https://blog.qife122.com/tags/%E5%B0%8F%E6%B3%A2%E5%8F%98%E6%8D%A2/ Recent content in 小波变换 on 办公AI智能小助手 Hugo zh-cn qife Mon, 08 Sep 2025 11:34:01 +0800 https://blog.qife122.com/p/%E5%9B%BE%E4%BF%A1%E5%8F%B7%E5%B0%8F%E6%B3%A2%E9%80%BB%E8%BE%91%E7%9A%84%E7%AC%A6%E5%8F%B7%E6%8E%A8%E7%90%86%E6%96%B0%E6%A1%86%E6%9E%B6/ Mon, 08 Sep 2025 11:34:01 +0800 https://blog.qife122.com/p/%E5%9B%BE%E4%BF%A1%E5%8F%B7%E5%B0%8F%E6%B3%A2%E9%80%BB%E8%BE%91%E7%9A%84%E7%AC%A6%E5%8F%B7%E6%8E%A8%E7%90%86%E6%96%B0%E6%A1%86%E6%9E%B6/ <h2 id="摘要">摘要</h2> <p>提出完全非神经学习的框架，基于图拉普拉斯小波变换（GLWT）。与传统依赖卷积、循环或注意力神经网络的架构不同，该模型纯粹在图谱域中运行，使用结构化多尺度滤波、非线性收缩和小波系数的符号逻辑。定义在图节点上的信号通过GLWT分解，经过可解释的非线性调制，并重新组合用于下游任务（如去噪和标记分类）。系统通过图小波激活的符号领域特定语言（DSL）支持组合推理。在合成图去噪和语言标记图上的实验证明，与轻量级GNN相比具有竞争性能，且透明度和效率更高。这项工作为图学习提供了一个原则性、可解释且资源高效的深度神经架构替代方案。</p>