【牛津大学博士论文】学习神经网络中的不变表示，130页pdf

对称和不变性在机器学习任务中无处不在。虽然卷积神经网络以成功利用平移对称性而闻名，但其他对称性直到最近才经常被忽视。将对称性或不变性纳入神经网络体系结构可以避免昂贵的数据增强，并减轻对大型数据集的需求。提出的工作集中在不变和等变神经网络层，把对称性放在神经网络架构设计的中心。具体而言，本文涵盖了三种不同的不变性:排列不变性、旋转-平移不变性和标签不变性 。

• 对称和不变性在机器学习任务中无处不在。虽然卷积神经网络以成功利用平移对称性而闻名，但其他对称性直到最近才经常被忽视。
• 将对称性或不变性纳入神经网络体系结构可以避免昂贵的数据增强，并减轻对大型数据集的需求。
• 提出的工作集中在不变和等变神经网络层，把对称性放在神经网络架构设计的中心。具体而言，本文涵盖了三种不同的不变性:排列不变性、旋转-平移不变性和标签不变性

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“R130” 就可以获取《【牛津大学博士论文】学习神经网络中的不变表示，130页pdf》专知下载链接

                       

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取100000+AI主题知识资料