关键词geometrical transformations
搜索结果 - 2
- 连续域卷积神经网络中的仿射不变性
本研究探讨连续域卷积神经网络中的仿射不变性,并引入一种新准则评估仿射变换下两个输入信号的相似性。通过分析抬升信号的卷积并计算相应的广义线性群 $G_2$ 上的积分,与解决复杂优化问题的传统方法不同,本研究为实际深度学习流程处理几何变换的范围 - 等变神经网络的李群分解
使用李群和李代数的结构与几何学,提出了一个框架,用来在大多数情况下处理几何变换的不规则群,重点关注李群 GL+(n, R) 和 SL (n, R),以及它们作为仿射变换的表示。通过将 `较大的` 群分解为子群和子流形来实现不变积分和全局参数