跨域泛化
同时利用傅里叶变换的幅度和相位谱，在训练和测试阶段都减少领域差距，提升模型对未见领域的泛化能力。
Li, Jingwei · Yuan-Yuan, Li · 谭杰 · 刘承宝
Neural Networks 2024
通过域内幅度分布校正规范每个源域的幅度，避免训练过程中的不稳定因素。
利用测试样本更新幅度原型，在推理阶段拉近源域与目标域的距离。
在相位分量上添加随机对称扰动，强迫模型关注相位中的领域无关特征，提升鲁棒性。