神经网络之仿射变换

📐 一、什么是仿射变换?

仿射变换 = 线性变换 + 平移

它是一种**保持点之间的相对关系(平行性、比例)**的变换。通俗来说,仿射变换可以包括:

  • 旋转
  • 缩放
  • 剪切(shear)
  • 平移

🧮 数学定义

对于向量 x∈Rnx \in \mathbb{R}^nx∈Rn,仿射变换定义为:

f(x)=Ax+b f(x) = A x + b f(x)=Ax+b

其中:

  • A∈Rm×nA \in \mathbb{R}^{m \times n}A∈Rm×n:一个矩阵,表示线性变换(如旋转、缩放等)
  • b∈Rmb \in \mathbb{R}^mb∈Rm:一个向量,表示平移
  • xxx:输入向量
  • f(x)f(x)f(x):变换后的输出向量

🧠 直观理解

组成 解释
AxAxAx 线性变换(拉伸、旋转、投影等)
+b+b+b 平移操作(将结果整体平移)

仿射变换比线性变换更通用,因为它不需要满足「原点映射到原点」这一限制。


📌 举个例子

在二维空间中:

设:

A=2002,b=11 A = \begin{bmatrix} 2 & 0 \\ 0 & 2 \end{bmatrix}, \quad b = \begin{bmatrix} 1 \\ 1 \end{bmatrix} A=2002,b=11

则:

f(x)=2x+11 f(x) = 2x + \begin{bmatrix}1\\1\end{bmatrix} f(x)=2x+11

这个仿射变换会先把所有点缩放 2 倍 ,再整体平移 (1, 1)。


🤖 在神经网络中的应用

神经网络中的每一层(不加激活函数)本质上就是一个仿射变换:

z=Wx+b z = W x + b z=Wx+b

其中:

  • xxx:上一层的输出
  • WWW:权重矩阵
  • bbb:偏置向量
  • zzz:本层输出(未激活)

激活函数 的作用就是在仿射变换的基础上引入非线性,否则整个网络就是一系列仿射变换叠加,最终仍是一个仿射变换。


🧭 与其他变换的区别

类型 表达式 特点
线性变换 f(x)=Axf(x) = Axf(x)=Ax 不含平移,原点映射到原点
仿射变换 f(x)=Ax+bf(x) = Ax + bf(x)=Ax+b 包含平移,原点不一定映射到原点
仿射变换 + 激活函数 f(x)=σ(Ax+b)f(x) = \sigma(Ax + b)f(x)=σ(Ax+b) 神经网络的基本单元,增加非线性表达能力

✅ 总结

项目 内容
名称 仿射变换(Affine Transformation)
定义 f(x)=Ax+bf(x) = Ax + bf(x)=Ax+b
包含操作 旋转、缩放、剪切、平移
应用领域 图形学、几何变换、神经网络等
神经网络中体现 每一层的线性变换 + 偏置项
与线性变换的区别 仿射变换多了一个平移项 bbb
相关推荐
螺丝钉tina13 小时前
[Playwright] [20][AI] 失败分析:让AI大模型帮你debug
人工智能
MSTcheng.14 小时前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
世冠科技14 小时前
世冠科技GCEAgent重磅发布,开启复杂装备AI原生智能研发新范式
人工智能·科技·ai-native
轻松,带微笑14 小时前
AI竞争进入下半场:微软押注专业模型,通用大模型不再是唯一答案
人工智能·microsoft
哈尔滨张谦蛋14 小时前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
MysTic_Zhong14 小时前
【3】核心引擎:LangGraph 编排与多路召回重排
人工智能·agent
vivo互联网技术14 小时前
研发数字人 Agent:从 0 到 1 的架构与实践
人工智能·agent·mcp
练习两年半的攻城狮14 小时前
企业级 AI Agent 架构知识点讲解(一):从知识型到业务型,从 LangGraph 到生产落地
人工智能·架构
Cosolar15 小时前
从 50ms 到 3 分钟:淘特动线 Agent 如何把 LLM 塞进一个有预算约束的实时系统
人工智能·后端·agent