Conv1d
PulseAugur coverage of Conv1d — every cluster mentioning Conv1d across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
机器人姿态控制的神经网络基准测试 · arXiv论文
一篇新的arXiv论文对十八种神经网络架构在机器人控制中的时间模式识别和动态手臂姿态速度估计进行了基准测试。研究发现，BiGRU、TCN、Conv1D和GRUReLU在十个抽象序列任务中始终表现最佳。这些表现最佳的模型，每个参数少于2000个，随后被应用于实际机器人问题，在从OpenPose捕获的骨骼关键点序列估计姿态执行速度方面取得了低错误率。
-
Qualcomm SoC：测量音频AI的STFT计算路径
本文探讨了在Qualcomm片上系统（SoC）上计算短时傅里叶变换（STFT）的五种不同方法，特别关注Snapdragon SM8650。文章详细介绍了使用CPU、专用数字信号处理器（cDSP）和神经网络处理单元（NPU）的实现方式，并测量了每种方法的精度、延迟和功耗。研究结果表明，最佳方法取决于下游音频AI管道的具体需求，而不是单一的普遍最佳方法。
-
Transformer 模型从稀疏输入重建音频空间化数据
研究人员开发了 HRIR-Former，这是一种新颖的时域 Transformer 模型，旨在从稀疏测量中重建任意方向的头部相关脉冲响应 (HRIR)。与通常在频域操作或依赖最小相位假设的先前方法不同，HRIR-Former 直接在时域中重建 HRIR，避免了潜在的时间保真度和空间连续性下降。该模型结合了正弦空间特征、Conv1D 精炼模块以及用于双耳时间差和水平差的辅助头，在 SONICOM 数据集上的性能优于现有技术。
-
EEG基础模型跨架构和任务进行基准测试
研究人员对EEG基础模型的通道适应性方法进行了系统性基准测试，评估了五种模型、五个任务和两种训练制度下的四种技术。研究发现，最佳适应方法取决于具体的模型架构。值得注意的是，一个拥有500万参数的小型模型CBraMod，在大多数数据集上的表现与多达31倍大的模型相当甚至更优。