多分辨率卷积自编码器
机器学习
2020-04-13 v1 数值分析
图像与视频处理
数值分析
机器学习
摘要
我们提出一种多分辨率卷积自编码器(MrCAE)架构，其集成并利用了三种极为成功的数学架构：(i)多重网格法，(ii)卷积自编码器与(iii)迁移学习。该方法提供了一种自适应、分层的架构，可充分利用针对多尺度时空数据的渐进式训练方法。该框架允许跨多尺度的输入：从紧凑（少量权重）的网络架构与低分辨率数据出发，我们的网络以原则性方式逐步加深加宽，基于其当前重构性能对更高分辨率数据中的新信息进行编码。应用基础迁移学习技术以确保先前训练步骤所学信息可快速迁移至更大的网络。因此，网络可在不同深度动态捕获不同尺度的特征。该自适应多尺度架构的性能提升通过一系列合成样例与真实世界时空数据的数值实验得以展示。
引用
@article{arxiv.2004.04946,
title = {Multiresolution Convolutional Autoencoders},
author = {Yuying Liu and Colin Ponce and Steven L. Brunton and J. Nathan Kutz},
journal= {arXiv preprint arXiv:2004.04946},
year = {2020}
}
备注
20 pages, 11 figures