机构名称：
¥ 4.0
逆问题（IP）自然出现在成像和信号处理中的各种应用中，包括Denoising，DeBluring，DeBluring，represolution，计算机视觉中的介绍，计算机断层扫描（CT），磁共振成像（MRI），POSITRONS SMOWHACHY（PET），电力障碍（Electical Inviceance Inbedance pointicance normaghice nor domain in n domain）。与传统的前进问题不同，他们遭受了所谓的不良性，即缺乏解决方案的存在，独特性或稳定性[27]。虽然可以通过放松逆问题并选择具有特定特性的解决方案来确保存在和唯一性，但实现稳定性的挑战就会带来更大的挑战。一种解决不良性的经典方法在于利用正规化功能来稳定重建过程。近年来，基于机器学习的重建算法已成为大多数成像应用中的最新技术[11，52]。在这些算法中，将生成模型与经典迭代方法（例如Landweber方案）相结合的算法非常有前途，因为它们保留了反问题理论提供的大多数解释性。然而，尽管数值结果令人印象深刻[19，66，10，39，61，12，38]，但尚未研究许多理论问题，例如，关于重建的稳定性属性。这项工作的主要贡献之一是显示Lipschitz
连续生成神经网络
主要关键词
相关文件推荐
