← 返回卡片

原书出处

深度学习

09 第9章 卷积网络

核验版本的摘录快照 · 导入于 2026-11-19T07:27:03.631Z

部区域上的相同线性变换应用到整个输入上,卷积是描述这种变换的极其有效的方法。照片来源:Paula Goodfellow

对于卷积,参数共享的特殊形式使得神经网络层具有对平移等变 (equivariance)的性质。如果一个函数满足输入改变,输出也以同样的方式改变这一性质,我们就说它是等变(equivariant)的。

特别的是,如果函数f(x)与g(x)满足f(g(x))=g(f(x)),我们就说f(x)对于变换g具有等变性。对于卷积来

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习/_epub-src/text/part0003.html

EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639