frequency bands | BriefGPT - AI 论文速递

关键词frequency bands

搜索结果 - 7

基于低秩表示的 THz 时域图像超分辨率
该研究论文提出了一种超分辨率方法，用于恢复采用中大步长获取的太赫兹时域图像，结果表明在不同频段（从 0.5 到 3.5 THz）获得更高分辨率，同时消除了较低频率下的模糊效应和较高频率下的噪音。
PDF7 months ago
学习多频部分相关图
学习时间序列之间的依赖关系中，现有方法仍存在一个主要局限：学习到的部分相关性无法区分不同频段。我们通过学习一个稀疏、频率相关的部分相关性图来克服这个局限，其中各层对应不同的频段，且部分相关性只发生在几个层上。通过两个非凸学习问题的解决，得到
PDF7 months ago
利用掩码潜在生成建模的可解释异常检测
我们提出了一种新颖的时间序列异常检测方法，具有优秀的检测准确性和较高的可解释性。我们的方法利用了被称为 TimeVQVAE 的领先时间序列生成方法中的掩蔽生成建模。先前模型在时频域的离散潜空间上进行训练，保留了时频域的维度语义，使我们能够计
PDF8 months ago
MultiWave: 基于小波分解的多尺度深层网络模型用于多变量时间序列预测
本文提出了 MultiWave 框架，采用小波分解对多变量时间序列数据进行频率分组，并结合门控机制来提高各种深度学习模型的性能。多个实验表明，MultiWave 可以准确地识别信息丰富的频率带，提高模型性能，并提供有价值的应用见解。
PDFa year ago
特征提取的频率和尺度视角
本文通过分析神经网络对频率和尺度的敏感性发现，神经网络具有不同频段类别的偏好，并且物体的尺度影响首选频段。为了证实这一假设，我们提出了基于高斯导数的网络体系结构，能够以手动方式从不同尺度上提取特征，提高了在各种数据集上的可比准确性。
PDFa year ago
FsaNet: 频率自注意力在语义分割中的应用
通过对图像的频谱特性的研究，我们提出了一个高度降低计算复杂度的自注意机制。通过在不同频段上的个性化处理，可以更好地保留边缘，并在对象内提高相似性。我们设计并嵌入新的插入式模块到 CNN 网络的头部，称为 FsaNet。通过低频自注意力的应用
PDF2 years ago
使用卷积神经网络识别无线干扰
本文提出了基于深度卷积神经网络的无线干扰识别方法，该方法在信噪比至少为 - 5 dB 时具有大于 95％的分类准确性，适用于 IEEE 802.11 b /g，IEEE 802.15.4 和 IEEE 802.15.1 网络的重叠频率通道。
PDF7 years ago