一种用于建模非结构化数据的连续卷积可训练滤波器
机器学习
2023-05-26 v3 数值分析
数值分析
摘要
卷积神经网络（CNN）是深度学习中最重要的架构之一。CNN 的基本构建模块是一个可训练滤波器，表示为离散网格，用于对离散输入数据执行卷积。在这项工作中，我们提出了一种连续版本的可训练卷积滤波器，也能够处理非结构化数据。这一新框架允许在离散域之外探索 CNN，将这一重要学习技术的使用扩展到更多复杂问题。我们的实验表明，连续滤波器可以达到与最先进的离散滤波器相当的精度，并且可以作为构建模块用于当前深度学习架构中，以解决具有非结构化域的问题。
引用
@article{arxiv.2210.13416,
title = {A Continuous Convolutional Trainable Filter for Modelling Unstructured Data},
author = {Dario Coscia and Laura Meneghetti and Nicola Demo and Giovanni Stabile and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2210.13416},
year = {2023}
}