Notes & Guides
這是一片可以探索的知識世界：腳下是數學構築的陸地，眼前是機器學習的海洋；再抬頭望去，則是一門門課程組成的星空。
每一顆星，都是一篇筆記；每讀完一篇，就點亮一顆星。從一顆星開始，慢慢點亮屬於你的星空吧！
已讀 未讀 先備知識（將游標移到星星上查看） 紀錄只留在這台裝置
Search
Search the static site index.
課程
研究領域
Geometric Deep Learning
Invariance and Equivariance geometric deep learning：把對稱性（invariance / equivariance）寫進模型。
可閱讀
同一個台大，不同的手機視角：不變性與等變性的第一個圖像 轉動同一張台北地圖，看看哪些答案應保持不變、哪些座標與方向必須一起移動。
可閱讀
CNN 為什麼自然適合看地圖與影像？ 滑動同一張地圖，親眼看見 convolution 的 feature map 同步平移，而 global pooling 把位置收成不變的摘要。
可閱讀
如果地圖不是像素，而是一堆點？ 把地圖改成一袋沒有固定順序的點，看看 shuffle 為什麼不能改變集合答案，卻必須同步重排逐點輸出。
可閱讀
地圖其實也是一張 graph 把路口重新編號，看看 node prediction 如何跟著節點搬家，而整張道路網路的 readout 保持不變。
可閱讀
手機轉了，模型該不該跟著轉？ 把手機地圖每次轉 90°，看 orientation channels 如何循環搬動，並分清 augmentation、averaging 與架構等變。
可閱讀
Point Clouds 需要兩種對稱性 旋轉、平移同一團地圖點雲，分清距離與能量為何不變，以及座標、速度與力為何必須一起轉。
可閱讀
對稱性不是免費午餐 把對稱性從硬規則慢慢放鬆，看看資料效率、表達力與真實誤差之間為什麼沒有免費答案。