BriefGPT - AI 论文速递
·
深度学习与数据分析中的部分等变性拓扑模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种拓扑模型来编码神经网络中的部分等变性，引入了P-GENEOs操作符，改变通过测量表达的数据，尊重变换集合的作用。研究了测量空间和P-GENEOs空间之间的连接，定义了伪度量，并展示了空间的逼近和凸性质。
🎯
关键要点
-
本文提出了一种拓扑模型来编码神经网络中的部分等变性。
-
引入了一类名为 P-GENEOs 的操作符，改变通过测量表达的数据。
-
P-GENEOs 操作符尊重某些变换集合的作用。
-
如果变换集合是一个群，则得到 GENEOs。
-
研究了测量空间及其自映射作用，以及 P-GENEOs 空间之间的连接。
-
定义了伪度量，并展示了空间的性质。
-
展示了这些空间具有便利的逼近和凸性质。
➡️
