近日阅读这篇文章时发现有很多不好理解的地方,今天又看,大概明白了很多
- 输入是27维,输出是162维,缩放因子是0.14,我终于懂了为什么是0,14?
因为27/(27+162)=0.14。也就是说,计算问题时,他取了6阶基函数的大概1/7个子基函数(和2阶一样的数目),然后用这6阶基函数来算出估计的x‘,用这个x’作为输入,利用CNN,得到插值出来的剩下的那些x元素值,总的x应该是包括x和x’的。总的基函数的个数也应该是1/7+输出的6/7的;
- 关于他的naive我的一点判断
我觉得他的naive就是拿残缺的6阶基函数计算出来的x’,投射到CNN里面,映射出剩下的。我觉得这个必然不合理啊,都是残缺的了,算出来的何谈准确。但好像直接用2阶的去映射6阶的估计也映射不出来,毕竟前者和后者的基函数形态都不一样。
- 他的科研思路
应该是先用2阶的基函数的值去映射6阶的函数值,发现不对;
又用6阶的一部分去插值全部6阶的计算结果,这种是插值的应该好弄,但是结果还是不精确;
后来,就想到再用这个插值出来的结果,再进行迭代,最后得到准确的结果。(最后这点的具体实现还是不好确定)