学習対称性

学習対称性とは、機械学習や深層学習の文脈で用いられる概念であり、学習プロセスにおける対称性に関する議論を指します。具体的には、モデルのパラメータや入力データに対する対称性が、学習の効率やモデルの性能に与える影響を扱います。

学習対称性には、主に以下の二つの側面があります。

1. モデルの対称性：モデルの構造やパラメータが持つ対称性です。例えば、ニューラルネットワークにおいて、異なる層やユニットが同じ役割を果たす場合や、パラメータが一定の条件下で不変である場合などが該当します。
2. データの対称性：入力データが持つ対称性です。例えば、画像データにおいて、回転や反転に対して不