論文の概要: A Hybrid Scattering Transform for Signals with Isolated Singularities

• arxiv url: http://arxiv.org/abs/2110.04910v1
• Date: Sun, 10 Oct 2021 21:40:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 20:54:44.540377
• Title: A Hybrid Scattering Transform for Signals with Isolated Singularities
• Title（参考訳）: 孤立特異性を持つ信号に対するハイブリッド散乱変換
• Authors: Michael Perlmutter and Jieqian He and Mark Iwen and Matthew Hirn
• Abstract要約: 散乱変換は、S. Mallatが最初に導入した畳み込みニューラルネットワークのウェーブレットモデルである。 我々の目標は、ネットワークの後半層でどんなフィルターを使うべきかを理解することです。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The scattering transform is a wavelet-based model of Convolutional Neural Networks originally introduced by S. Mallat. Mallat's analysis shows that this network has desirable stability and invariance guarantees and therefore helps explain the observation that the filters learned by early layers of a Convolutional Neural Network typically resemble wavelets. Our aim is to understand what sort of filters should be used in the later layers of the network. Towards this end, we propose a two-layer hybrid scattering transform. In our first layer, we convolve the input signal with a wavelet filter transform to promote sparsity, and, in the second layer, we convolve with a Gabor filter to leverage the sparsity created by the first layer. We show that these measurements characterize information about signals with isolated singularities. We also show that the Gabor measurements used in the second layer can be used to synthesize sparse signals such as those produced by the first layer.
• Abstract（参考訳）: 散乱変換は、S. Mallatが最初に導入した畳み込みニューラルネットワークのウェーブレットモデルである。 Mallat氏の分析は、このネットワークが望ましい安定性と不変性を持つことを示しているため、畳み込みニューラルネットワークの初期層で学習されたフィルタは、一般的にウェーブレットに似ているという観察に役立つ。 我々の目標は、ネットワークの後半層でどんなフィルターを使うべきかを理解することです。 この目的に向けて,二層ハイブリッド散乱変換を提案する。 第1層では入力信号をウェーブレットフィルタ変換で畳み込み,第2層ではgaborフィルタを畳み込み,第1層によって生成されたスパーシティを活用する。 これらの測定は孤立特異点を持つ信号に関する情報を特徴付ける。 また,第2層で用いられるgabor測定により,第1層で生成されたようなスパース信号を合成できることを示した。

関連論文リスト

• A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
  既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。 本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
  論文  参考訳（メタデータ） (2024-08-31T10:03:19Z)
• On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
  我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。 我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
  論文  参考訳（メタデータ） (2022-05-18T16:57:10Z)
• Trainable Wavelet Neural Network for Non-Stationary Signals [0.0]
  本研究は,非定常信号に適合するフィルタバンクを学習するためのウェーブレットニューラルネットワークを導入し,デジタル信号処理の解釈性と性能を向上させる。 このネットワークは、複雑なモレットウェーブレットのパラメータ化関数である畳み込みがニューラルネットワークの第1層としてウェーブレット変換を使用する。
  論文  参考訳（メタデータ） (2022-05-06T16:41:27Z)
• Monogenic Wavelet Scattering Network for Texture Image Classification [1.2183405753834562]
  2次元テクスチャ画像分類のための新しいモノニックウェーブレット散乱ネットワーク(MWSN)を提案する。 我々のMWSNは、解釈可能な係数で有用な階層的・方向的特徴を抽出できる。 CUReTテクスチャ画像データベースを用いて,標準STNよりもMWSNの方が優れた性能を示す。
  論文  参考訳（メタデータ） (2022-02-25T04:20:16Z)
• The Sample Complexity of One-Hidden-Layer Neural Networks [57.6421258363243]
  本研究では,スカラー値を持つ一層ネットワークのクラスとユークリッドノルムで有界な入力について検討する。 隠蔽層重み行列のスペクトルノルムの制御は、一様収束を保証するには不十分であることを示す。 スペクトルノルム制御が十分であることを示す2つの重要な設定を解析する。
  論文  参考訳（メタデータ） (2022-02-13T07:12:02Z)
• Video Super-Resolution Transformer [85.11270760456826]
  ビデオ超解像(VSR)は、高解像度映像を対応する低解像度バージョンから復元することを目的としており、時空間シーケンス予測問題である。 近年,シークエンス・ツー・シーケンス・モデリングの並列計算能力により,Transformerが人気を集めている。 本稿では,空間的・時間的畳み込み型自己認識層を理論的に理解し,局所性情報を活用する。
  論文  参考訳（メタデータ） (2021-06-12T20:00:32Z)
• Finite Impulse Response Filters for Simplicial Complexes [34.47138649437185]
  ホッジラプラシアンに基づく有限インパルス応答フィルタを提案する。 簡単な信号のスペクトル成分を増幅または減衰するために,このフィルタを設計する方法を示す。 数値実験により, サブコンポーネント抽出, 分節化, モデル近似のための簡易フィルタの可能性を示す。
  論文  参考訳（メタデータ） (2021-03-23T14:41:45Z)
• Uncertainty Propagation in Convolutional Neural Networks: Technical Report [13.224071661974593]
  畳み込みニューラルネットワーク(CNN)の典型的な構成ブロックによる不確実性の伝播問題について検討する。 これには線形演算を行うレイヤや、Rectified Linear Unit (ReLU)のような入力に対して非線形に作用するレイヤが含まれる。
  論文  参考訳（メタデータ） (2021-02-11T15:17:46Z)
• Deoscillated Graph Collaborative Filtering [74.55967586618287]
  協調フィルタリング(CF)信号は、ユーザとアイテムの埋め込みを学習するRecommender System(RS)モデルにとって不可欠である。 最近のグラフニューラルネットワーク(GNN)では、複数の集約層を積み重ねて高次信号の伝搬を提案する。 textbfDeoscillated textbfGraph textbfCollaborative textbfFiltering(DGCF)という新しいRSモデルを提案する。
  論文  参考訳（メタデータ） (2020-11-04T02:26:53Z)
• Noise Homogenization via Multi-Channel Wavelet Filtering for High-Fidelity Sample Generation in GANs [47.92719758687014]
  GAN(Generative Adversarial Networks)のための新しいマルチチャネルウェーブレットに基づくフィルタリング手法を提案する。 ジェネレータにウェーブレットのデコンボリューション層を埋め込むと、結果のGANであるWaveletGANがウェーブレットのデコンボリューションを利用して複数のチャネルによるフィルタリングを学習する。 オープンGANベンチマークツールを用いて,Fashion-MNIST,KMNIST,SVHNデータセットのベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2020-05-14T03:40:11Z)
• One or Two Components? The Scattering Transform Answers [17.026628650481168]
  2次ノードの再正規化は、2つの隣り合うコンポーネントが精神音響的に干渉するかどうかを評価するための簡単な数値的基準を与えることを示す。 我々は「1つまたは2つの成分」の枠組みを3つ以上の正弦波に一般化し、フーリエ級数の有効散乱深さがその帯域幅に比例して対数的に大きくなることを証明した。
  論文  参考訳（メタデータ） (2020-03-02T17:15:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。