- 基于神经网络的数据驱动的自相似性发现
该研究提出了一种基于神经网络的新方法,通过观测数据直接发现自相似性,无需预设任何模型。通过在神经网络中以参数化的方式结构性地纳入特定形式,可以提取刻画物理问题的尺度转换对称性的功率指数。使用合成数据和实验数据验证了该方法的有效性,证实其作为 - 自相似动力的数据驱动建模
通过引入自相似性作为先验知识的多尺度神经网络框架,我们可以模拟自相似动态系统并提取尺度不变的动力学核,在非平衡系统中发现与理论预期一致的关键指数,从而有助于解决关键相变问题。
- 利用 Transformer 根据出版数据映射研究人员活动
本研究应用基于 Transformer 的预训练语言模型 BERT 探究了本地出版数据库中的科研话题,并通过计算文章相似度对研究人员进行了聚类,引入了作者自相似概念以表示他们的主题变化。
- 基于自相似性特征的心脏杂音检测方法
本研究采用小波变换领域中的自相似性和复杂性特征,开发了用于检测心脏杂音的鉴别性多尺度特征,不仅显着提高了检测杂音的准确性,而且为心脏杂音的识别和管理提供了有价值的洞见。
- 自相似的独特火灾与烟雾检测
通过使用 Hausdorff 距离来评估自相似性,并相应地定制损失功能以提高烟雾和火焰的检测准确性,我们提出了一种通用的基于几何特征的标签标准。我们在常用的物体检测基线网络上的实验已经验证了我们的方法是有效的,并将检测精度提高了 2.23% - 自相似先验:可区分的分形表征神经拼贴
本研究设计出一种新型隐式算子 Neural Collages,用于自相似性的学习和压缩,并展示了它在分形艺术和深度生成模型中的应用。
- 通过概率逐像素部件分割学习消岐强相关手部
本论文提出 DIGIT 方法,通过将每个像素的语义部分分割和视觉特征融合形成卷积层,实现从单目图像中估算两只相互交互手的三维姿势,试验表明该方法在 InterHand2.6M 数据集上取得了最新的最佳性能。
- 金字塔注意力网络用于图像修复
将金字塔注意力模块用于图像修复能够提高深度卷积神经网络方法的自相似性,从而能够更好地处理在不同尺度上具有类似模式的图像,并可应用于多种图像修复任务中,包括图像去噪、去马赛克、减少压缩伪影和超分辨率。
- CVPR基于预测网络的大核有效爆炸去噪
通过预测一组全局基础核和相应的混合系数 -- 它们特定于个别像素,我们引入了一种新的基础预测网络来表示核,这些图像在时间和空间上显着自相似。相较于输出大量的每像素时空核的现有技术,我们的方法显著降低了网络输出的维度。这使得我们能够有效地利用 - 基于分块对称对角化表示的彩色图像和多光谱图像去噪
本文就基于块对角矩阵的波斯基级联以及本地主成分分析变换等方法提出了一个简单的变换 - 阈值 - 反演方法,该方法在处理多通道图像降噪方面具有高效性和竞争力,并在大量的实验中展示了稳健性和效果。
- NIPS神经最近邻网络
研究了利用自然信号的自相似性进行非局部方法,提出了一种对 KNN 选择规则进行连续确定性松弛的方法,即通过温度参数逐渐接近零将原始 KNN 保持为极限,利用提出的神经最近邻块 (N3 块) 用于现代神经网络建筑中,并展示了其在图像恢复等任务 - 基于维纳滤波器在相似性领域的单幅图像超分辨率
本文提出了一种基于自相似性的方法,利用从输入图像中提取的大组相似图块来解决单幅图像超分辨率问题,并评估了其性能,成果表明在不使用任何外部数据的情况下,所提出的算法在各种缩放因子的测试数据集上,比当前的非 CNN 方法有了提高,并且在某些数据 - ACL论语义变化的线性性:利用动态图模型研究含义的变化
通过两种图形模型,本文研究语义变化,发现语义变化是线性的,发现了语义变化的两个新规律 / 假设。
- ICLRFractalNet:不含残差连接的超深度神经网络
本文提出一种基于自相似性的神经网络宏架构设计策略,生成结构准确的被截断的分形的深度网络,并与标准残差网络在 CIFAR 和 ImageNet 分类任务上表现相当好,实验证明残差表示可能不是极深度卷积神经网络成功的基础,而是在训练中能够从有效 - 基于组稀疏表示的图像恢复
本文提出一种基于组的稀疏表示方法(GSR),用于图像恢复,该方法使用具有相似结构的非局部图块作为基本单元,能同时在群域内实现本地稀疏性和非局部自相似性,并采用有效的自适应字典学习方法来提高计算效率和鲁棒性。实验表明,所提出的 GSR 模型比 - 散射矩在间歇过程分析中的应用
本文探讨了散射矩提供了随机过程的非参数模型,散射矩通过应用小波变换和非线性模量来计算随机变量的期望值,能够揭示多尺度过程的间歇性和自相似性属性,是数据生成模型的重要参数估计方式。