光谱分析相关 AI 资讯 · AITOP · AI热报

8月28日

19:10

19:10

官方账号arXiv cs.LG@Hai-tao Yu, Nan Min, Zheng Fang, Hongyu Zhan, Yusen Tan, Yuhan Wang, Jun Xia

精选73°

MM-Spectrum 是一种稀疏 MoE 框架，专为多模态多光谱光谱到结构解析设计。该框架引入了显式模态感知路由机制，结合共享和交互专家，以及异构专家容量。在完整模态、双模态和缺失模态设置下，MM-Spectrum 在分子结构解析任务中取得了一致的显著改进。

论文 MM-Spectrum MoE 多模态

推荐理由：研究人员提出 MM-Spectrum 框架，解决了多光谱信号异质性问题，在分子结构解析任务中表现优异。

7月29日

09:22

09:22

官方账号arXiv cs.LG@Dário Passos

论文在25个近红外回归任务上测试了光谱数据属性（熵、内在秩、小波能量支撑比等）能否为CNN设计提供经验先验。使用两种可解释1D-CNN框架，通过5折交叉验证贝叶斯超参数优化（HPO）发现：最小CNN中最佳卷积核分数随光谱熵和内在秩降低、随小波能量支撑比升高，学习率随训练集大小降低。直接和留一数据集验证的中位测试RMSE比分别为0.953和1.017，接近HPO性能。单独实验中联合预处理和CNN HPO在19/25任务上优于标准化光谱HPO。

论文 CNN NIR 化学计量学

推荐理由：这篇论文告诉你，不用盲目调参：用光谱的熵、相关性等指标就能提前猜出CNN该设多大卷积核、多少学习率，省掉一堆试错时间。