在数学、统计学以及深度学习等领域中,希腊字母被广泛用于表示各种参数与变量。为了便于记忆和使用,以下整理了常见的希腊字母及其典型含义,避免因长期不用而遗忘。
常用希腊字母及其意义如下表所示:
| 大写 | 小写 | 英文注音 | 中文注音 | 常用数学/深度学习含义 |
|---|---|---|---|---|
| A | α | Alpha | 阿尔法 | 学习率 (Learning Rate),动量系数,权重混合比例 |
| B | β | Beta | 贝塔 | 动量参数 (Momentum),Adam 优化器中的衰减率 |
| Γ | γ | Gamma | 伽马 | 强化学习折扣因子,Focal Loss 参数,BatchNorm 中的缩放参数 |
| Δ | δ | Delta | 德尔塔 | 变化量/梯度(如 δ error),Kronecker delta 函数 |
| E | ε | Epsilon | 艾普西隆 | 极小值(防止除零错误),误差项,探索率 (RL) |
| Z | ζ | Zeta | 泽塔 | 黎曼函数 (较少见),阻尼比 |
| H | η | Eta | 艾塔 | 学习率(常见替代 α),效率 |
| Θ | θ | Theta | 西塔 | 模型参数/权重 (Weights),角度,阈值 |
| I | ι | Iota | 约塔 | 极小量,迭代索引 (较少见) |
| K | κ | Kappa | 卡帕 | 核函数相关,条件数 |
| Λ | λ | Lambda | 兰姆达 | 正则化系数 (Regularization),特征值 (Eigenvalue) |
| M | μ | Mu | 缪 | 均值 (Mean),动量 |
| N | ν | Nu | 纽 | 自由度,泊松比 |
| Ξ | ξ | Xi | 克西 | 随机变量,特征向量分量 |
| Π | π | Pi | 派 | 圆周率,连乘 (Product),策略 (RL Policy) |
| P | ρ | Rho | 柔 | 相关系数,谱半径,密度 |
| Σ | σ | Sigma | 西格玛 | 求和 (Summation),Sigmoid 激活函数,标准差 (Standard Deviation) |
| T | τ | Tau | 陶 | 时间步,温度系数 (Temperature),目标网络更新率 |
| Υ | υ | Upsilon | 宇普西隆 | (较少见) |
| Φ | φ | Phi | 斐 | 特征映射/特征函数,空集,角度 |
| X | χ | Chi | 卡 | 卡方分布 (Chi-squared) |
| Ψ | ψ | Psi | 普西 | 波函数,某些特定的激活函数或映射 |
| Ω | ω | Omega | 欧米伽 | 权重(偶尔),角频率,样本空间 |
[此处为图片1]
需要注意的是,同一个希腊字母在不同学科或上下文中可能具有截然不同的含义。例如,σ 既可以代表标准差,也可指代 Sigmoid 激活函数;而 Σ 则常用于表示求和操作。因此,在阅读文献或推导公式时,必须结合具体语境进行理解。
此外,在手写过程中应特别注意一些易混淆的符号:
- ν(Nu)与英文小写字母 v 容易混淆;
- ρ(Rho)与英文小写字母 p 在书写不清时也难以区分;
- θ(Theta)与 w(weights)在表达模型参数时虽有不同习惯——统计学常用 θ,而计算机科学或工程领域更倾向使用 w 和 b(bias)——但它们本质上指的是同一类对象。
清晰规范的书写有助于减少误解和推导错误,尤其是在复杂公式的演算过程中。


雷达卡


京公网安备 11010802022788号







