数学符号，就是用一套符号来表示数学概念、数学关系。自15世纪以来，已形成包含200个符号的数学符号体系集，它们令数学作为科研通用语言，对包括计算机在内的现代科学蓬勃发展，起着举足轻重的作用。

但在人工智能、机器学习等新兴学科领域，方兴未艾的数学符号集尚存在符号不统一、容易混淆的问题，这在某种程度上阻挠了人工智能理论和技术交流的快速发展需要。为此，我们提出了机器学习领域的通用数学符号集。

第一版中，我们所选的主要是机器学习领域中常用、重要且对文章理解比较关键的一些符号。包括：数据集合（Dataset）、函数（Function）、损失函数（Loss function）、激活函数（Activation function）、双层神经网络（Two-layer neural network）、通用深度神经网络（General deep neural network）、复杂性（Complexity）、训练（Training）、傅里叶频率（Fourier Frequency）、卷积（Convolution）、符号表（Notation table）、L层神经网络（L-layer neural network）等类别。同时我们提供了这些符号的LaTeX代码，方便大家使用。

我们正在完善更多机器学习领域的符号定义，欢迎大家持续关注我们以后的定期版本更新。

内容中包含的图片若涉及版权问题，请及时与我们联系删除