胶囊网络在深度学习中是一个很有前途的概念，但到目前为止，其真正的潜力尚未得到充分发挥，它在几个关键基准数据集上均提供了低于标准的性能复杂的数据。 从成功中汲取直觉通过卷积神经网络（CNN）的深入研究，我们介绍了DeepCaps1，是一种基于新型3D卷积的深层胶囊网络架构动态路由算法。 有了DeepCaps，我们超越了胶囊网络领域的最新成果在CIFAR10，SVHN和Fashion MNIST上参数

探索基于胶囊网的深度局部异常检测方法 abstract 文章中开发和探索了基于CapsNet的图像深度异常检测技术。由于CapsNet能够编码局部和整体之间的内在空间关系，因此它既可以被用作分类器，又可以用作深度自编码器。这启发我们设计一个基于预测概率和基于重构错误的正态性评分函数来评估未见图像的离群度。在三个数据集上结果表明，基于预测概率的方法性能同样很好，而基于重构错误的方法对带标记图

Investigating Capsule Networks with Dynamic Routing for Text Classification 发表在EMNLP 2018 文章目录 ModelN-gram convolutional layerprimary capsule layerChild-Parent Relationships Dynamic Routingconv

近日，Geoffrey Hinton 那篇备受关注的 capsule 论文终于公开了，这是 Hinton 对未来人工智能形态的新探索，得到了人工智能领域的广泛关注。而现在基于 Capsule 的新研究成果也已经出现。这里介绍的就是一篇正处于双盲评审阶段的关于 Capsule 的 ICLR 2018 论文（目前论文作者未知）。机器之心对该论文进行了摘要介绍，论文全文请访问以下链接。 论文地

目录 摘要： 一、介绍 二、相关工作 三、Linguistically Routing Capsule Network  3.1. Linguistic layout generation 3.2. Word-level multimodal embedding 3.3. Linguistically Routing 3.4. Capsule layer 四、实验 4.

10月26日，深度学习元老Hinton的NIPS2017 Capsule论文《Dynamic Routing Between Capsules》终于在arxiv上发表。今天相关关于这篇论文的TensorFlow\Pytorch\Keras实现相继开源出来，让我们来看下。 论文地址：https://arxiv.org/pdf/1710.09829.pdf Capsule 是一组神经元，其活动向量

Time Capsule入手以后一直就希望早日能使用iCloud帐号远程登录，但是由于刚好卡在苹果mobile me帐号转iCloud帐号的期间，既无法注册mobile me帐号，使用iCloud帐号却又无法登录。直到这次 AirPort 实用工具更新和 AirPort Base Station 及 Time Capsule 固件更新，最新固件版本号为v7.6.1。 第一步：在Mac 中进