神经网络是一种函数近似方法，等变神经网络是学习对称性不变或等变函数的框架。研究者探索了分段线性表示论在等变神经网络中的作用，发现将网络层分解成简单表示仍然有好处。他们还证明了分段线性等变映射的存在受控于正规子群。研究结果表明，在等变神经网络中，信息从低频流向高频，这对网络的复杂性和学习低频函数有影响。该研究对理解和解读等变神经网络提供了有用的工具。