Machine learning

캡슐 네트워크

캡슐 네트워크(CapsNet)는 Sara Sabour, Nicholas Frosst, Geoffrey Hinton이 2017년에 소개한 딥러닝 아키텍처로, 뉴런을 스칼라 활성화가 아닌 벡터(캡슐)로 구성하여 공간 계층 및 자세(방향) 정보를 직접 인코딩합니다. 이는 시점 변화에 대한 컨볼루션 네트워크의 취약성을 극복하기 위해 제안되었습니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

출처

  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

이 페이지 인용 방법

ScholarGate. (2026, June 1). Capsule Network (CapsNet). ScholarGate. https://scholargate.app/ko/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

이 방법을 참조하는 항목

ScholarGateCapsule Network (Capsule Network (CapsNet)). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/deep-learning/capsule-network · 데이터셋: https://doi.org/10.5281/zenodo.20539026