التكافؤ هو عقد بشأن التحويلات

Codex (AI)

الملخص

يُضمّن التعلم المتكافئ قواعد التحويل في النموذج بدلًا من التعويل على أن يعلّمها تعزيز البيانات. تتخذ هذه المراجعة الالتفافات المتكافئة مع الزمر، وأنواع السمات القابلة للتوجيه، وشبكات الرسوم البيانية المتكافئة مع E(n) مرتكزات أساسية، ثم تطور أمثلة خطية منتهية تكشف العقد الكامن وراء هذا البناء. ويُتحقق من أن المتوسط على زمرة يتبادل مع دورانات ربع دورة؛ ويقيس هدف متباين الخواص عمدًا كلفة فرض تناظر غير صحيح؛ ويميز مثال للحجم الموقّع بين الثبات تحت الدوران والثبات تحت الانعكاس. يفصل التحليل بين التكافؤ والثبات والمتانة التجريبية وقوانين الانحفاظ، ويوضح كيف يمكن للمعالجة المسبقة للإحداثيات وأنواع السمات أن تُبطل طبقات صحيحة فيما عدا ذلك. جميع الأمثلة العددية إنشاءات جبرية صغيرة، وليست إعادة إنتاج لاختبارات معيارية لشبكات عصبية. ويتمثل متطلب التصميم المحوري في تحديد قانون تحويل للمهمة نفسها قبل اختيار التناظرات التي ينبغي للنموذج فرضها.

1. ابدأ بتحويل الإجابة

ليس من الضروري أن يترك دوران المدخل إجابته دون تغيير. فقد تكون الطاقة المسندة إلى تكوين فيزيائي كمية قياسية ثابتة تحت التحويل، بينما ينبغي للإزاحة المتنبأ بها أن تدور مع الإحداثيات. أما الدالة التي تربط صورة بوسم اتجاه فلها تحويل مختلف للمخرجات. إن وصف هذه المتطلبات جميعًا بأنها متانة تجاه الدوران يحجب اختلافاتها الرياضية.

يحدد التكافؤ علاقة بين فعل على المدخلات وفعل على المخرجات. والثبات هو الحالة الخاصة التي يكون فيها فعل المخرجات تافهًا. قبل اختيار معمارية متكافئة، يجب على مصمم المهمة أن يقرر الفعل المناسب، وما إذا كانت عملية جمع البيانات تراعيه. فليس تدوير جسم مع تثبيت الإضاءة مكافئًا دائمًا لتدوير الإطار الإحداثي. وينبغي للادعاء ذي المعنى الفيزيائي أن يميز بين هذه التدخلات. ويتناول ما تبقى من هذا المقال التناظر بوصفه عقدًا قابلًا للاختبار بشأن خط المعالجة بأكمله، لا وسمًا تجميليًا يُلصق بطبقة واحدة.

2. توفر التفافات الزمر مسارًا بنيويًا

يقدم Cohen وWelling شبكات التفاف متكافئة مع الزمر توسع مشاركة الأوزان الالتفافية لتشمل تحويلات محددة. ويعرض مصدرهما معماريات لزمر متقطعة تتضمن الإزاحات والدورانات والانعكاسات، ويقيّمها على اختبارات معيارية بصرية.

المساهمة الأساسية المستخدمة هنا بنيوية: يمكن تضمين اتساق التحويل في العمليات المسموح بها. ولا يستلزم المصدر أن كل مهمة ممكنة ينبغي أن تعامل المدخلات المدورة أو المنعكسة على أنها متطابقة، ولا أن تبقى العلاقات الجبرية الدقيقة صحيحة بعد معالجة مسبقة اعتباطية. وبناء المتوسط على دورانات ربع دورة أدناه هو مثال تحقق خاص بهذا المقال. فهو يوضح قيد التبادل دون إعادة تنفيذ شبكة التفاف منشورة أو إعادة إنتاج نتائج كفاءة العينات المقاسة في المصدر. ويحافظ هذا الفصل على دقة الادعاء الرياضي وصدق نطاق الأدلة التجريبية. [1]

3. للسمات أنواع تحويل

يتعامل إطار الشبكات العصبية الالتفافية القابلة للتوجيه لدى Cohen وWelling مع السمات بوصفها كائنات ذات سلوك تحويل محدد، ويفرض قيودًا على الدوال بين أنواع السمات تلك. ويوضح منظوره النظري لماذا يتجاوز البناء المتكافئ مجرد تكرار مرشح عادي في اتجاهات متعددة.

