逆問題における2レベルデータ駆動学習の一貫性解析【JST・京大機械翻訳】

Chada Neil K.; Schillings Claudia; Tong Xin T.; Weissmann Simon

プレプリント

J-GLOBAL ID：202202200141815699 整理番号：21P0038512

逆問題における2レベルデータ駆動学習の一貫性解析【JST・京大機械翻訳】

Consistency analysis of bilevel data-driven learning in inverse problems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年07月06日プレプリントサーバーでの情報更新日： 2021年01月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

逆問題を解くときの1つの基本的問題は,正則化パラメータを見つける方法である。本論文では,データ駆動バイレベル最適化,即ち,最適化によるデータから正則化パラメータの適応学習を考慮した,この問題の解決を考察した。このアプローチは経験的リスク最小化問題を解くと解釈でき,一般的非線形問題に対する大きなデータサンプルサイズ限界におけるその性能を解析した。逆精度が環境空間次元に依存しないことを示した線形逆問題に関するフレームワークを実装する方法を示した。関連する計算コストを減らすために,確率的勾配降下法を用いてオンライン数値スキームを導いた。フォワード問題に関する適切な仮定の下で,これらの数値スキームの収束を証明した。数値実験を行い,理論結果を示し,Darcy流,アイコナール方程式,および画像雑音除去例を含む,様々な線形および非線形逆問題に対する提案した方法の適用性と効率を実証した。【JST・京大機械翻訳】

, , , , ,
, , , , , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能

, , ,

前のページに戻る