Как спроектировать нейронную сеть, удовлетворяющую свойству распределения с нелинейностью? ⇐ Python

[Anonymous]

У меня есть два изображения, A1 и A2, и я хочу обработать их с помощью трех нейронных сетей: B, C и D. Моя цель — спроектировать эти сети так, чтобы выполнялось следующее свойство распределения:B(C(A1)+D(A2))=B(C(A1))+B(D(A2)).
Требования:

• Пока чисто линейные сети (например, без функций активации) могут удовлетворять этому свойству. Меня интересуют архитектуры, которые включают в себя нелинейности (например, ReLU, сигмоид), но все же приблизительно удовлетворяют этому дистрибутивному поведению.
  
  Я открыт для предложений о том, как обеспечить линейное поведение или функции потерь, которые поддерживают это свойство во время обучения.
• Структура сети в идеале должна позволять гибкость для реальных задач обработки изображений.

Ключевые вопросы:

• Как я могу спроектировать такие сети или архитектуры, которые удовлетворяют этому свойству, даже при наличии нелинейностей?
• Существуют ли специальные методы регуляризации или функции потерь, которые можно использовать для применения этого свойства во время обучения?
• Существуют ли существующие архитектуры или идеи из литературы, которые могут помочь мне в достижении такого поведения?
  Любые указатели, предложения или ссылки на аналогичные проблемы будем очень признательны. Спасибо!

Подробнее здесь: https://stackoverflow.com/questions/792 ... on-lineari