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。
過去数年は,逆問題を解くための深層学習ネットワークと最適化アルゴリズムの統合のまわりで,活動の急増が見られた。プラグアンドプレイの事前(PnP),雑音除去による正則化(RED),および深いアンフォールディングに関する最近の研究は,様々な応用におけるそのような統合の最先端の性能を示した。しかしながら,そのようなアルゴリズムを設計するための現在のパラダイムは,投影と近位演算子内の二次ノルムの使用のため,本質的にユークリッドである。著者らは,より一般的なBregman距離に基づく非ユークリッド設定を考慮することによって,この展望を広げることを提案する。RED(RED-BSD)のPnP(PnP-BPGM)とBregman Steepest Descent変異体の著者らの新しいBregman Proximal勾配法バリアントは,PnPとREDの従来の更新を二次ノルムからより一般的なBregman距離に置き換えた。PnP-BPGMの理論的収束結果を提示し,Poisson線形逆問題に対する著者らのアルゴリズムの有効性を実証した。【JST・京大機械翻訳】