全息变压器用于复值信号处理：将相位干涉集成到自注意力中

于红博

摘要: 复杂值信号编码了幅度和相位，但大多数深度模型将注意力视为实值相关性，忽略了干扰效应。我们引入了全息变压器，这是一种受物理启发的架构，将波干涉原理融入到自注意力中。全息注意力通过相对相位调制交互作用，并相干叠加数值，确保振幅和相位之间的一致性。双头解码器同时重构输入并预测任务输出，防止损失优先考虑幅度而导致相位崩溃。我们证明全息注意力实现了离散干涉算子，并在线性混合下保持相位一致性。在PolSAR图像分类和无线信道预测的实验中表现出强大的性能，实现了高分类准确性和F1得分，低回归误差，以及对相位扰动的增强鲁棒性。这些结果突显了在注意力中强制物理一致性会带来在复值学习中的通用改进，并为一致信号建模提供了一个统一的、基于物理的框架。代码可在https://github.com/EonHao/Holographic-Transformers找到。

更新时间: 2025-10-30 03:42:04

领域: eess.SP,cs.AI,cs.LG

下载: http://arxiv.org/abs/2509.19331v2