傅里叶泛函网络

维度无关收敛

一种将傅里叶神经算子与深度卷积网络结合的功能数据学习网络，参数大幅减少，并在Korobov空间上实现与维度无关的近似收敛率。

Peilin, Liu · Yuqing, Liu · 周翔 · 周定轩

Neural Networks 2024

技术优势

收敛率与维度无关

近似误差的收敛率不随输入函数的维度增加而恶化，因此在高维场景下仍保持高效。

参数大幅减少

通过将傅里叶神经算子与深度卷积网络结合，网络参数数量大幅减少，从而降低存储和计算成本。

应用场景

• 功能数据分析：用于学习函数型输入到输出的映射，避免维数灾难。
• 高维函数近似：提供高维函数空间中与维度无关的逼近率，提升模型可扩展性。