单纯卷积网络的池化策略
信号处理
2022-10-12 v1 机器学习
摘要
本文的目标是引入单纯卷积神经网络的池化策略。受图池化方法的启发，我们提出了一个单纯池化层的通用公式，该层执行：i) 单纯信号的局部聚合；ii) 采样集的原理性选择；iii) 下采样和单纯拓扑自适应。然后，基于拓扑信号处理理论，将通用层定制为四种不同的池化策略（即最大池化、top-k、自注意力和分离top-k）。此外，我们在分层架构中利用所提出的层，在降低复杂度的同时以不同分辨率表示数据。在真实数据基准（即流和图分类）上的数值结果说明了所提出方法相对于现有技术的优势。
引用
@article{arxiv.2210.05490,
title = {Pooling Strategies for Simplicial Convolutional Networks},
author = {Domenico Mattia Cinque and Claudio Battiloro and Paolo Di Lorenzo},
journal= {arXiv preprint arXiv:2210.05490},
year = {2022}
}