XiaoMi-AI文件搜索系统
World File Search System正使
基于图像的波前校正使用无模型的增强学习
摘要：光学畸变阻止望远镜达到其理论衍射极限。一旦估计，这些畸变就可以通过在闭环中使用可变形的镜子进行补偿。焦平面波传感可以直接从科学传感器拍摄的图像中估算完整光路的畸变。但是，当前的局灶性平面波前传感方法依赖于物理模型的物理模型，这些模型可能会限制校正的整体性能。这项研究的目的是使用无模型的增强学习来开发一种数据驱动的方法，以自动执行对像差的估计和校正，仅使用围绕焦平面围绕焦平面作为输入而获得的相位多样性图像。我们在加强学习的框架内提出校正问题，并在模拟数据上培训代理。我们表明该方法能够可靠地学习各种现实条件的有效控制策略。我们的方法还证明了对广泛的噪声水平的鲁棒性。
正在进行的脑电图矫正使用盲源分离Nicole Ille A，*，Yoshiaki Nakao B，Yano Shumpei B，Toshiyuki Taura B，Arndt Ebert A
在过去的几年中，已经描述了许多方法，以减少伪影污染，同时试图保留大多数大脑活动，即使这与伪影活动相关。自从引入眼部伪影校正的ICA以来，大量已发表的方法基于盲源分离（BSS）或独立组件分析（ICA）（Vigário，1997; Jung et al。，1998）。Other successful approaches use for example spatial filters modelling artifact and brain activity (Berg and Scherg, 1991, 1994; Ille et al., 1997, 2002), spatially constrained ICA (SCICA) (Ille, 2001; Ille et al., 2001; Hesse and James, 2006), or hybrid approaches like BSS/ICA in combination with wavelet transformation (WT) (Castellanos and Makarov，2006年； Mammone等，2012年；有关脑电图删除方法的全面审查，请参见Kaya（2022），Urigüen和Garcia-Zapirain（2015），Islam等。（2016）。