BriefGPT - AI 论文速递
·
基于深度学习的人工傅立叶变换（AFT-Net）MRI 重建
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的深度学习架构，用于处理自然复数数据。该架构利用极径形式将每个样本视为复数空间中的一个领域，并设计了相应的卷积算子和全连接层算子。与基于实数神经网络的方法相比，该方法在MSTAR和RadioML复数数据集上表现出色。
🎯
关键要点
- 提出了一种新的深度学习架构用于自然复数数据。
- 利用极径形式将每个样本视为复数空间中的一个领域。
- 设计了基于 Riemannian 流形上加权 Frechet 平均的卷积算子。
- 设计了基于距离到 wFM 的全连接层算子。
- 该方法具有非零缩放和平面旋转下的自然等变性及不变性。
- 与基于实数神经网络的两通道实数表示法相比，表现出色。
- 在 MSTAR 和 RadioML 复数数据集上均获得了优异的结果。
➡️
