数学误差符号和数学鲁棒符号巧妙记忆

最近用pytorch学习神经网络，肯定要涉及算法，算法里很很多数学符号，普通程序员肯定对数学和算法不太熟悉，今天看到数学误差符号和数学鲁棒符号，有一些巧妙的记忆方法，分享给大家。

首先是误差符号，误差英文叫delta，是两个值之间的差异，符号图如下：

最左边的就是误差符号，怎么记呢？可以想是类似两个圈，上面圈少了一部分，就是差了一部分，所以是误差符号。

下面是鲁棒符号，鲁棒是指可靠性，比如某个算法，遇到特别的数据照样能处理结果，就是高鲁棒，高可靠性好算法。符号图如下：

最左边的符号就是，大家可以用英文字母L来对比记忆，因为鲁棒，第一个字鲁，发音是L，用这个方法来引导记忆。

右边中间上面是递归符号，中间下面的中间是集合符号，递归好记，像包了个口子，集合不太好记，可以理解为串起来的梯子，有多个东西，多个就是集合。

第一个图片里有个像r的符号，是：

伽马Tips

在贝尔曼(Bellman)算法用到伽马符号的目的是：

通过优化这个超参数以获得最佳结果是非常重要的

成功值在0.9到0.99之间

一个较低的值鼓励它短期思考

一个更高的值着重长期的回报

 

说真的，是很难记，所以要写些文章来帮自己记忆，大家觉得好的话，可以收藏关注下。