في هذه المراجعة، تتمثل الدلالة العملية في الانضباط بالأنواع. فالكمية القياسية والمتجه المستوي ومصفوفة السمات المفهرسة بحسب الاتجاه لا تتحول بالطريقة نفسها. ويجب أن تراعي العمليات التي تمزجها القوانين الخاصة بكل منها. يقدم المصدر الأولي منظور أنواع السمات؛ أما اختبارات المتجه البسيط والحجم الموقّع أدناه فهي أمثلة محلولة بصورة مستقلة. وتميز قائمة المراجع بين المسودة الأولية التي جرى الاطلاع عليها، والتي ما زالت تحمل ترويسة تفيد بأنها قيد المراجعة، وبين مؤتمر ICLR الذي تحدده بياناتها الوصفية الأولية. [2]

4. الإحداثيات والرسائل الثابتة تحت التحويل

يقدم Satorras وHoogeboom وWelling شبكات EGNN ذات تكافؤ مع التحويلات الإقليدية والتبديلات. وتستخدم المعمارية كميات ثابتة تحت التحويل، مثل مربعات المسافات، في بناء الرسائل، وتحدّث الإحداثيات بواسطة متجهات نسبية موزونة بدوال قياسية.

التمييز بين الكميات القياسية والمتجهات جوهري: فمربعات المسافات تبقى ثابتة تحت التحويلات المتعامدة، بينما تتحول المتجهات النسبية معها. ويتيح ذلك حجة جبرية للتكافؤ عندما تعتمد الدوال القياسية على مدخلات مناسبة ثابتة تحت التحويل فقط. ولا يستلزم ذلك إمكان تمثيل الأهداف الحساسة للانعكاس بمخرج قراءة قياسي ثابت تحت الانعكاس. كما أن التكافؤ وحده لا يثبت انحفاظ الطاقة، أو الاستقرار العددي لمسار محاكاة، أو دقة التنبؤ. فهذه خصائص منفصلة تتطلب افتراضات وأدلة منفصلة؛ ولا تدعيها أمثلة هذا المقال. [3]

5. متوسط على زمرة منتهية يمكن التحقق منه بدقة

لتكن R دورانًا مستويًا بزاوية تسعين درجة، ولتكن W دالة خطية اعتباطية ممثلة بمصفوفة ذات صفين وعمودين. خذ متوسط المرافقات الأربع الناتجة عن التدوير إلى كل إطار من أطر الزمرة، ثم تطبيق W، ثم التدوير عكسيًا. تتبادل المصفوفة الناتجة مع كل عنصر من زمرة دورانات ربع دورة. ويثبت تغيير فهرس الجمع هذا الادعاء، لأن الضرب بعنصر من الزمرة لا يفعل سوى تبديل الحدود الأربعة.

بالنسبة إلى المصفوفة متباينة الخواص ذات العنصرين القطريين اثنين وواحد، يكون المتوسط مرة ونصف مصفوفة الوحدة. ويزيل حساب المتوسط الاتجاه الأفقي المفضل. ويفحص المرافق القابل للتنفيذ هوية التبادل لكل عنصر من عناصر الزمرة ولعدة مصفوفات حتمية. هذه تأكيدات منتهية بشأن زمرة متقطعة، وليست اختبارات للتكافؤ مع الدوران المستمر لشبكة صور اعتباطية. وفي بعدين، تتبادل بعض الدوال الخطية التي تتبادل مع دورانات ربع دورة مع جميع الدورانات أيضًا؛ ولا ينبغي تعميم هذه الحقيقة الخاصة على تمثيلات اعتباطية أو عمليات صور مأخوذة بالعينات.

6. مقياس بصري لخرق العقد

تقيس اللوحة 1 معيار فروبينيوس لمبدّل الدالة القطرية متباينة الخواص ودوران مستوٍ. يساوي المعيار الجذر التربيعي لاثنين مضروبًا في القيمة المطلقة لجيب الزاوية. وينعدم عند الصفر ومئة وثمانين درجة، لكنه يبلغ أكبر قيمة عند تسعين درجة. أما المضاعف القياسي متساوي الخواص لمصفوفة الوحدة فمبدّله صفري عند كل زاوية.

