2024年8月2日 (五) 16:03的版本

分布外泛化那个章节记得加文献和引用。

NIS 概述

这部分也可以了，EI介绍比我预想的要详细，不过挺好的～到周末可以看看张老师意见。

这里图先换成我们综述里那张粉色的大图吧，因为NIS+还没正式发表，我担心这里用了新图会影响图片版权

问题的形式化表达就不写了吧，因为和NIS那个优化框架基本没有区别。目前你写这一部分属于宏观EI变分下界那一小节的。数学推导这里你就直接写变分下界这一节吧。会引用到NIS那里提到的优化框架，你可以看一下别的词条是怎么引用公式的。

PLL：OK

@@ 第4行： / 第4行： @@
 =NIS 概述=
-NIS要不要提一句dEI和dCE？
+这部分也可以了，EI介绍比我预想的要详细，不过挺好的～到周末可以看看张老师意见。
-YMZ：要提一下
-PLL：已加，这样可以不？
-YMZ：应该需要你把公式放在这里简单讲一下。要不你单独拿出来一个小节，叫做“神经网络上的EI计算”。我们会有一个专门的词条讲这个，你在这里就简单介绍一下那个公式，然后交叉引用即可。这个小节可以放在概述和缺陷之间。
-PLL：ok
-* 当输入数据的维度过大的时候，EI可能会发散。
-这一点已经包含在你下面说的第二点里了。它其实有一个考虑是去除超参数L的影响。你可以看一下dei和dce的公式。
-PLL：这里就是L的影响吧？输入数据的维度是和L相关的，X~[-L,L]
-YMZ：去除L的直接影响是最直接的原因。维度除了和L相关，还影响其他项。
-PLL:这里改了
 =NIS+ 概述=