抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
変分法は画像における線形逆問題を解くための最も強力なツールであったが,深い(畳込み)ニューラルネットワークは,最近多くの挑戦的なベンチマーク中の鉛を採用した。深い学習アプローチの残りの欠点は,特定の問題,雑音レベル,雑音型,忠実度変化の測定はいつでも,高価な再訓練の必要条件である。これに反して,それらは通常別々のデータ忠実度と正則化項から構成されているとして変分法はプラグ・アンド・プレイ性質を持っている。本論文では,多くの凸エネルギー最小化アルゴリズムで用いられる正則化の近位演算子を置換雑音除去ニューラルネットワークの可能性を調べた。後者は,前の陰的自然画像として作用し,一方,データ項は独立に選ぶことができる。異なるぼけカーネルと画像デモザイキングによる画像デコンボリューションの典型的問題における固定雑音除去ニューラルネットワークを用いて,最先端の再構成の結果を得た。これらは提案手法の高い一般化可能性とproblemspecific訓練の必要性の減少を示した。,ネットワークを組み込むに可能な最適化アルゴリズムの解析だけでなく,アルゴリズムパラメータの選択とニューラルネットワークを訓練にある騒音レベルとの関係に関する新しい結果を議論した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】