يوضح المثال لماذا قد يكون اختبار مجموعة جزئية ملائمة فقط من التحويلات مضللًا. فقد تجتاز دالة اختبار نصف دورة مع مخالفتها عقد ربع دورة. وبالعكس، قد يحتوي تنفيذ عددي على أخطاء استيفاء ضئيلة حتى عندما يكون المؤثر المستمر متكافئًا. لذلك ينبغي للاختبار أن يحدد عناصر الزمرة بدقة، وتنفيذها المتقطع، والمعيار، والتسامح العددي. ويُعد منحنى عبر الزوايا أداة تشخيص مفيدة، لكنه ليس برهانًا لجميع المدخلات الممكنة. ويجعل التعبير التحليلي وفحوصه العددية المنتهية هذا التمييز صريحًا هنا.

7. يفرض التناظر الخاطئ انحيازًا لا مفر منه

لنفترض أن الهدف المطلوب ذا القيم المتجهية هو فعلًا الدالة متباينة الخواص ذات معاملي تكبير اثنين وواحد على محورين عالميين ثابتين. امزجه باتجاه الإسقاط الزمري متساوي الخواص باستخدام معامل مزج lambda. بالنسبة إلى مدخلات موزعة بانتظام على دائرة الوحدة، يصبح متوسط مربع خطأ الهدف ربع مربع lambda. وفي الوقت نفسه، يصبح متوسط مربع خلل التكافؤ مع ربع دورة مربع الفرق بين واحد وlambda.

ترسم اللوحة 2 هاتين الكميتين الموسومتين صراحة. عند التناظر الكامل، يكون خلل التكافؤ صفرًا، لكن خطأ الهدف يساوي ربعًا. وعند عدم حساب المتوسط، يطابق النموذج الهدف بدقة ويكون الخلل واحدًا. هذا عدم تطابق متعمد مع المهمة، وليس نقدًا للتكافؤ المحدد تحديدًا صحيحًا. وهو يثبت أن استيفاء قيد تحويل غير كافٍ إذا كانت الإجابة المطلوبة لا تلتزم بهذا القيد. يجب أن يسبق التحقق من المهمة فرض القيد معماريًا؛ وإلا فقد يفرض تنفيذ دقيق افتراضًا علميًا خاطئًا.

8. قد يمحو الثبات تحت الانعكاس الكيرالية

خذ ثلاثة متجهات إزاحة من أصل مشترك، وكوّن حجم متوازي السطوح الموجّه الذي تحدده باستخدام محدد. تحافظ الدورانات الحافظة للتوجيه على إشارته، بينما يعكسها الانعكاس. وتبقى المسافات الزوجية بين النقاط الأربع متطابقة بعد الانعكاس. لذلك لا يستطيع تمثيل يقتصر على تلك المسافات التمييز بين التكوينين المختلفين في الكيرالية لهدف معرّف بهذا الجداء الثلاثي الموقّع.

يعكس المثال القابل للتنفيذ تكوينًا رباعي السطوح محددًا، ويتحقق من تطابق المسافات، ويفحص تعاكس المحددين. إنه بيان رياضي بشأن إحداثيات موسومة وهدف شبه قياسي مختار. ولا يدعي أن كل تنبؤ جزيئي يحتاج إلى الكيرالية، أو أن تطبيقًا معينًا لشبكات EGNN يفشل. بل يحدد السؤال الذي يجب أن يجيب عنه التطبيق: هل الهدف ثابت تحت جميع التحويلات المتعامدة، أم تحت الدورانات الحافظة للتوجيه فقط، أم تحت شيء آخر؟ عندما يتحول الهدف بتغير إشارته تحت الانعكاس، يجب تمثيل نوع المخرجات هذا صراحة. ولا يمكن لمزيد من بيانات التدريب استعادة معلومات جعلها التمثيل الثابت تحت التحويل غير قابلة للتمييز عمدًا.

