fast Fourier transform
PulseAugur coverage of fast Fourier transform — every cluster mentioning fast Fourier transform across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
贝叶斯优化框架增强了材料科学中遗传算法超参数的调优
研究人员开发了一个多保真度框架，用于优化晶格材料设计的遗传算法 (GA) 超参数。该框架在贝叶斯优化 (BO) 方法中结合了高保真度快速傅里叶变换 (FFT) 均质化、中保真度 3D 卷积神经网络和低保真度高斯过程。研究发现，logNEI 采集函数最有效，而惩罚性 BO 目标在保持性能的同时减少了所需晶格的数量。这种优化方法在 25 代 GA 运行中实现了与完整 75 代运行相当的弹性模量值，将计算成本降低了 24%，并消除了对晶格突变的需求。
-
新的Wigner--Ville谱方法改进了电网异常检测
一篇新研究论文提出使用Wigner--Ville分布切片（WVDS）谱进行电网异常检测。该方法实时分析电压波形，旨在识别发生的扰动。与传统的快速傅里叶变换（FFT）方法相比，WVDS方法结合基线归一化偏差得分，显示出更低的误报率，将发病前误报率降低至0.69%。虽然WVDS的选择性更强，但它也比FFT错过了更多的异常。
-
神经形态神经元增强雷达信号处理
研究人员为调频连续波（FMCW）雷达系统开发了一种新颖的受神经形态启发的信号处理技术。该方法利用自适应谐振激发神经元，通过匹配主导频率分量直接估计目标距离和速度，绕过了传统的快速傅里叶变换（FFT）方法。该方法逐样本运行，大大降低了内存需求，使其能够根据跟踪目标的数量而不是信号长度进行扩展，非常适合资源受限的边缘应用。
-
FFT 算法与处理序列数据的新方法进行基准测试
本文将快速傅里叶变换 (FFT) 算法与一种新颖的序列数据处理方法进行了基准测试。作者详细介绍了一个旨在支持日语学习者的项目，并提出了 FFT 方法在该领域的潜在应用。文章探讨了这些不同计算技术的性能和效率。
-
SFHformer 结合 FFT 和 Transformer 实现高级图像恢复
研究人员开发了 SFHformer，一个将快速傅里叶变换 (FFT) 与 Transformer 架构相结合的新型图像恢复框架。该方法利用空间域和频率域来建模局部和全局图像特征，解决了各种退化现象的挑战。该框架在多个数据集上针对去雨、去雾、去模糊和低光增强等任务展示了最先进的性能，在性能、参数量和计算成本之间取得了良好的平衡。
-
新方法使用FFT插值在没有矩阵求逆的情况下解决最小问题
研究人员开发了一种新颖的方法来解决相机几何估计中的最小问题，该方法避免了矩阵求逆。这种新方法利用稀疏隐藏变量结果式，并通过逆快速傅里叶变换插值来重建行列式多项式。与传统的Gröbner基求解器相比，该方法在数值稳定性和运行时性能方面表现出色，为小规模问题提供了一个实用的替代方案。
-
Caracal架构使用傅里叶变换实现高效长序列建模
研究人员推出了Caracal，这是一种旨在提高大型语言模型处理长序列可扩展性的新架构。Caracal用参数高效的多头傅里叶模块取代了计算成本高昂的注意力机制，该模块利用了快速傅里叶变换。这种方法通过解决二次成本和位置编码的限制，为长序列建模提供了一条更有效的途径，同时通过标准库运算符保持了可移植性。