- 博客(1)
- 收藏
- 关注
转载 深度学习笔记:深度残差收缩网络的噪声特征去除方式
软阈值化是将接近于0的特征置为0。 但是,如果接近于0的特征是有用特征,这该怎么办呢? 我们看传统的小波降噪是怎么办的?通过小波变换,在变换形式里,使得接近于0的特征是噪声特征,并且使有用特征的幅值较大。 小波变换为什么能够提高有用特征的幅值、降低噪声特征的幅值呢?这就需要去学小波了。 如何确保小波变换能够达到这个效果呢?我们需要精心设计【小波函数】。但是这很难。 小波变换的本质是卷积,这与卷积层类似。卷积这种运算本身就具备提高有用特征幅值、降低噪声特征幅值的潜力。 在深度...
2022-01-11 16:10:19
515
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人