9. يجب أن تراعي العمليات غير الخطية نوع السمة

بالنسبة إلى متجه يدور باستمرار، فإن تطبيق دالة غير خطية اعتباطية على كل إحداثي يغير اتجاهه عمومًا بطريقة تعتمد على الإطار. فمثلًا، يمنح قصّ الإحداثيات السالبة المحاورَ وضعًا مميزًا. ويمكن لدالة غير خطية تقوم على معيار المتجه الثابت تحت التحويل مضروبًا في المتجه أن تراعي سلوك الدوران، مع تعريفات مناسبة عند الصفر. وتنفذ هذه الخيارات عقودًا رياضية مختلفة.

ينطبق التدقيق نفسه على التطبيع والتجميع ووصل السمات. فجمع الكميات القياسية مباشر؛ أما تجميع المتجهات في كمية قياسية باستخدام معيارها فيتخلى عن المعلومات الاتجاهية. ولا يكون وصل السمات صالحًا إلا إذا عُرّف فعل المخرجات الناتج لكل مكوّن. قد تحتوي شبكة على عمليات مألوفة كلٌّ على حدة، لكنها تفشل على المستوى الكلي لأن إحدى العمليات تفترض نوعًا خاطئًا للسمة. وينبغي لحزمة التحقق أن تختبر الطبقات الوسيطة إلى جانب التنبؤ النهائي حتى يمكن تحديد موضع الخلل. فقد يخفي اجتياز اختبار قياسي نهائي وحده إلغاءً متبادلًا أو فقدانًا للمعلومات في تمثيل وسيط.

10. الحدود والمعالجة المسبقة جزء من النموذج

قد يصبح التناظر الدقيق لمؤثر مستمر تقريبيًا بعد التحويل إلى شبكة بكسلات، أو الحشو، أو الاقتطاع، أو اختيار الجيران، أو تطبيع الإحداثيات. ويتطلب تدوير صورة على شبكة مربعة منتهية استيفاءً عمومًا، باستثناء زوايا خاصة. وقد يتغير اختيار عدد ثابت من أقرب الجيران بصورة غير مستمرة عند تعادل المسافات، ويمكن لقاعدة حتمية لفض التعادل أن تُدخل اصطلاحًا للترتيب.

لا تجعل هذه التفاصيل التصميم المتكافئ عديم الفائدة. بل تحدد المستوى الذي يصح عنده الادعاء ومصادر الخطأ التي ينبغي الإبلاغ عنها. وينبغي للتقييم العملي أن يختبر المدخلات الخام المحوّلة عبر خط المعالجة المسبقة بأكمله، لا أن يقتصر على تدوير موترات داخلية أُعدت مسبقًا. كما ينبغي أن يميز بين أخطاء حساب الفاصلة العائمة والتقطيع، وبين الأخطاء الناتجة عن قاعدة تحويل غير صالحة. وإذا كان التطبيق يقبل عقدًا تقريبيًا، فينبغي ربط تسامحه بجودة القرار أو بالوحدات الفيزيائية، بدلًا من اختياره لأنه يجعل الاختبار ينجح.

11. لا يستلزم التكافؤ صحة الديناميكيات

يمكن لتحديث إحداثيات قائم على متجهات نسبية موزونة بكميات قياسية أن يتحول بصورة صحيحة تحت الدورانات والإزاحات، مع إنتاج تسارعات غير دقيقة أو مسار عددي غير مستقر. فاتساق الإزاحة والدوران قيدان على الشكل؛ أما الانحفاظ والاستقرار فيفرضان علاقات إضافية بين الإحداثيات والقوى والخطوات الزمنية والمعلمات المتعلَّمة.

لذلك ينبغي لتقييم ديناميكيات مقترح أن يفصل بين خطأ التكافؤ اللحظي، وخطأ التنبؤ لخطوة واحدة، وبواقي الانحفاظ حيثما كان ذلك مناسبًا، والسلوك بعيد المدى تحت طريقة تكامل معلنة. ولا يغني أي مقياس عن غيره. وفي مهمة تعرف ساكنة، يكون الفصل المناظر بين التكافؤ والمعايرة ومخاطر التصنيف. ولا تتحقق الشيفرة المصاحبة إلا من هويات زمر منتهية، وانعكاس يحفظ المسافات، وحساب الانحياز المعلن. وهي لا تشغّل محاكيًا فيزيائيًا ولا تدرّب شبكة EGNN. ويمنع الفصل الصريح بين مستويات الأدلة هذه تحويل برهان تناظر صحيح إلى ادعاء أوسع بكثير بشأن النظام المتعلَّم.

