arXiv 机器学习· Charalampos Davalas, Georgios Levantinos, Anastasios Dimitriou, Nikolaos Papanikolaou, Georgios Th. Papadopoulos, Dimitrios Michail·· 6 小时前AI 评分29
面向多领域拉曼光谱的物理感知自监督预训练
Physics-Aware Self-Supervised Pretraining on Multi-Domain Raman Spectra
AI 导读
研究人员提出了一种基于掩码自编码器（MAE）的多领域自监督学习框架，用于从生物、化学、法医和材料等异构数据集中学习可迁移的拉曼光谱表征。该预训练策略结合了掩码强度重构、稀疏 Voigt 曲线解码器物理感知目标以及去噪目标，有效建模峰位、峰宽与振幅等结构并增强鲁棒性。实验表明，该自监督预训练在有限标注数据的复杂任务中收益显著，且增益随编码器容量增大而更明显。
来源：arXiv 机器学习 · arxiv.org