ncasas 的建议很好，但不是很干净。这种排序在一维时很有意义，但是当您引入更多特征时，排序将变得越来越随意。这是我多次遇到的问题。本文（https://arxiv.org/pdf/1612.04530.pdf）试图解决置换等变问题，这与您的问题并不完全相同，您需要置换不变性。在等方差的情况下，如果您对输入进行打乱，该层的输出仍然会被打乱，但由于权重共享，这些值将是相同的。您可以通过在此置换层的输出上使用池化操作（最大池化或平均池化）来相当容易地扩展这个想法。这意味着您可以从图层中获得一个数字输出。重复这个n 个不同的权重矩阵，您可以获得n 个输出，然后可以将其馈入正常的前馈网络。警告：这是我根据您的问题和他们的论文想到的，我从未尝试过，但我不明白为什么它不起作用。对于运动队，您将使用两个输入列表，每个团队一个。根据您想要预测的内容，您甚至可以将这些排列层放入一个连体网络中，从而引入更多的权重共享！