，则被保留部分的最后一位数字加1
向上取整：比自己大的最小整数；
向下取整：比自己小的最大整数；

分数取整

https://blog.csdn.net/dongfengkuayue/article/details/21286761
不管0.5的阈值

20200812

mod 整除

费马定理

若整数b除以非零整数a，商为bai整数，du且余数为零， 我们就说b能被a整除（或说a能整除b），b为被除数，zhia为除数，即a|b（“|”是整除符号），读作“a整除b”或“b能被a整除”。
整除

20200809

同时发生符号

20200719

集合的幂也是集合符号

https://zhidao.baidu.com/question/267849793787275205.html
三横
恒等或同余

a≡b(modn)是什么意思
“≡”是数论中表bai示同余的符号。即给定一个正整数n，如果两du个整zhi数a和b满足a-b能被n整除，即(a-b)modn=0，那么就称整数a与b对模n同余，记作a≡b(modn)，同时可成立amodn=b。

若整数b除以非零整数a，商为整数，且余数为零， 我们就说b能被a整除（或说a能整除b），b为被除数，a为除数，即a|b（“|”是整除符号）

20200718

除法的意义
及其作用

20200618

星号

20200613

20 为LS
1 为必然发生

证据E1和E2对H的可信度

中间也可以没有逗号

在X交D的前提下Y的可信度

这里X/A作为一个整体


CF0:初始可信度
可信度
逗号和竖线 均表示 条件

证据理论
正交

20200610

mgu 最一般合一置换符号

置换符号及其作用

20200609

合一置换 一个置换集合可以是谓词公式经过他作用后结果都相等



t 换x
t是项 项可以是常量,变量或者函数
20200605

Dn:n元 n个变量
f(hs1, hs2) = [hs1, hs2, hs1 hs2, |hs1 − hs2|], where  denotes elementwise multiplication

20200512

竖线后面是条件 相当于条件概率的情况
20200509

求和符号的幂运算

20200428

结论条件互换 条件概率公式展开

概率扩展

贝叶斯公式
B 在变,前提在变

条件概率性质

联合概率

组合条件概率

20200427

相乘的关系