PR-374: Fourier Features Let Networks Learn High-Frequency Functions in Low Dimensional Domains

(Korean) Introduction to Fourier Features Let Networks Learn High Frequency Functions in Low Dimensional Domains
Paper: arxiv.org/abs/2006.10739

[@user-vb4wd8uq6e]

감사합니다 유재준 교수님! 어려운 논문 너무 이해하기 쉽게 설명해주셔서.... ㅠ

[@Choikwangmin]

여윽시 유교수님 ㅋㅋ 재밌는 얘기들 많이 듣고 갑니다 ㅎㅎ

[@jaejunyoo]

ㅎㅎ 감사합니다 광민님 잘 지내시죠? ㅎㅎ

[@Choikwangmin]

@@jaejunyoo 넵 그럭저럭요 ㅎㅎ 다시 학생으로 돌아간다면 유교수님 학생이 되고싶군요 ㅋㅋ 종종 재밌는 얘기들 들려주세요 ㅎ 이번 리뷰도 유익했네요 ^^

[@Ethan-po8ji]

wow, though I can't understand what you are talking, still getting some useful information from your nicely done ppt

[@redpeppertunaattradersday1967]

유익한 영상 감사합니다!
논문 읽으면서 NTK 에 대해서도 어렴풋이 이해하고 있었는데 알기 쉽게 설명해주셔서 너무 좋네요 ㅎㅎ

[@jaejunyoo]

도움이 되셨다니 다행입니다.

[@gaspell]

fourier feature가 어떻게 high frequency 들에 잘 피팅되게 하는건가요?
그니까음 ntk 가 stationary 해지는 것과 high freq에 잘 피팅된다는 것 과 어떻게 연관이 있는 건가요???

[@mingyukim3857]

안녕하세요, 유교수님 김민규입니다. 요새 INRs 관련 연구들을 팔로우업 하고 있는데 너무 유익한 세미나 해주셔서 감사합니다~ 이에 더해 NTK를 이렇게 자연스럽게 설명해주실 수 있는 분도 어디있을까싶네요! 또 이렇게 도움받아 갑니다~

[@Choikwangmin]

문득 든 생각인데, 만약에 입력이 좌표가 아니라 이미지나 음성이라면, 입력 신호의 주파수를 변조해서 뉴럴넷의 입력으로 넣으면 신호를 복원할 때 효과가 있을까요? ㅎㅎ

[@jaejunyoo]

그렇게 하도록 한게 Fourier feature라고 생각하고 있긴 합니다 ㅎㅎ