Arridge,S.R.:医学成像中的光学层析成像。反向探测。15(2), 41 (1999)
第条 数学科学网 数学 谷歌学者
Arridge,S.R.,Schotland,J.C.:光学层析成像:正问题和逆问题。反向探测。25(12) ,123010(2009年)
第条 数学科学网 数学 谷歌学者
Hansen,P.C.,Nagy,J.G.,O'leary,D.P.:去模糊图像:矩阵、光谱和滤波。SIAM,费城(2006)
书 数学 谷歌学者
Osher,S.,Burger,M.,Goldfarb,D.,Xu,J.,Yin,W.:基于全变量的图像恢复的迭代正则化方法。多尺度模型。模拟。4(2), 460–489 (2005)
第条 数学科学网 数学 谷歌学者
Bauschke,H.H.、Combettes,P.L.、Luke,D.R.:相位恢复、误差减少算法和场变量:凸优化观点。JOSA公司19(7), 1334–1345 (2002)
第条 数学科学网 谷歌学者
Candes,E.J.,Eldar,Y.C.,Strohmer,T.,Voroninski,V.:通过矩阵补全进行相位恢复。SIAM版本。57(2), 225–251 (2015)
第条 数学科学网 数学 谷歌学者
Fung,S.W.,Di,Z.W.:大规模心电相位恢复的多重网格优化。SIAM J.成像科学。13(1), 214–233 (2020)
第条 数学科学网 数学 谷歌学者
Bui-Thanh,T.,Ghattas,O.,Martin,J.,Stadler,G.:无限维贝叶斯反问题的计算框架第一部分:线性化情况,应用于全球地震反演。SIAM J.科学。计算。35(6), 2494–2523 (2013)
第条 数学科学网 数学 谷歌学者
Fung,S.W.,Ruthotto,L.:PDE参数估计中模型降阶的多尺度方法。J.计算。申请。数学。350, 19–34 (2019)
第条 数学科学网 数学 谷歌学者
Fung,S.W.,Ruthotto,L.:并行PDE参数估计的不确定性加权异步ADMM方法。SIAM J.科学。计算。41(5), 129–148 (2019)
第条 数学科学网 数学 谷歌学者
Haber,E.,Ascher,U.,Aruliah,D.,Oldenburg,D.:利用电势快速模拟三维电磁问题。J.计算。物理学。163(1), 150–171 (2000)
第条 数学 谷歌学者
Haber,E.,Ascher,U.M.,Oldenburg,D.W.:使用不精确的全向方法反演频域和时域中的三维电磁数据。地球物理学69(5), 1216–1228 (2004)
第条 谷歌学者
Kan,K.,Fung,S.W.,Ruthotto,L.:Pnkh-b:用于大规模有界约束优化的投影牛顿-克利洛夫方法。SIAM J.科学。计算。0, 704–726 (2021)
第条 数学 谷歌学者
Cucker,F.,Smale,S.:学习理论中正则化参数的最佳选择:关于偏方差问题。已找到。计算。数学。2(4), 413–428 (2002)
第条 数学科学网 数学 谷歌学者
Fung,S.W.:地球物理学和机器学习中的大尺度参数估计。埃默里大学博士论文(2019年)
Haber,E.,Ruthotto,L.:深层神经网络的稳定架构。反向探测。34(1), 014004 (2017)
第条 数学科学网 数学 谷歌学者
Vito,E.D.,Rosasco,L.,Caponnetto,A.,Giovannini,U.D.,Odone,F.:作为反问题从例子中学习。J.马赫。学习。物件。6, 883–904 (2005)
数学科学网 数学 谷歌学者
Wu Fung,S.、Tyrväinen,S.,Ruthotto,L.、Haber,E.:ADMM-Softmax:多项式逻辑回归的ADMM方法。电子。事务处理。数字。分析。52, 214–229 (2020)
第条 数学科学网 数学 谷歌学者
Beck,A.,Teboulle,M.:线性逆问题的快速迭代收缩阈值算法。SIAM J.成像科学。2(1) ,183–202(2009年)
第条 数学科学网 数学 谷歌学者
