BriefGPT - AI 论文速递
·
TFDMNet：一种将时间域和频率域特征结合的新型网络结构
💡
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基于频域训练的元素逐位乘法层（EML），用于替代卷积层，并引入了权重固定机制以缓解过拟合问题。实验证明，TFDMNet 在 MNIST、CIFAR-10 和 ImageNet 数据库上具有更好的性能并且操作数更少。
🎯
关键要点
- 提出了一种新的基于频域训练的元素逐位乘法层（EML），用于替代卷积层。
- 引入了权重固定机制以缓解过拟合问题。
- 分析了批量归一化和丢弃机制在频域中的工作行为。
- 提出了一种新的网络结构，即时间频域混合网络（TFDMNet），结合了卷积层和 EML 的优势。
- 实验证明，TFDMNet 在 MNIST、CIFAR-10 和 ImageNet 数据库上具有更好的性能并且操作数更少。
➡️
