Permutation Invariance是排列不变性,是指函数的输出与输入元素的顺序无关。
举个例子,假设一个集合{1,2,3,4},{4,3,2,1}和{1,3,2,4}也是集合A的一种形式,满足Permutation Invariance的函数对这些顺序不同的输入应该保持相同的输出。
Permutation Equivariance是排列恒等性,是指映射函数不改变变换前后相应元素的对应关系。
函数的输出顺序与输入顺序保持一致,来源:https://zhuanlan.zhihu.com/p/368357090
DeepSets(https://proceedings.neurips.cc/paper/2017/file/f22e4747da1aa27e363d86d40ff442fe-Paper.pdf,古老的2017年论文)中讨论了机器学习中如何实现无序集合的排列不变性和等变性。
假设F(x)是定义在无序集合x上的映射函数,如果F可以拆解成
的形式,F就是满足排列不变的函数。
其中
和
是神经网络结构,每一个实体
都被转化成
,然后将这些表达累加起来,送到
网络,最后输出结果。
来源:https://www.cnblogs.com/wangchangshuo/p/13853491.html
DeepSets实现排列不变的关键是求和每个元素的表示然后应用到非线性变化
中。
具备排列恒等的充要条件是:all the offdiagonal elements of
are tied together and all the diagonal elements are equal as well。即:
其中,
,
,
是单位矩阵。
是Inputs Ix和Sum of Input Values的加权和。
来源:https://zhuanlan.zhihu.com/p/368357090
其它的变种:
1.https://www.cnblogs.com/wangchangshuo/p/13853491.html 2.https://zhuanlan.zhihu.com/p/368357090 3.https://blog.csdn.net/yuanmiyu6522/article/details/124723611