提醒：本文最后更新于 2026-05-24 05:10，文中所关联的信息可能已发生改变，请知悉！
提醒：本文最后更新于 2026-05-23 09:16，文中所关联的信息可能已发生改变，请知悉！
提醒：本文最后更新于 2026-05-23 09:04，文中所关联的信息可能已发生改变，请知悉！
胶囊网络（Capsule Networks) 是深度学习三巨头之一的 Geoffrey Hinton 提出的一种全新的神经网络。
胶囊网络基于一种新的结构 – 胶囊（Capsule)，通过与现有的卷积神经网络（CNN）相结合，从而在一些图像分类的数据上取得了非常优越的性能。
何为胶囊？简单来说，胶囊就是将原有大家熟知的神经网络中的个体神经元替换成了一组神经元组成的向量，这些神经元被包裹在一起，组成了一个胶囊。因此，胶囊网络中的每层神经网络都包含了多个胶囊基本单元，这些胶囊与上层网络中的胶囊进行交互传递。
胶囊的工作原理是基于“囊间动态路由”的算法，这是一种迭代算法。简单地说，两层之间的胶囊信息传递，会通过计算两者之间的一种相关信息来决定下层的胶囊如何将自己的特征传递给上层的胶囊。也就是说，下层胶囊将其输出发送给对此表示“同意”的上层胶囊，利用输入与输出的之间的点积相似性，来更新路由间的系数。
胶囊网络基于一种新的结构 – 胶囊（Capsule)，通过与现有的卷积神经网络（CNN）相结合，从而在一些图像分类的数据上取得了非常优越的性能。
何为胶囊？简单来说，胶囊就是将原有大家熟知的神经网络中的个体神经元替换成了一组神经元组成的向量，这些神经元被包裹在一起，组成了一个胶囊。因此，胶囊网络中的每层神经网络都包含了多个胶囊基本单元，这些胶囊与上层网络中的胶囊进行交互传递。
胶囊的工作原理是基于“囊间动态路由”的算法，这是一种迭代算法。简单地说，两层之间的胶囊信息传递，会通过计算两者之间的一种相关信息来决定下层的胶囊如何将自己的特征传递给上层的胶囊。也就是说，下层胶囊将其输出发送给对此表示“同意”的上层胶囊，利用输入与输出的之间的点积相似性，来更新路由间的系数。
