原始视频： https ： //www.youtube.com/watch？v = rtGXv88UQ-c
欣顿最近的 胶囊神经网络 背后的动机 可以总结为欣顿在上面 23:11 的演讲的一行 ：“一种识别事物的有效方法是获得两个测量的多维结构，以做出在高维空间“同意”的预测”。
- YouTube音乐可让您创建自己的离线播放列表
- Sabrina Carpenter确实是下一位流行歌星。
- 艾琳·杰威尔（Eilen Jewell）的布鲁斯之旅圆满了
- 沟通经理可以从低音专家那里学到有关演讲撰写的知识
- 两部天线“月相” EP
另外，我一直在尝试发明一种叫做“超对称人工神经网络”的东西。 基于生物大脑中超对称性的证据， SU（M | N）特殊的几何unit单元族。
超对称自然可以产生超出单值或复值神经网络（也称为SO（n） -正交或U（n） -单值网络）的相位/幅度空间范围的“伙伴电位”信号。 （有关在人工神经网络历史中观察到的几何解决方案的清晰概述，请参见我的较早答案）
我想知道SU（M | N）基于特殊unit组的伙伴势能信号能否产生欣顿在视频23:11提及的“协议”场景吗？
▽
▽
▽
简单的超对称解释 ：https://www.youtube.com/watch?v=0CeLRrBAI60
因此， 超对称配置可以看作是复杂或复杂尺寸单位上的对称顺序。
欣顿在23:11所指的可能与涉及超对称的复杂区域上的某些“交换和维持有序条件”有关吗？
▽
▽
▽
可在此处获得带有数学符号的Quora版本。
▼
▼
作者：
我是一名休闲健美运动员和软件工程师。
