复杂Transformer：一种建模复数值序列的框架

近年来，深度学习在多个领域受到广泛关注，但主流深度学习模型极少使用复数。然而，经过傅里叶变换后，语音、信号和音频数据天然具有复数值特性，已有研究表明，复数神经网络可能具备更丰富的表征能力。本文提出一种复数Transformer（Complex Transformer），以Transformer架构作为序列建模的骨干网络，并设计了适用于复数输入的注意力机制及编码器-解码器网络。该模型在MusicNet数据集和同相正交（In-phase Quadrature, IQ）信号数据集上均取得了当前最优的性能表现。