卷积滤波与整流：一个受物理学启发的模型
Research Paper#Convolutional Neural Networks (CNNs), Physics-Inspired Models🔬 Research|分析: 2026年1月3日 15:37•
发布: 2025年12月30日 16:44
•1分で読める
•ArXiv分析
本文通过借鉴物理学，特别是狭义相对论和量子力学的概念，引入了一种理解卷积神经网络（CNN）的新视角。核心思想是使用偶数和奇数分量对内核行为进行建模，并将它们与能量和动量联系起来。这种方法提供了一种潜在的新方法来分析和解释CNN的内部运作，特别是它们内部的信息流。使用离散余弦变换（DCT）进行频谱分析以及关注DC和梯度分量等基本模式也很有趣。本文的意义在于它试图弥合抽象的CNN操作与已建立的物理原理之间的差距，这可能导致对CNN的新见解和设计原则。