جدول پیوندها
چکیده و 1. مقدمه
-
مقدماتی
-
رویکرد پیشنهادی
3.1 علامت گذاری
3.2 شبکه های عددی در منیفولدهای SPD
3.3 MLR در فضاهای ساختاری
3.4 شبکه های عصبی در منیفولدهای گراسمن
-
آزمایشات
-
نتیجه گیری و مراجع
الف. نمادها
ب. MLR در فضاهای سازه
ج. فرمول بندی MLR از منظر فاصله تا هایپرپلن
د. شناخت عمل انسانی
E. طبقه بندی گره
F. محدودیت های کار ما
ز. برخی از تعاریف مرتبط
H. محاسبه نمایش متعارف
I. اثبات گزاره 3.2
ج. اثبات گزاره 3.4
K. اثبات گزاره 3.5
L. اثبات گزاره 3.6
م. اثبات گزاره 3.11
N. اثبات گزاره 3.12
F محدودیت های کار ما
شبکه SPD ما GyroSpd++ به معیارهای ریمانی مختلف در سراسر لایه ها متکی است، به عنوان مثال، لایه کانولوشن بر اساس معیارهای Affine-Invariant است در حالی که لایه MLR بر اساس معیارهای LogEuclidean است. اگرچه ما نتایج تجربی را ارائه کردهایم که نشان میدهد GyroSpd++ عملکرد خوبی را در تمام مجموعههای داده در مقایسه با روشهای پیشرفته به دست میآورد، مشخص نیست که آیا طراحی ما برای کار تشخیص عمل انسانی بهینه است یا خیر. وقتی صحبت از ساخت یک معماری عمیق SPD می شود، ارائه بینشی در مورد معیارهای ریمانی که باید برای هر بلوک شبکه استفاده شود مفید است.