The Geometry of Polynomial Group Convolutional Neural Networks
研究人员针对任意有限群 G,引入基于分级群代数的新数学框架以研究多项式群卷积神经网络(PGCNNs)。该框架通过哈达玛和克罗内克积提供了两种自然架构参数化,二者由线性映射关联。研究计算了相关神经流形的维度,验证其仅取决于层数和群的大小;并描述了克罗内克参数化的通用纤维(在正则群作用及缩放下),同时提出对哈达玛参数化的类似描述猜想,该猜想已得到小群和浅层网络的显式计算支持。