非多項式激活函數

深度分析

等變神經網路分離能力深入解析：非多項式激活函數等價性與層級結構

隨著等變神經網路在圖形與幾何資料上的成功，研究者聚焦於其分離能力。本文提出遞迴公式，明確描述固定架構下無法區分的輸入對，證明所有非多項式激活函數（如 ReLU、Sigmoid）在分離力上等價且達到上限，且層的區塊多樣性形成層級結構。此結果為設計更具判別力的等變模型提供理論指引。