1、 符号解释
名称 | 符号 | Latex | 运算 | 应用 | 意义 |
---|---|---|---|---|---|
点乘/内积/数量积 | ⋅ ⋅ ⋅ 或 ∙ \bullet ∙ | \cdot或\bullet | a ⃗ ∙ b ⃗ = x 1 x 2 + y 1 y 2 \vec{a} \bullet \vec{b}=x_{1}x_{2}+y_{1}y_{2} a∙b=x1x2+y1y2 | 三角形余弦角度 | 一个向量与另一个向量方向上投影的长度 |
叉乘/向量积 | × \times × | \times | 向量方向是垂直于向量A,B组成的平面 | 叉乘结果是一个向量,向量模长是向量A,B组成平行四边形的面积; | |
矩阵乘法 | 方程组 | 各类需要求解方程组的问题 | |||
哈达马积(Hadamard product) | ∘ \circ ∘ 或 ⊙ \odot ⊙ | \circ 或 \odot | ( A ∘ B ) i j = ( A ⊙ B ) i j = ( A ) i j ( B ) i j (A\circ B)_{ij}=(A\odot B)_{ij}= (A)_{ij}(B)_{ij} (A∘B)ij=(A⊙B)ij=(A)ij(B)ij | 对应位置相乘 | Kronecker Product两矩阵维度相同时的简化形式 |
克罗内克积(Kronecker Product)(张量积的特殊形式) | ⊗ \otimes ⊗ | \otimes | 任意两个矩阵相乘 | 矩阵分块相乘 | |
卷积 | * | * | ( f ∗ g ) ( t ) = ∫ − ∞ ∞ f ( τ ) g ( t − τ ) d τ (f*g)(t)=\int\limits_{-\infty }^{\infty } f(\tau )g(t-\tau)d\tau (f∗g)(t)=−∞∫∞f(τ)g(t−τ)dτ | 深度学习中张量的卷积操作卷积核在特征层移动并对应位相乘 | 表征函数 f 与经过翻转和平移的 g 的乘积函数所围成的曲边梯形的面积 |
2、运算操作
2.1 叉乘 / 向量积
2.2 克罗内克积(Kronecker Product)(张量积的特殊形式)
克罗内克积是两个任意大小的矩阵间的运算。克罗内克积是张量积的特殊形式