群等变条件神经过程
机器学习
2021-02-18 v1 机器学习
摘要
我们提出群等变条件神经过程（EquivCNP），一种具有如常规条件神经过程（CNPs）般的数据集置换不变性，且同时在数据空间具有变换等变性的元学习方法。引入群等变性（如旋转与缩放等变性）为考虑真实世界数据的对称性提供了途径。我们给出置换不变且群等变映射的分解定理，由此引导我们构建具有无限维潜空间以处理群对称性的EquivCNP。本文中，我们使用李群卷积层构建架构以用于实际实现。我们展示了具有平移等变性的EquivCNP在一维回归任务中取得与常规CNP相当的性能。此外，我们证明通过选取适当的李群等变性，EquivCNP能够凭借选择合适的李群等变性对图像补全任务实现零样本泛化。
引用
@article{arxiv.2102.08759,
title = {Group Equivariant Conditional Neural Processes},
author = {Makoto Kawano and Wataru Kumagai and Akiyoshi Sannai and Yusuke Iwasawa and Yutaka Matsuo},
journal= {arXiv preprint arXiv:2102.08759},
year = {2021}
}