机器学习/深度学习论文中常出现的Permutation Invariant解释

最新推荐文章于 2022-05-12 14:45:03 发布

Nin7a

最新推荐文章于 2022-05-12 14:45:03 发布

阅读量1w

点赞数 18

分类专栏：论文阅读文章标签：机器学习深度学习

原文链接：https://stats.stackexchange.com/questions/120089/what-does-permutation-invariant-mean-in-the-context-of-neural-networks-doing-i

版权

论文阅读专栏收录该内容

7 篇文章 1 订阅

订阅专栏

Permutation Invariant指的是特征之间没有空间位置关系

例如多层感知机，改变像素的位置对最后的结果没有影响

$f ((x 1, x 2, x 3)) = f ((x 2, x 1, x 3)) = f ((x 3, x 2, x 1))$

但是对卷积网络而言情况就不同了，特征是有位置关系的。

参考链接：link

关注

18
点赞
踩
21

收藏

觉得还不错? 一键收藏
2
评论
机器学习/深度学习论文中常出现的Permutation Invariant解释

Permutation Invariant指的是特征之间没有空间位置关系，例如多层感知机，改变像素的位置对最后的结果没有影响f((x1,x2,x3))=f((x2,x1,x3))=f((x3,x2,x1))f((x1,x2,x3))=f((x2,x1,x3))=f((x3,x2,x1))f((x1,x2,x3))=f((x2,x1,x3))=f((x3,x2,x1))但是对卷积网络情况就不同了...
复制链接

扫一扫

专栏目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。