胶囊网络稀疏性指的是在胶囊网络中，每一层仅激活部分胶囊，以生成高效且聚焦的特征表示的特性。
形式上，稀疏性可以通过正则化损失函数 \( \mathcal{L}_{sparse} = \lambda \sum_j \|v_j\|_1 \) 表达，其中 \( v_j \) 是第 \( j \) 个胶囊的激活值，\( \lambda \) 是正则化参数。
这种稀疏性促使少数胶囊表现出高激活，而其他胶囊接近零，从而提升了区分能力。
此外，稀疏性可以通过具有竞争路由机制的CapsNet架构或通过掩码实现的稀疏路由来实现。
稀疏方法具有正则化作用，有助于避免过拟合，提升胶囊表示的可解释性，并减少计算开销。
定义：
“胶囊网络稀疏性是胶囊网络的特性，其中每层仅激活有限数量的胶囊，以确保高效、鲁棒且可解释的特征表示。”
来源：
Wang, X., Yu, F., Dou, Z., & Tao, D. (2019). Sparse Capsule Networks. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV).