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。