若何写人工智能方面的学术论文？_阈值_算法
个中，一种经典的把稳力机制算法是Squeeze-and-Excitation Network，它通过一个小型的子网络，自动得到一组权重，对各个特色通道进行加权。
其他大部分的把稳力机制算法，也都是特色加权的形式。
在数据含有较多噪声时，可以考虑把“特色加权”给换成“软阈值化”。软阈值化是旗子暗记降噪算法的常用步骤，其公式如下：
而且，软阈值化的梯度，要么为0，要么为1，这是和ReLU一样的，也有利于避免梯度消逝和爆炸：
深度残差紧缩网络便是一种“把稳力机制”+“软阈值化”的深度学习方法。
不仅如此，深度残差紧缩网络还设计了一个独特的子网络，来自动设置软阈值化所涉及的阈值。
末了，怎么写新论文呢？
——现在把稳力机制方面的算法那么多，可以把它们的特色加权，改换成软阈值化的形式，说不定在强噪数据上的表现会有所提升。
参考文献：
M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, vol. 16, no. 7, pp. 4681-4690, 2020. https://ieeexplore.ieee.org/document/8850096Github https://github.com/zhao62/Deep-Residual-Shrinkage-Networks本文系作者个人观点，不代表本站立场，转载请注明出处！
