在这篇论文中，作者提出了一种更加通用的池化框架，以核函数的形式捕捉特征之间的高阶信息。同时也证明了使用无参数化的紧致清晰特征映射，以指定阶形式逼近核函数，例如高斯核函数。本文提出的核函数池化可以和CNN网络联合优化。

Network Structure

Overview

Kernel Pooling Method

The illustration of the tensor product

A summary of pooling strategies

Experiment Evaluations

最新文章

1. swift中Range的使用书名
2. Blend 2015 教程 （三） 模板
3. 转： vim 的编辑格式设置
4. hdoj 4323
5. linux2.6.24内核源代码分析（1）——扒一扒sk_buff
6. 【转】 iOS开发之打包上传到App Store——（一）各种证书的理解
7. Unity3d之Shader编程：子着色器、通道与标签的写法 & 纹理混合
8. 解决vim不能使用方向键和退格键问题
9. d017: 打印某年某月有几天
10. linxu添加定时任务
11. HDU Computer Transformation1041 题解
12. 华丽的网上突出代码组件CodeMirror
13. cocos2d(x) HTML label ;CCHTML CCHTMLLabel
14. 用python把一个txt文件中所有逗号，替换成空格？
15. xshell连接虚拟机ubuntu
16. 设置 WPF 的内容支持触摸直接滚动
17. python + selenium 模块封装及参数化
18. json--处理框架
19. 简单prufer应用
20. Flexpod的开关机顺序

热门文章

1. bcc-tools工具之profile
2. Android中的Parcel机制(下)
3. TopCoder[TCO2016 Round 1A]:EllysTree(1000)
4. 线段树区间离散化维护按秩合并并查集（可撤销）——牛客多校第八场E
5. 堡垒机介绍及实现 （使用python django实现）(一）
6. ASP.NET MVC Controller激活系统详解2
7. plugin python was not installed: Cannot download ''
8. PAT_A1094#The Largest Generation
9. 网页重构应该避免的10大CSS糟糕用法
10. 【Latex】一些使用