MMSep, 2023

基于离散余弦变换的自适应函数逼近

PDF
TL;DR本文研究了以余弦基函数为基础的无记忆单变量连续函数逼近方法。通过有监督学习获得逼近系数，而非使用离散余弦变换（DCT）。由于余弦基函数具有有限动态和正交性质，简单的梯度算法，如归一化最小均方（NLMS）算法，可从中获益，并具有可控且可预测的收敛时间和误差调整。由于其简单性，该技术在学习质量与复杂性方面排名第一，并被提出作为更复杂的有监督学习系统中使用的一种有吸引力的技术。通过仿真实例展示了该方法的性能。本文也庆祝了 1973 年 Nasir Ahmed 发表离散余弦变换（DCT）的 50 周年。
cosine basis functionsapproximation coefficientssupervised learninggradient algorithmslearning quality
发现论文，激发创造
  • 离散余弦变换

    提出四种离散余弦变换的一般化形式及其正交性证明，并且在某些新的情况下提出了一种新类型的离散余弦变换和一般化形式的离散 W 变换。

    Sep, 2011

  • JDEC: 增强连续余弦系数的 JPEG 解码

    我们提出了一种实用的 JPEG 图像解码方法，利用具有连续余弦公式的本地隐式神经表示。我们的模型在不同质量因素下能直接对解压缩的图像进行解码，而无需依赖传统的 JPEG 解码器，从而在灵活的彩色图像 JPEG 伪影去除任务中实现了最先进的性能。

    Apr, 2024

  • 基于离散余弦变换的去相关注意力视觉转换

    Transformer 架构的关键是自注意机制，本文提出两种方法，一种是利用 DCT 系数进行初始化来增强辨别能力，另一种是基于 DCT 的压缩技术来减少计算开销。

    May, 2024

  • 利用离散余弦变换进行高效句子嵌入

    本论文提出了使用离散余弦变换 (DCT) 压缩以保持顺序的单词序列来代替向量平均法进行句子嵌入。与向量平均法相比，这种方法更好地保留了句法信息，从而在与句法相关的分类任务中表现更好。

    Sep, 2019

  • 低复杂度的多维 DCT 近似

    本文介绍了低复杂度的多维离散余弦变换 (DCT) 近似算法，基于高阶张量理论，我们提出了几种 $8 imes 8 imes 8$ 的近似方法，并将其嵌入到基于 3D DCT 的视频编码方案中，同时引入了改进的量化步骤，模拟结果表明所提出的 3D 近似算法与 3D DCT 方案的输出图像质量几乎相同，同时，所提出的 3D 近似算法还被应用于视觉跟踪领域，具有与精确 3D DCT 方案相似的表现且计算成本显著降低。

    Jun, 2023

  • 离散余弦变换作为通用句子编码器

    提取多种语言的通用句向量表示，并评估其在情感分析等多项任务中的优异性能表现。

    Jun, 2021

  • 使用离散余弦变换的深度卷积神经网络进行失真鲁棒图像分类

    本文提出一种基于离散余弦变换的 DCT-Net 模块，可用于改善卷积神经网络 (CNN) 在面对包括高噪音、模糊等多种苟且不净的图像质量下的分类表现。通过丢弃高频信息，DCT-Net 能够在训练和测试过程中自适应地适应各种扭曲情况，仅需盲目一次训练即可用于未知的图像失真情况，结果表明 DCT-Net 在 CIFAR-10/100 和 ImageNet 测试数据集上具有更好的分类准确性。

    Nov, 2018

  • 探索基于 DCT 表示的语义分割

    本文提出了一种在离散余弦变换（DCT）表示上执行语义分割的方法，通过重新排列 DCT 系数以形成首选输入类型，并针对 DCT 输入量调整现有网络来实现。该方法的准确性接近于 RGB 模型，在网络复杂性相当的情况下，适当选择 DCT 分量可以使用 36％的 DCT 系数获得相同水平的准确性，并且可以显示该方法的鲁棒性在量化误差下。据我们所知，这是第一篇探索 DCT 表示上的语义分割的论文。

    Jul, 2019

  • 使用离散余弦变换进行 JPEG 图像压缩 - 调研

    本文为针对使用离散余弦变换进行有损图像压缩的综述，旨在介绍用于全彩色静态图像应用的 JPEG 压缩算法及其各个组成部分。

    May, 2014

  • 基于理论的去噪余弦相似度方法：高效表征学习

    本文提出了一种基于余弦相似度损失函数的去噪 cosine-similarity (dCS) 损失，这种方法可以在机器学习中学习鲁棒的表示以应对真实世界数据集中的噪声干扰，实验结果显示该方法在视觉与语音领域中比基线算法具有更好的效率。

    Apr, 2023