.png){kind=icon}
返回
Semi-tensor product-based convolutional neural network
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-025-4734-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
半张量积（STP）向量的概念推广了传统的内积，能够实现不同维度向量间的代数运算。在此基础上，我们引入一种基于域的卷积积（CP），并将其与STP相结合，以构建无需填充的卷积运算。这一新运算本质上避免了零填充或其他人工填充，从而消除了传统卷积神经网络（CNNs）中常见的冗余信息和边界伪影。基于此运算，我们进一步开发了一种基于STP的CNN框架，将卷积计算扩展至不规则和跨维度的数据域。在图像处理和三阶信号识别中的应用表明，所提出的方法在处理不规则、不完整和高维数据时，无需填充即可避免由此产生的失真。
Keyword:
semi-tensor product
domain-based convolution
convolutional neural network
irregular image
higher-order signal identification
期刊
IF:
7.6
论文数:
4.9K
被引数:
8.9K
.png){kind=icon}