Candes,E.J.,Romberg,J.:定量稳健不确定性原理和最佳稀疏分解。已找到。计算。数学。6(2), 227–254 (2006)
第条 数学科学网 数学 谷歌学者
Candès,E.J.,Romberg,J.,Tao,T.:鲁棒不确定性原理:从高度不完整的频率信息中重建精确的信号。IEEE传输。Inf.理论52(2), 489–509 (2006)
第条 数学科学网 数学 谷歌学者
Donoho,D.L.:压缩传感。IEEE传输。Inf.理论52(4), 1289–1306 (2006)
第条 数学科学网 数学 谷歌学者
Calvetti,D.,Reichel,L.:大型线性问题的Tikhonov正则化。位数字。数学。43(2), 263–283 (2003)
第条 数学科学网 数学 谷歌学者
Golub,G.H.,Hansen,P.C.,O'Leary,D.P.:Tikhonov正则化和总最小二乘法。SIAM J.矩阵分析。申请。21(1), 185–194 (1999)
第条 数学科学网 数学 谷歌学者
Chan,R.H.,Kan,K.K.,Nikolova,M.,Plemmons,R.J.:高光谱图像光谱-空间分类的两阶段方法。数学杂志。成像视觉。62, 790–807 (2020)
第条 数学科学网 数学 谷歌学者
Rudin,L.I.,Osher,S.,Fatemi,E.:基于非线性总变差的噪声去除算法。物理学。D、 非线性现象。60(1–4), 259–268 (1992)
第条 数学科学网 数学 谷歌学者
Adler,J.,O.奥克特姆:习得的原始-双重重建。IEEE传输。医学影像学37(6), 1322–1332 (2018)
第条 谷歌学者
Kobler,E.,Klatzer,T.,Hammernik,K.,Pock,T.:变分网络:连接变分方法和深度学习。摘自:德国模式识别会议,第281-293页。柏林施普林格出版社(2017)
第章 谷歌学者
Lunz,S.,O.,Schönlieb,C.-B.:反问题中的对抗正则化子。摘自:《神经信息处理系统进展》,第8507–8516页。Curran Associates,Red Hook(2018年)
谷歌学者
Chan,S.H.,Wang,X.,Elgendy,O.A.:用于图像恢复的即插即用ADMM:定点收敛和应用。IEEE传输。计算。成像三(1), 84–98 (2016)
第条 数学科学网 谷歌学者
Cohen,R.,Elad,M.,Milafar,P.:通过定点投影去噪的正则化(red pro)(2020)。arXiv预印本2008.00226
Venkatakrishnan,S.V.,Bouman,C.A.,Wohlberg,B.:基于模型重建的即插即用先例。摘自:2013年IEEE信号和信息处理全球会议,第945-948页。IEEE出版社,纽约(2013)
第章 谷歌学者
Xu,L.,Ren,J.S.,Liu,C.,Jia,J.:用于图像反褶积的深度卷积神经网络。高级神经信息处理。系统。27,1790年至1798年(2014年)
谷歌学者
Jin,K.H.,McCann,M.T.,Froustey,E.,Unser,M.:成像逆问题的深度卷积神经网络。IEEE传输。图像处理。26(9), 4509–4522 (2017)
第条 数学科学网 数学 谷歌学者
Moeller,M.,Mollenhoff,T.,Cremers,D.:通过能量耗散控制神经网络。摘自:IEEE计算机视觉国际会议记录,第3256–3265页(2019年)
谷歌学者
Censor,Y.,Chen,W.,Combettes,P.L.,Davidi,R.,Herman,G.T.:关于投影方法对线性不等式约束凸可行性问题的有效性。计算。最佳方案。申请。51(3), 1065–1088 (2012)
第条 数学科学网 数学 谷歌学者
Censor,Y.,Elfving,T.,Herman,G.T.,Nikazad,T.:关于对角松弛正交投影方法。SIAM J.科学。计算。30(1), 473–504 (2008)
第条 数学科学网 数学 谷歌学者
Gordon,D.、Gordon、R.:分量平均行投影:稀疏线性系统的稳健块并行方案。SIAM J.科学。计算。27(3), 1092–1117 (2005)