12. عقد تحويل قابل للنقل

ينبغي لوصف نموذج قابل لإعادة الاستخدام أن يحدد فعل الزمرة على المدخلات، وتمثيل المخرجات، وتحويل السمات المساعدة، واصطلاحات المعالجة المسبقة. وينبغي أن يتضمن أمثلة يجب أن تظل متكافئة وأمثلة مضادة يجب أن تظل قابلة للتمييز. وتجعل هذه التصريحات التناظر مفيدًا للباحثين الذين يدمجون النموذج في نظام أكبر.

توضح الأمثلة المنتهية سبب أهمية الجزأين كليهما. يمكن للمتوسط على زمرة أن يفرض علاقة دقيقة؛ وقد يكون فرض هذه العلاقة ضارًا لهدف متباين الخواص؛ وقد يعامل الثبات تحت الانعكاس تكويناتٍ على أنها متطابقة بينما يميز بينها هدف حساس للكيرالية. لا يختار التطبيق الصارم بين النظرية والتجربة. بل يستخدم الجبر لتحديد ما هو مضمون، والفحوص المنتهية لكشف أخطاء التنفيذ، وتقييمات المهمة على بيانات محجوزة لتقدير الفائدة. والادعاء الناتج أضيق من المتانة الشاملة، لكنه أقوى بدرجة كبيرة: في ظل تحويل واصطلاح عددي معلنين، يحافظ النموذج على السلوك الذي تتطلبه المهمة فعلًا.

نُفذ محليًا · نطاق محدود

إسقاط زمرة C4، وعدم تطابق التناظر، وهدف حساس للانعكاس

هويات زمر منتهية، ودوال مستوية تحليلية، ورباعي سطوح موسوم؛ دون إثبات صلاحية لتحويلات الصور المستمرة أو لشبكات EGNN المدرَّبة.

اجتاز 398 تأكيدًا. تتحقق هذه الفحوص من المثال المرفق، لا من الأنظمة المستشهد بها.

افحص الشاهد المسجل

{
  "group_projected_matrix": [
    [
      1.5,
      0.0
    ],
    [
      0.0,
      1.5
    ]
  ],
  "lambda_half_target_error": 0.0625,
  "lambda_half_equivariance_error": 0.25,
  "oriented_triple_product": 1,
  "reflected_triple_product": -1
}

مشغّل الأمثلة · محمّل النماذج · نماذج التدريب · نماذج التمثيل · نماذج التوليد · نماذج الموثوقية اقرأ نتائج الفحوص كاملة

نموذج تحليلي معلن

أربع معادلات وافتراضات صريحة

f(\rho_{\rm in}(g)x)=\rho_{\rm out}(g)f(x),\qquad g\in G

(1) يتطلب التكافؤ أفعال زمر محددة على المدخلات والمخرجات كليهما؛ وتستخدم المخرجات الثابتة تحت التحويل الفعل التافه.

\overline W=\frac1{|G|}\sum_{g\in G}\rho(g)^{-1}W\rho(g),\qquad \overline W\rho(h)=\rho(h)\overline W

(2) إسقاط على زمرة منتهية لمؤثر خطي ذاتي باستخدام التمثيل نفسه على المدخلات والمخرجات.

x_i^{\rm new}=x_i+\sum_{j\ne i}(x_i-x_j)\,\phi\!\left(\|x_i-x_j\|^2,h_i,h_j\right)

(3) تحديث إحداثيات متكافئ توضيحي عندما تكون قيم h كميات قياسية ثابتة تحت التحويل وتنتج phi كمية قياسية ثابتة تحت التحويل؛ ويمكن استيعاب الثوابت في phi.

V(a,b,c)=\det[a\ b\ c],\qquad V(Qa,Qb,Qc)=\det(Q)V(a,b,c)

(4) V هو حجم متوازي السطوح الموجّه (الجداء الثلاثي الموقّع)، وليس حجم رباعي السطوح. يحفظ Q المتعامد مربعات المسافات؛ وتتغير إشارة V عندما det(Q)=-1.

أمثلة منشأة · بيانات قابلة لإعادة الإنتاج

افحص الحجة الكمية

تُحسب هذه المنحنيات من النماذج المعلنة. وهي ليست مشاهدات من الدراسات المستشهد بها. ويتضمن كل شكل بياناته العددية ونسخته المتجهية.

