研究提出可学习谱激活LSA方法

Tamir Shor、Or Litany 和 Alex Bronstein 提出可学习谱激活（LSA），用残差截断傅里叶级数替换隐式神经表示中固定的神经元级非线性。谐波幅度在训练中学习；线性权重负责特征选择、激活系数负责频谱塑形，两者由独立梯度更新。研究者称，这一分解使更多目标信号能量集中于神经正切核的主导特征模，在音频、图像、神经辐射场和神经声场任务上均提升了重建质量。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。