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。发表于：。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。为此，我们引入了一类名为 P-GENEOs 的操作符，它以一种非扩展的方式改变通过测量表达的数据，尊重某些变换集合的作用。如果作用的变换集合是一个群，我们得到了所谓的 GENEOs。我们研究了测量空间，其定义域受到某些自映射的作用，以及连接这些空间之间的 P-GENEOs...
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。
