밑바닥부터 시작하는 딥러닝 5

328

밑바닥부터 시작하는 딥러닝 5

●

–

y

의

x

에 대한 편미분 (이 책에서는 단순히 ‘미분’으로 표기 )

●

–

L

의 에 대한 기울기(스칼라의 벡터에 대한 미분)

●

–

L

의 에 대한 기울기

●

x

<

– 벡터

x

의 전치

●

– 행렬 의 행렬식

●

– 행렬 의 역행렬

●

– 아다마르 곱, 벡터의 원소별 곱

●

– ‘따라서’를 뜻하는 기호

●

– 두 식이 동등함을 뜻하는 기호

●

– ‘왜냐하면’을 뜻하는 기호

●

– 비례

●

– 근삿값 (거의 같음 )

●

– ~에 따라, ~로부터 샘플링하는

●

x

+

p

(

x

)

–

x

는

p

(

x

)

를 따른다.

x

는

p

(

x

)

로부터 샘플링한다.

●

–

f

(

x

)

가 최대가 될 때의

x

●

–

f

(

x

)

가 최소가 될 때의

x

●

–

x

의

L1

노름 ( )

●

–

x

의

L2

노름 ( )

●

–

x

의

L2

노름 (이 책에서는 의 오른쪽 아래 첨자를 생략하면

L2

노름을 뜻함 )

D

.2

이 책에서 사용하는 수식

로그

329

부록

D

수식 기호 목록

확률의 주변화

(

y

가 연속 변수일 때)

(

y

가 이산 변수일 때)

확률의 곱셈 정리

베이즈 정리

기댓값의 선형성

KL

발산

(