注册
通用机器学习符号集

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。

数理基础
4 分享 2

可用Markdown格式