重新审视神经网络中旋转表示的连续性
最优化与控制
2020-06-15 v2 机器学习
摘要
在本文中，我们对先前关于神经网络中旋转表示的工作所遇到的欧拉角与单位四元数的某些病态行为提供了细致分析。特别地，我们证明对于某些问题，这两种表示对某些输入必将产生完全错误的结果，且该行为源于问题本身的拓扑性质，而非由不合适的网络架构或训练过程引起。我们进一步证明，先前提出的将嵌入更高维欧几里得空间以修复此行为的方案并非普遍有效，因为输入中可能的对称性会改变输入空间的拓扑。我们提出一种集成技巧作为替代方案。
引用
@article{arxiv.2006.06234,
title = {Revisiting the Continuity of Rotation Representations in Neural Networks},
author = {Sitao Xiang and Hao Li},
journal= {arXiv preprint arXiv:2006.06234},
year = {2020}
}