关于等变 CNN 可导核的 2D 旋转到洛伦兹群的基

我们提出一种解决等变卷积神经网络中可导核约束的替代方法。我们发现不同对称群和任意张量类型的特征图，均可获得即用即用的显式实数和复数基。该方法的主要优势在于它无需数值或解析地计算克莱布斯-戈尔达系数，直接使用输入与输出特征图的表示。策略是找到一种在某点 $x_0$ 处满足更简单不变性条件的核基，然后\textbackslash textit{steer}它以定义的可导方程移动到任意点 $x=g\cdot x_0$。这一思想早已在文献中提及，但从未深入推进或具有广泛性。本文使用最少的技术工具，使其对通用受众保持可及性。