Complex-Valued Neural Networks: A Comprehensive Survey【2022年复数网络综述】

论文可下载地址:(PDF) A Survey of Complex-Valued Neural Networks (researchgate.net)

DOI:10.1109/JAS.2022.105743

亮点

1. 讲述了为什么需要复数网络?【对于一些信号包含幅值和相位,如果使用实值网络进行处理就会增加参数的数据量,还会导致相位失真等问题】

2. 讲述了一些网络将输入的幅值和相位作为矩阵来处理的情况会出现的问题,以及一些混合使用复数和实数处理的网络。

3. 用表格给出了各个复数网络变体的优缺点和应用(点赞)

4. 在应用场景上 除了给出声音增强、风预测、图像分割和分类,还单独将MRI写出来(足可见发展的挺好),以及对生物神经领域发展做了诠释,作者也是很看好这个方向【Recently, the applications of CVNNs have become wider in the field of MRI signal processing [4],speech enhancement [5], wind prediction [6], image classification and segmentation [7], [8].】此外,尖峰【神经网络(SNN)也是一种生物学上合理的神经元模型,它利用生物神经系统中的信号(或尖峰)的时间来处理信息[206]。Spike-timing dependent plasticity (STDP)是SNN的一种常见学习规则,最近在复值神经元中得到了应用[207]。他们的提议使相集合的自发形成和溶解成为可能,这是Hopfield网络在生物学上合理扩展的一个重要特性。这一发现提示了在SNN中使用复数的可能性和有效性。因此,我们强烈鼓励探索这种生物学上合理的模型来解决更复杂的现实问题[208]-[220]。】

5. 复数网络最核心的挑战在于 学习算法、激活函数、BN,也就是神经网络的底层架构的探索,由于不能直接将实数网络的东西演化,而且应用场景不同,激活函数的选取也是有讲究。

MRI+复数网络

[28]M. A. Dedmari, S. Conjeti, S. Estrada, P. Ehses, T. Stöcker, and M. Reuter, “Complex fully convolutional neural networks for MR imagereconstruction,” in Machine Learning for Medical Image Reconstruction. Springer Int. Publishing, 2018, pp. 30–38.

[89]E. K. Cole, J. Pauly, and J. Cheng, “ Complex-valued convolutional neural networks for MRI reconstruction,” in Proc. 27th Annu. Meeting of ISMRM, Montreal, Canada, 2019, p. 4714.

[93]S. Wang, H. Cheng, L. Ying, T. Xiao, Z. Ke, H. Zheng, and D. Liang,“DeepcomplexMRI: Exploiting deep residual network for fast parallel MR imaging with complex convolution,” Magnetic Resonance Imaging, vol. 68, pp. 136–147, 2020.

[4]P. Virtue, S. X. Yu, and M. Lustig, “Better than real: Complex-valued
neural nets for mri fingerprinting,” in Proc. IEEE Int. Conf. Image
Processing, 2017, pp. 3953–3957.
[28] complex dense fully convolutional neural network (CDFNet)UNet + unrolled network
[89]Complex-­valued convolutionUNet + unrolled network

[93]DeepcomplexMRI

residual network
[4]Complex-valued neural nets for mri fingerprinting首个引入复数网络在MRI

  • 52
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
complex-valued neural networks: theories and applications》是一本介绍复数值神经网络理论和应用的电子书。该书首先介绍了复数值神经网络的基本概念和数学原理,包括复数的表示、运算规则和复数神经元的构建。然后详细阐述了复数值神经网络在信号处理、图像识别、自然语言处理等领域的应用,以及与实数值神经网络在性能上的比较和分析。 在理论方面,该书深入解释了复数值神经网络相较于实数值神经网络的优势和特点,如对非平稳信号的处理能力、对相位信息的敏感度等。同时,还介绍了复数值神经网络在频域特征提取、相位编码和解调等方面的重要性,以及复数值神经网络在复杂环境下的稳定性和鲁棒性。 在应用方面,该书涵盖了复数值神经网络在通信系统中的调制解调、自适应滤波和信道均衡等方面的应用,以及在图像处理中的相位提取、变换和压缩等应用,同时还介绍了复数值神经网络在自然语言处理中的词向量表示、语义分析和情感识别等应用。 总之,《complex-valued neural networks: theories and applications》是一本系统全面地介绍了复数值神经网络的理论和应用的电子书。这本书对于研究人员、工程师和学生都有很高的参考价值,可以帮助他们深入理解复数值神经网络的原理和方法,并且在实际应用中发挥其优势。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值