कैप्सूल नेटवर्क मशीन पर मानव मस्तिष्क के हिंटन के अवलोकन की नकल करने की कोशिश करते हैं। प्रेरणा इस तथ्य से उपजी है कि तंत्रिका नेटवर्क को भागों के स्थानिक रिश्तों के बेहतर मॉडलिंग की आवश्यकता थी। सह-अस्तित्व को मॉडलिंग करने के बजाय, सापेक्ष स्थिति की उपेक्षा करते हुए, कैप्सूल-नेट एक पदानुक्रम के साथ विभिन्न उप-भागों के वैश्विक सापेक्ष परिवर्तनों को मॉडल करने का प्रयास करते हैं। यह ईकाइवरियस बनाम इनवेरियन ट्रेड-ऑफ है, जैसा कि दूसरों द्वारा ऊपर बताया गया है।
इन नेटवर्कों में इसलिए कुछ हद तक एक दृष्टिकोण / अभिविन्यास जागरूकता शामिल है और विभिन्न अभिविन्यास के लिए अलग-अलग प्रतिक्रिया करते हैं। यह गुण उन्हें अधिक भेदभावपूर्ण बनाता है, जबकि संभावित रूप से पोज़ आकलन करने की क्षमता का परिचय देता है क्योंकि अव्यक्त-स्थान की विशेषताओं में व्याख्या योग्य, विशिष्ट विवरण होते हैं।
यह सब एक नेस्टेड परत को शामिल करके पूरा किया जाता है जिसे परत के भीतर कैप्सूल कहा जाता है, बजाय नेटवर्क में एक और परत को समेटने के। ये कैप्सूल एक स्केलर प्रति नोड के बजाय वेक्टर आउटपुट प्रदान कर सकते हैं।
पेपर का महत्वपूर्ण योगदान डायनामिक रूटिंग है जो स्मार्ट रणनीति द्वारा मानक अधिकतम-पूलिंग की जगह लेता है। यह एल्गोरिथ्म कैप्सूल आउटपुट पर एक अर्थ-शिफ्ट क्लस्टरिंग लागू करता है ताकि यह सुनिश्चित हो सके कि आउटपुट केवल ऊपर की परत में उपयुक्त माता-पिता को भेजा जाता है।
लेखकों ने मार्जिन हानि और पुनर्निर्माण हानि के साथ योगदान को भी जोड़ा है, जो एक साथ कार्य को बेहतर ढंग से सीखने में मदद करते हैं और एमएनआईएसटी के साथ कला परिणामों की स्थिति दिखाते हैं।
हाल के पेपर का नाम डायनेमिक राउटिंग बिट्स कैप्सूल है
और यह Arxiv: https://arxiv.org/pdf/1710.09829.pdf पर उपलब्ध है ।