# 离散变换

离散傅里叶变换、离散余弦变换等固定变换常用于机器学习特征提取，但选哪一种往往要先了解数据集性质，缺少这类知识时效果受限。自适应插值变换（AIT）把变换本身变成可学习参数，按数据集与任务学出数据驱动的映射。在ImageNet-2012与通用语言理解评估任务上，AIT增强的模型在从零训练和微调两种流程下都超过固定变换基线，视觉模型只增加九个参数，语言模型每个编码器层只增加三个参数。

离散傅里叶变换、离散余弦变换等固定变换常用于机器学习特征提取，但选哪一种往往要先了解数据集性质，缺少这类知识时效果受限。自适应插值变换（AIT）把变换本身变成可学习参数，按数据集与任务学出数据驱动的映射。在ImageNet-2012与通用语言理解评估任务上，AIT增强的模型在从零训练和微调两种流程下都超过固定变换基线，视觉模型只增加九个参数，语言模型每个编码器层只增加三个参数。