VNODE：分段连续 Volterra 神经网络
计算机视觉与模式识别
2025-09-30 v1 人工智能
摘要
本文提出了 Volterra 神经常微分方程（VNODE），这是一种分段连续的 Volterra 神经网络，将非线性 Volterra 滤波与连续时间神经常微分方程相结合用于图像分类。受视觉皮层中离散事件处理与连续积分交替进行的启发，VNODE 在离散 Volterra 特征提取与 ODE 驱动的状态演化之间交替进行。这种混合公式在捕获复杂模式的同时，所需的参数比传统深度架构少得多。VNODE 始终优于 state of the art 模型，且具有更好的计算复杂度，这在 CIFAR10 和 Imagenet1K 等基准数据集上得到了验证。
引用
@article{arxiv.2509.24659,
title = {VNODE: A Piecewise Continuous Volterra Neural Network},
author = {Siddharth Roheda and Aniruddha Bala and Rohit Chowdhury and Rohan Jaiswal},
journal= {arXiv preprint arXiv:2509.24659},
year = {2025}
}
备注
5 pages