我正在尝试实现本文中提到的置换不变神经网络：
该网络在第4页上进行了说明，其图示在第6页上（图1）。我有一个像他们一样的数据集。因此，我有1000个2D二进制矩阵，每个2D矩阵的形状为208 X 5000，对于每个2D矩阵，我都有一个对应的距离矢量，其值的范围为0到1。矢量的长度也为5000。二进制矩阵中的每一行都对应一个个体。
我对本文的理解是，该网络避免了将信息组合在一起的任何卷积或池化操作，直到以顺序不变的方式将（过滤的）对齐矩阵的每一列折叠为单个值的操作为止（例如，按站点的最大值）。
尽管我了解本文的概念。我很难在Python中使用Keras为其编写代码。
有人可以帮助我开始使用它吗？如果它是传统的神经网络，我将在二进制矩阵上进行2D卷积，并将向量提供给完全连接的神经网络，然后合并这两个网络。
但是我不知道如何开始使用这个可交换的神经网络。帮助将不胜感激。