【深度学习】关于Permutation Invariant的解释
Permutation Invariant指的是特征之间没有空间位置关系.
如多层感知机，改变像素的位置对最后的结果没有影响.
f ( ( x 1 , x 2 , x 3 ) ) = f ( ( x 2 , x 1 , x 3 ) ) = f ( ( x 3 , x 1 , x 2 ) ) f((x_1,x_2,x_3))=f((x_2,x_1,x_3))=f((x_3,x_1,x_2)) f((x1,x2,x3))=f((x2,x1,x3))=f((x3,x1,x2))
但对卷积网络而言，特征之间则有空间位置关系.
以上解释参考以下问题的回答.
What does “permutation invariant” mean in the context of neural networks doing image recognition?
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
3
0- 0
已为社区贡献1条内容
所有评论(0)