1.几个问题1.1做了什么提出一种能保证全局旋转等变性的卷积神经网络。能对四个旋转方向提取特征。1.2效果略1.3局限性只能实现四个方向的旋转，因为矩阵是方形的，最多作用在p4群上。2.数学部分2.1旋转操作图像函数为f:Z2→Rf:{Z^2}\toRf:Z2...
GroupEquivariantConvolutionalNetworks1、四个问题要解决什么问题？对卷积神经网络进行扩展，并提出一个在特定的变换（旋转、平移等，也可表示为一个特殊的群）下具有等变性的网络。用了什么方法解决？提出了一种新的卷积神经网络结构——群...
根据我们在《【矩阵论】内积空间与等距变换（1）》中讨论过的有关内积、模长的定义：要证明一个向量是零向量→该向量的模长为零→该向量和自身的内积为零.因为η既在W空间中，又在W⊥空间中，根据正交补空间的定义，可以得到<η,η>=0，从而得证...
仿照了这个博主的方法，读每一篇文献的时候都要问自己它做了什么？用什么方法做的？效果如何？有什么缺点？这些几个问题，以加深自己的理解。1.几个问题做了什么提出了群等变卷积神经网络（GroupequivariantConvolutionalNeuralNetworks，G...
看一篇有关CNNonGraph的论文时遇到了两个看上去很像的名词——equivariant和invariant，对这二者有些不太明白，因此一番谷歌后总算弄清楚些。等变性equivariant通俗解释：对于一个函数，如果你对其输入施加的变换也会同样反应在输出上，那么...
淮北师范大学信息学院2011届学士毕业论文傅里叶变换分析及应用淮北师范大学信息学院235000摘要傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。.应用傅立叶变换可以看出信号的时域和频谱的关系...
论文提出了两种用于提高CNN应对几何变换的建模能力：.deformableconvolution；.deformableROIpooling；.第一次发现在深度网络总学习稠密的空间变化对复杂的任务有帮助。.两个方法都是基于用额外的偏置来增强空间采样位置的想法，其基本原理都是类似的，因此本文...
而基于傅里叶变换的卷积没有在CNN中广泛应用，有下面这些原因：.1.内存带宽需求增大：变换产生的复数、变换后变大的kernel都会增大内存带宽需求。.2.计算更复杂：如果没有专门的计算单元或者指令的话，一次复数乘法实际上需要四次实数乘加。.但是，更...
从傅里叶变换进阶到小波变换（一）.1335.生为无益之事.666人赞同了该文章.一、傅里叶变换（FT）.二、傅里叶变换（FT）的缺点与短时傅里叶变换（STFT）.三、短时傅里叶变换（STFT）的缺点与连续小波变换（CWT）.四、连续小波变换…
CNN和RNN混血儿：序列建模新架构TrellisNet.长期以来，序列建模一直是循环神经网络（RNN）的天下。.然而，近年来，卷积神经网络（CNN）开始入侵这一RNN的保留领地，在建模长距离上下文方面表现尤为出色。.这两年来，更出现了于RNN和CNN之外的完全基于自...