使用复数莱默变换的高效可解释神经网络

本研究解决了神经网络中可解释性不足的问题，提出了一种新的激活函数——加权莱默变换，使特征选择更加自适应，并拓展至复数领域，从而捕捉数据中的相位敏感性和层次关系。研究表明，该模型在保持高效性的同时，显著提高了可解释性，能在基准数据集上实现竞争性的准确性，展示出在建模非线性交互方面的潜在影响。