WEANet:通过网络参数初始化来缓解小波归纳偏差,用于时间序列建模

《Neural Networks》:WEANet: Bridging Wavelet Inductive Bias with Network Parameter Initialization for Time Series Modeling

【字体: 大 中 小 】 时间:2026年05月13日 来源:Neural Networks 6.3

编辑推荐:

  赵阳|张新文|李志豪|陈亚坤|郭忠文•我们提出了一种用于时间序列深度学习模型的新颖初始化方法。•小波理论被作为归纳偏差嵌入到卷积核中。•采用双目标损失函数进行训练,并通过重建机制防止过拟合。•WEANet在分类和预测任务上取得了领先的结果。•该架构可作为Transformer的优

  
赵阳|张新文|李志豪|陈亚坤|郭忠文
  • •
    我们提出了一种用于时间序列深度学习模型的新颖初始化方法。
  • •
    小波理论被作为归纳偏差嵌入到卷积核中。
  • •
    采用双目标损失函数进行训练,并通过重建机制防止过拟合。
  • •
    WEANet在分类和预测任务上取得了领先的结果。
  • •
    该架构可作为Transformer的优质即插即用分词器。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号