ImageNet-1000

受物理启发的KSSE模型以更少参数实现88.93%的ImageNet准确率

研究人员开发了一种新颖的受物理启发的能量模型，称为Kohn-Sham谱嵌入（KSSE），用于图像分类。KSSE用在特定温度下评估的稀疏图谱嵌入取代了传统的卷积神经网络（CNN）。该方法利用了随机键Ising模型和随机矩阵理论的概念来优化图拓扑并分析分形学习景观。在ImageNet-1000上的实验中，KSSE取得了88.93%的Top-1准确率，并且参数数量远少于Swin-L和ViT-H/14等模型。