一种具有连续对称性的新型卷积神经网络架构
计算机视觉与模式识别
2024-05-21 v4 机器学习
神经与进化计算
摘要
本文受一类称为拟线性双曲组的偏微分方程（PDEs）启发，引入了一种新的卷积神经网络（ConvNet）架构。在图像分类任务上性能相当的情况下，它允许通过连续对称群修改权重。这与架构和权重基本固定的传统模型显著不同。我们希望将（内部）对称性推广为神经网络的一种新的理想性质，并引起更广泛的深度学习社区从 PDE 视角分析和解释 ConvNets 的关注。
引用
@article{arxiv.2308.01621,
title = {A Novel Convolutional Neural Network Architecture with a Continuous Symmetry},
author = {Yao Liu and Hang Shao and Bing Bai},
journal= {arXiv preprint arXiv:2308.01621},
year = {2024}
}
备注
Accepted by the 3rd CAAI International Conference on Artificial Intelligence (CICAI), 2023; with Addendum + minor edits