ScholarGate
Assistente
Machine learning

Capsule Network

Una Capsule Network (CapsNet) è un'architettura di deep learning introdotta da Sara Sabour, Nicholas Frosst e Geoffrey Hinton nel 2017 che organizza i neuroni come vettori (capsule) anziché attivazioni scalari, in modo che la gerarchia spaziale e le informazioni sulla posa (orientamento) siano codificate direttamente. È stata proposta per superare la fragilità delle reti convoluzionali ai cambiamenti di punto di vista.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. Sabour, S., Frosst, N. & Hinton, G. E. (2017). Dynamic Routing Between Capsules. Advances in Neural Information Processing Systems (NeurIPS). link
  2. Hinton, G. E., Sabour, S. & Frosst, N. (2018). Matrix Capsules with EM Routing. International Conference on Learning Representations (ICLR). link

Come citare questa pagina

ScholarGate. (2026, June 1). Capsule Network (CapsNet). ScholarGate. https://scholargate.app/it/deep-learning/capsule-network

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Citato da

ScholarGateCapsule Network (Capsule Network (CapsNet)). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/capsule-network · Insieme di dati: https://doi.org/10.5281/zenodo.20539026