共计 541 个字符，预计需要花费 2 分钟才能阅读完成。
深度残差收缩网络（Deep Residual Shrinkage Network，DRSN）是深度残差网络 (Deep Residual Network, ResNet) 的一个变种，集成了 Squeeze-and-Excitation Network(SENet)的注意力机制模块和软阈值化，面向的是强噪声情况下的特征学习问题。接下来，结合一些图片，简要地介绍一下深度残差收缩网络的网络结构。
首先来看ResNet的基本模块：
然后来看SENet的基本模块。相较于ResNet，SENet的基本模块增加了一个子网络，用来学习一组权重，对特征图的不同通道进行加权：
接下来看深度残差收缩网络的基本模块。子网络学习得到了一组阈值，用于特征图的软阈值化：
最后是深度残差网络的整体结构，与一般的ResNet是相同的：
M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep Residual Shrinkage Networks for Fault Diagnosis, IEEE Transactions on Industrial Informatics, 2019, DOI: 10.1109/TII.2019.2943898
https://ieeexplore.ieee.org/document/8850096
正文完