**الشكل 1. دالة متباينة الخواص تخرق التكافؤ مع الدوران.** مثال خطي دقيق ثنائي الأبعاد. معيار W R(theta)-R(theta) W يساوي sqrt(2)|sin(theta)| عندما W=diag(2,1)؛ وللإسقاط الزمري متساوي الخواص خلل صفري.

**الشكل 2. يأتي فرض تناظر خاطئ على حساب ملاءمة الهدف.** الهدف المعلن W=diag(2,1)، ومدخلات دائرة الوحدة، وW_lambda=(1-lambda)W+lambda(1.5I). متوسط مربع خطأ الهدف هو lambda^2/4؛ وخطأ التكافؤ مع ربع دورة هو (1-lambda)^2. هذا عدم تطابق متعمد بين الهدف والتناظر.

أي الأدلة يجيب عن أي سؤال؟

الخاصية	العقد	ادعاء إضافي لا يستلزمه العقد
الثبات تحت التحويل	تبقى المخرجات دون تغيير تحت فعل محدد	الحفاظ على الاتجاه أو الكيرالية
التكافؤ	تتبع المخرجات تحويلها المحدد	دقة المهمة أو مقاومة التشويهات غير ذات الصلة
المتوسط على زمرة	تتبادل الدالة الخطية المنتهية مع الزمرة	صحة التناظر بالنسبة إلى الهدف
تحديث الإحداثيات الإقليدي	تتحول الإحداثيات باتساق	انحفاظ الطاقة أو ديناميكيات مستقرة على المدى الطويل

بروتوكول تحقق مقترح

هذا تصميم تقييم مقترح. لم يُجرَ أي اختبار معياري لنظام إنتاج أو عتاد. والنماذج المنتهية المنفذة بصورة منفصلة موثقة في الفحوص القابلة للتنفيذ.

حدد أفعال المدخلات والمخرجات، بما في ذلك سلوك الانعكاس والسمات المساعدة.
عدّد جميع عناصر زمرة اختبار ربع الدورة المنتهية، وتحقق من المبدّل.
أنشئ أهدافًا متطابقة وأخرى غير متطابقة عمدًا لقياس الانحياز الناجم عن التناظر.
اختبر تكوينات مرآتية ذات مسافات متطابقة وهدف موقّع.
مرّر التحويلات عبر المعالجة المسبقة والطبقات الوسيطة، مع تسجيل قيم التسامح العددي.
قيّم مخاطر المهمة، والانحفاظ والاستقرار حيثما كانا ذوي صلة، بمعزل عن التكافؤ.

ما تثبته المصادر الأولية

Taco Cohen, Max Welling · 2016 [1]

المساهمة. توسع الالتفافات المتكافئة مع الزمر مشاركة الأوزان لتشمل زمر تحويل مختارة صراحة.

حدود النطاق. تعتمد الفائدة على تناظر المهمة؛ ولا يعيد هذا الدليل إجراء تجارب الشبكات.

موضع الدليل في المصدر. الملخص لدى الناشر الأصلي.

Taco S. Cohen, Max Welling · 2017 [2]

المساهمة. للسمات القابلة للتوجيه أنواع تحويل مهيكلة تقيد الدوال المسموح بها.

حدود النطاق. يُميز إصدار المسودة الأولية الذي جرى الاطلاع عليه عن البيانات الوصفية لجهة النشر.

موضع الدليل في المصدر. الملخص والمقدمة بشأن التمثيلات القابلة للتوجيه.

Víctor Garcia Satorras, Emiel Hoogeboom, Max Welling · 2021 [3]

المساهمة. تجمع شبكات EGNN بين مدخلات رسائل ثابتة تحت التحويل وتحديثات متكافئة للإحداثيات النسبية.

حدود النطاق. لا يستلزم اتساق التحويل بحد ذاته الانحفاظ أو الاستقرار أو الدقة.

موضع الدليل في المصدر. معادلات المعمارية والمناقشة التمهيدية للتناظر.

حدود هذا التحليل

لا تثبت فحوص ربع الدورة المنتهية صحة تحويلات الصور المستمرة الاعتباطية.
يستخدم منحنى عدم التطابق هدفًا خطيًا مختارًا متباين الخواص ومدخلات موزعة بانتظام على دائرة.
الحجم الموقّع هدف محدد حساس للانعكاس، وليس ادعاءً بشأن كل تطبيق علمي.
لا يجري في هذا المرافق تدريب أي شبكة متكافئة منشورة أو إخضاعها لاختبار معياري مستقل.

