卷積層的平移等方差使卷積神經網絡能夠很好地泛化圖像問題。 雖然平移等方差為圖像提供了強大的歸納偏置(inductive bias)，但我們通常還希望與其他變換（例如旋轉）等方差，尤其是對於非圖像數據。 我們提出了一種通用的方法來構造一個卷積層，該卷積層與帶有滿射的(surjective )指數映射(exponential map)的任何指定李群(Lie group)的變換等價。 將等方差合併到新組中僅需要實現組指數映射和對數映射即可實現快速原型製作。 為了展示我們方法的簡單性和通用性，我們將相同的模型體系結構應用於圖像，球棒分子數據和哈密頓動力學系統。 對於漢密爾頓系統，我們模型的等方差尤其具有影響力，從而可以精確地守恆線性和角動量。
https://arxiv.org/pdf/2002.12880.pdf
沒有留言:
張貼留言