基于Hamilton-Jacobi方程的深度学习逆问题方法

Research Paper#Inverse Problems, Deep Learning, Proximal Operators, Hamilton-Jacobi Equations🔬 Research|分析: 2026年1月3日 16:00•
发布: 2025年12月29日 19:50
•
1分で読める
•ArXiv

分析

本文提出了一种新的深度学习方法，通过利用近端算子和Hamilton-Jacobi偏微分方程（HJ PDE）之间的联系来解决逆问题。关键创新在于直接学习先验，避免了训练后进行反演的需求，这是现有方法中的一个常见挑战。本文的重要性在于它有可能提高解决病态逆问题的效率和性能，特别是在高维设置中。
引用 / 来源
查看原文
"The paper proposes to leverage connections between proximal operators and Hamilton-Jacobi partial differential equations (HJ PDEs) to develop novel deep learning architectures for learning the prior."
A
ArXiv2025年12月29日 19:50
* 根据版权法第32条进行合法引用。
较旧

OpenAI Codex

较新

OpenAI drops ban on military tools to partner with The Pentagon

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv