PulseAugur
中
实时 09:16:19
English(EN) JA-SIREN: Deterministic Initialization for Sinusoidal Networks via Spectral Matching

JA-SIREN 为神经网络提供确定性初始化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 JA-SIREN，一种用于隐式神经网络的正弦网络的新的确定性初始化方法。该方法解决了现有方法中随机初始化导致的性能不一致问题。通过采用谱分析和 Jacobi-Anger 展开，JA-SIREN 在分析上将网络的初始谱响应与目标信号进行匹配，消除了对随机种子和超参数调整的需求。这显著提高了图像回归性能，并保证了运行结果的可复现性。 AI

影响 通过为隐式神经网络提供一致的结果，增强了科学计算和模拟的可复现性。

排序理由 该集群包含一篇详细介绍神经网络初始化新方法的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Mohammed Alsakabi, Kejia Hu, John M. Dolan, Ozan K. Tonguz ·

    JA-SIREN：通过频谱匹配实现正弦网络的确定性初始化

    arXiv:2606.06671v1 Announce Type: new Abstract: Existing implicit neural representation (INR) approaches suffer from stochastic initialization that does not guarantee consistent or high-quality performance across runs, with variations reaching more than 2.5 dB (78%) in image regr…

相关话题