one hot for chap 6 #19

Chapter6/deep_feedforward_networks.tex

@@ -625,7 +625,7 @@ \subsubsection{用于multinoulli输出分布的softmax单元}
 ``softmax''的名称可能会让人产生困惑。
 这个函数更接近于argmax函数而不是max函数。
 ``soft''这个术语来源于softmax函数是连续可微的。
-``argmax''函数的结果表示为一个独热向量（只有一个元素为1，其余元素都为0的向量），不是连续和可微的。
+``argmax''函数的结果表示为一个\gls{one_hot}向量（只有一个元素为1，其余元素都为0的向量），不是连续和可微的。
 softmax函数因此提供了argmax的``软化''版本。max函数相应的软化版本是$\text{softmax}(\bm{z})^\top \bm{z}$。
 可能最好是把softmax函数称为``softargmax''，但当前名称是一个根深蒂固的习惯了。
 
@@ -1754,7 +1754,7 @@ \subsection{高阶微分}
 如果$\bm{v}$本身是由计算图产生的一个向量，那么重要的是指定自动微分软件不要对产生$\bm{v}$的图进行微分。
 
 虽然计算Hessian通常是不可取的，但是可以使用Hessian向量积。
-可以对所有的$i=1,\ldots,n$简单地计算$\bm{He}^{(i)}$，其中$\bm{e}^{(i)}$是$e_i^{(i)}=1$并且其他元素都为0的独热（one-hot）向量。
+可以对所有的$i=1,\ldots,n$简单地计算$\bm{He}^{(i)}$，其中$\bm{e}^{(i)}$是$e_i^{(i)}=1$并且其他元素都为0的\gls{one_hot}向量。
 
 \section{历史小记}
 \label{sec:historical_notes}