IAE-Net：用于离散化不变学习的积分自编码器
机器学习
2022-09-07 v3 数值分析
数值分析
摘要
离散化不变学习旨在无限维函数空间中进行学习，使学习模型能够处理函数的异构离散表示作为输入和/或输出。本文提出一种基于积分自编码器（IAE-Net）的用于离散化不变学习的新型深度学习框架。IAE-Net 的基本构建模块由一个编码器和一个解码器组成，二者为带有数据驱动核的积分变换，以及位于编码器与解码器之间的全连接神经网络。该基本构建模块以并行方式应用于宽泛的多通道结构中，并重复组合形成具有跳跃连接的深度稠密连接神经网络，即 IAE-Net。IAE-Net 采用随机化数据增强进行训练，该增强生成具有异构结构的训练数据，以促进离散化不变学习的性能。所提出的 IAE-Net 在预测性数据科学、科学计算中的正问题与反问题求解以及信号/图像处理等多种应用中进行了测试。与文献中的替代方法相比，IAE-Net 在现有应用中达到了最先进的性能，并开创了大量新应用。
引用
@article{arxiv.2203.05142,
title = {IAE-Net: Integral Autoencoders for Discretization-Invariant Learning},
author = {Yong Zheng Ong and Zuowei Shen and Haizhao Yang},
journal= {arXiv preprint arXiv:2203.05142},
year = {2022}
}
备注
submitted to JMLR. revised version following review results