---

28?28大小的灰度图像组成共有10个类别，每一类别各有7000张图像数据集划分为两部分，即训练集和测试集其中，训练集共有60000张图像每个类别各有6000张；测试集共有10000张图像，每一类别各有1000张

采用CapsNet网络模型，该网络由两部分组成：编码器和解码器湔3层网络为编码器，即卷积层、PrimaryCaps层和DigitCaps层；后3层网络为解码器即三层全连接层。

16?10大小的矩阵作为输出

该层用于检测图像的基本特征。卷积核大小为$$9?9步长为1，filter数为256激活函数为Relu。输出大小为$$

该层接受卷积层检测到的基本特征用于生成特征组合。该层共有32个PrimaryCapsules每个PrimaryCapsules由8個卷积核为$$9?9，步长为2的卷积组成输出大小为$$

8?16的权重矩阵将8维输入空间映射至16维Capsules输出空间。输出大小为$$

${}_{}{0}_{{}^{}}$

Tk?=1否则为0。${}^{}$λ=0.5用于确保训练Φ的数值稳定性

${}_{}\frac{{}_{}{}^{}}{{}_{}{}^{}}\frac{{}_{}}{{}_{}}$

${}_{}$

${}_{}\underset{}{}{}_{}{\stackrel{}{}}_{}$

${}_{}$

${\stackrel{}{}}_{}{}_{}{}_{}$

${}_{}$Wij? 表示权重矩阵，${}_{}$u^ij?为预测向量可视为底层capsules的输出向量进行仿射变换。

解码器由三层全连接层构成用于重建图像，損失函数为MSE函数训练时仅使用正确的DigitCap向量。