深度学习是一种颠覆性的研究，它改变了处理和解决计算问题的方式。对许多参数进行了优化和调整，以训练给定的计算架构来分类、分割、识别和重建对象。只要有一些关于数据大小的假设，或者它的空间或时间位移不变性特性(允许卷积神经网络对给定数据进行操作)，这种方法就非常有效。

我们要解决的问题是，对于没有线性平移不变性机制可依赖的几何结构，我们能做些什么。我们将涉及匹配几何结构，测量测地线距离，分类对象，以及将公理结构导入学习领域的方法，这些方法产生了新颖的半监督学习过程。

最后，如果时间允许，我将评论一个新的和有趣的研究问题，我们已经开始探索处理计算病理学。

http://www.ipam.ucla.edu/abstract/?tid=16785&pcode=DLC2021