.png){kind=icon}
返回
Optimal density functions for weighted convolution in learning models
.png){kind=icon}
OA
AI
DOI：10.1016/j.neucom.2026.133905.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们介绍了一种最优加权卷积，它应用密度函数来缩放像素贡献。
• 优化密度函数以提高学习模型的准确性。
• 最优加权卷积改善了图像去噪和分类问题。
Keyword:
Weighted convolution
Optimal density function
Optimisation model
Deep learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
暂无机构信息
引用论文
Analysis and comparison of high-performance computing solvers for minimisation problems in signal processing信号处理中用于最小化问题的高性能计算求解器的分析与比较.png)
IF0
PREAI
分享收藏Hyperparameter optimization in CNN for learning-centered emotion recognition for intelligent tutoring systemsSOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏Avoiding Overfitting: A Survey on Regularization Methods for Convolutional Neural Networks避免过拟合: 卷积神经网络正则化方法综述
OAAI
OAAI分享收藏
查看更多内容