مراجعة تحليلية مركزة لثلاثة مصادر أولية تأسيسية مختارة، مع أمثلة أصلية محلولة. هذه ليست مراجعة شاملة أو منهجية للأدبيات حتى 2026. وتُسجل ملاحظات الاطلاع على المصادر وإصداراتها مع قائمة المراجع.

أسئلة من شأنها تغيير الاستنتاج

كيف ينبغي اختيار التناظر التقريبي عندما تخرق ظروف جمع البيانات ثباتًا فيزيائيًا كان سيتحقق لولاها؟
أي اختبارات الطبقات الوسيطة تكشف على أفضل وجه مخالفات أنواع السمات قبل أن تؤثر في دقة المهمة؟
هل يمكن تخفيف قيود التناظر تكيفيًا مع الاحتفاظ بحدود خطأ قابلة للتفسير؟

المراجع

Taco Cohen, Max Welling. Group Equivariant Convolutional Networks. Proceedings of the 33rd International Conference on Machine Learning (2016). Primary source.
Taco S. Cohen, Max Welling. Steerable CNNs. International Conference on Learning Representations (2017). Primary source.
Víctor Garcia Satorras, Emiel Hoogeboom, Max Welling. E(n) Equivariant Graph Neural Networks. Proceedings of the 38th International Conference on Machine Learning (2021). Primary source.

الاطلاع على المصدر [1]. فُحصت صفحة الناشر الأصلي والملخص وقائمة المراجع الكاملة؛ واشتقاق الزمرة المنتهية في هذا الدليل أُنجز بصورة مستقلة.

الاطلاع على المصدر [2]. فُحص نص PDF للورقة الأصلية وصفحة بياناتها الببليوغرافية الأولية.

ملاحظة الإصدار. تحدد صفحة arXiv مؤتمر ICLR 2017؛ ويحتفظ ملف PDF للإصدار v1 الذي جرى الاطلاع عليه بترويسة تفيد بأنه قيد المراجعة تعود إلى ديسمبر 2016. ويُميز بين بيانات جهة النشر الوصفية والإصدار الذي جرى الاطلاع عليه.

الاطلاع على المصدر [3]. فُحص نص PDF للورقة الأصلية وصفحة بياناتها الببليوغرافية الأولية.

جرت مطابقة الهويات الببليوغرافية مع سجلات الناشرين الأصليين والمؤلفين. وتصف ملاحظات الاطلاع على المصادر وإصداراتها أدناه نطاق العمل؛ فهذا ليس تدقيقًا شاملًا للنصوص الكاملة.

التأليف والمنشأ

كتبه وراجعه ذاتيًا من الناحية التقنية Codex (ذكاء اصطناعي). وتحدد المراجع الباحثين الأصليين؛ أما الإنشاءات التحليلية وتصاميم التقييم المقترحة فتُنسب إلى هذا المقال.

الأغلفة رسوم مفاهيمية باستخدام ImageGen. وتُحسب الأشكال التقنية من نماذج معلنة أو أمثلة منتهية، مع توفير Python وCSV. وهي ليست قياسات لمنتجات منشورة للاستخدام أو إعادة إنتاج لاختبارات معيارية للأداء.

ليس لهذه المسودة المحلية سجل مراجعة أقران مستقلة أو قبول في مجلة. وتفحص الأمثلة القابلة للتنفيذ والمحدودة النطاق النماذج الصغيرة المعلنة؛ وهي ليست تحققًا صوريًا من الأنظمة المستشهد بها.

[dl-09-1] Taco Cohen, Max Welling. Group Equivariant Convolutional Networks. Proceedings of the 33rd International Conference on Machine Learning (2016). Primary source.

[dl-09-2] Taco S. Cohen, Max Welling. Steerable CNNs. International Conference on Learning Representations (2017). Primary source.

[dl-09-3] Víctor Garcia Satorras, Emiel Hoogeboom, Max Welling. E(n) Equivariant Graph Neural Networks. Proceedings of the 38th International Conference on Machine Learning (2021). Primary source.