Puedo señalar un par de artículos centrados en ese tema o en la invariancia de rotación, que está relacionado.
Creo que la respuesta tiene mucho que ver con la arquitectura de la NN. Un tipo particular de NN que se utiliza con éxito es el “NN convolucional” . Se proporciona una descripción de su arquitectura y características que son buenas para el reconocimiento de patrones en redes convolucionales (aplicaciones de pago) y en visión (de Y. LeCun y otros). Los documentos importantes gratuitos sobre CNN son https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf y http://people.idsia.ch/~juergen/ ijcai2011.pdf y http://research.microsoft.com/pu…
Documentos sobre la invariancia de rotación (las referencias tienen algunos consejos sobre documentos que tratan sobre la invariancia de traducción) que puede obtener gratis en la red:
- ¿Debo hacer un doctorado en aprendizaje automático en una escuela desconocida donde el laboratorio es excelente?
- ¿Cuáles son los conceptos erróneos más comunes sobre la IA?
- Al sintonizar una red neuronal, ¿cuánto tiempo suele esperar mientras entrena antes de cambiar los hiperparámetros y probar otra configuración?
- Como mejorar la tracción de la rueda de mi robot
- ¿Qué software es mejor para simular agujeros negros?
http://www.sice.jp/e-trans/paper…
http: //titan.is.tokushima-u.ac.j…
En todos los documentos anteriores, hay una discusión sobre la arquitectura NN “buena” para clasificar patrones bajo transformaciones de traducción o rotación.
Encontrarás muchos más artículos y referencias cavando en la red, por supuesto.
