CoSeNet：一种用于相关矩阵最优分割的新方法
机器学习
2025-12-25 v1
摘要
在本文中，我们提出了一种在含噪相关矩阵中最优识别相关片段的新方法。所提出的模型被称为CoSeNet（相关分割网络），它基于一个四层算法架构，包括多个处理层：输入层、格式化层、重缩放层和分割层。所提出的模型能够有效识别此类矩阵中的相关片段，优于以往解决类似问题的方法。在内部，所提出的模型利用了一种重叠技术，并使用了预训练的机器学习（ML）算法，这使其具有鲁棒性和泛化能力。CoSeNet方法还包含一种使用启发式算法和基于窗口差异度量的适应度来优化重缩放层参数的方法。该模型的输出是一个表示最优分割的无噪声二值矩阵及其分割点，可用于多种应用，在所提出的部署模型的效率、内存和速度之间获得折衷解决方案。
引用
@article{arxiv.2512.21000,
title = {CoSeNet: A Novel Approach for Optimal Segmentation of Correlation Matrices},
author = {Alberto. Palomo-Alonso and David Casillas-Perez and Silvia Jimenez-Fernandez and Antonio Portilla-Figueras and Sancho Salcedo-Sanz},
journal= {arXiv preprint arXiv:2512.21000},
year = {2025}
}