Simone孪生神经网络
的有关信息介绍如下：
孪生神经网络（Siamese neural network），又名双生神经网络，是基于两个人工神经网络建立的耦合构架 。孪生神经网络以两个样本为输入，输出其嵌入高维度空间的表征，以比较两个样本的相似程度。狭义的孪生神经网络由两个结构相同，且权重共享的神经网络拼接而成 。广义的孪生神经网络，或“伪孪生神经网络（pseudo-siamese network）”，可由任意两个神经网拼接而成 。孪生神经网络通常具有深度结构，可由卷积神经网络、循环神经网络等组成。
在监督学习范式下，孪生神经网络会最大化不同标签的表征，并最小化相同标签的表征 。在自监督或非监督学习范式下，孪生神经网络可以最小化原输入和干扰输入（例如原始图像和该图像的裁减）间的表征 。
孪生神经网络可以进行小样本/单样本学习（one-shot learning） ，且不容易被错误样本干扰 ，因此可用于对容错率要求严格的模式识别问题，例如人像识别、指纹识别、目标追踪等 。
想要了解更多“孪生神经网络”的信息，请点击：孪生神经网络百科