第条 数学科学网 数学 谷歌学者
Censor,Y.,Segal,A.:生物医学反问题中的迭代投影方法。生物医学成像和调强放射治疗中的数学方法。IMRT公司10, 65–96 (2008)
谷歌学者
Censor,Y.,Cegielski,A.:投影方法:书籍和评论的注释书目。优化64(11), 2343–2358 (2015)
第条 数学科学网 数学 谷歌学者
Bauschke,H.H.,Koch,V.R.:投影方法:用半空间解决可行性和最佳逼近问题的瑞士军刀。康斯坦普。数学。636, 1–40 (2015)
第条 数学科学网 数学 谷歌学者
Ordoñez,C.E.、Karonis,N.、Duffin,K.、Coutrakon,G.、Schulte,R.、Johnson,R.和Pankuch,M.:使用质子计算机断层扫描(pct)进行粒子处理规划的实时图像重建系统。物理学。程序。90, 193–199 (2017)
第条 谷歌学者
Penfold,S.、Censor,Y.、Schulte,R.W.、Bashkirov,V.、McAllister,S.,Schubert,K.E.、Rosenfeld,A.B.:质子计算机断层扫描图像重建中的块迭代和串平均投影算法。摘自:Censor,Y.,Jiang,M.,Wang,G.(编辑)《生物医学数学:成像、治疗规划和逆向问题的前景方向》,第347-368页。麦迪逊医学物理出版社(2010)
谷歌学者
Bauschke,H.H.,Koch,V.R.:投影方法:用半空间解决可行性和最佳逼近问题的瑞士军刀。康斯坦普。数学。636, 1–40 (2015)
第条 数学科学网 数学 谷歌学者
Bauschke,H.H.,Combettes,P.L.等人:Hilbert空间中的凸分析和单调算子理论,第2版。施普林格,纽约(2017)
书 数学 谷歌学者
Bauschke,H.H.,Borwein,J.M.:关于解决凸可行性问题的投影算法。SIAM版本。38(3) ,367–426(1996年)
第条 数学科学网 数学 谷歌学者
Kaczmarz,S.:Angenaherte auflosung von systemen linearer gleichungen。收录于:《国际科学通报》(1937年)
Cimmino,G.:Cacolo approssimato per le soluzioni dei system di equazioni lineari,Ric.(美国)。科学。(罗马)1, 326–333 (1938)
谷歌学者
Aharoni,R.,Censor,Y.:用于并行计算凸可行性问题解的块迭代投影方法。线性代数应用。120, 165–175 (1989)
第条 数学科学网 数学 谷歌学者
Byrne,C.L.:从投影重建图像的块迭代方法。IEEE传输。图像处理。5(5), 792–794 (1996)
第条 谷歌学者
Censor,Y.,Zaslavski,A.J.:动态串平均投影方法的收敛性和扰动弹性。计算。最佳方案。申请。54(1), 65–76 (2013)
第条 数学科学网 数学 谷歌学者
Censor,Y.,Segal,A.:关于稀疏公共不动点问题的字符串平均方法。国际事务。操作。物件。16(4), 481–494 (2009)
第条 数学科学网 数学 谷歌学者
Censor,Y.,Tom,E.:不一致凸可行性问题的串平均投影方案的收敛性。最佳方案。方法软件。18(5), 543–554 (2003)
第条 数学科学网 数学 谷歌学者
Davidi,R.,Herman,G.T.,Censor,Y.:摄动-静音块迭代投影方法及其在投影图像重建中的应用。国际事务处理。操作。物件。16(4), 505–524 (2009)
第条 数学科学网 数学 谷歌学者
Censor,Y.,Davidi,R.,Herman,G.T.:扰动弹性和迭代算法的优越性。反向探测。26(6), 065008 (2010)
第条 数学科学网 数学 谷歌学者
Herman,G.T.、Garduño,E.、Davidi,R.、Censor,Y.:高级化:医学物理的优化启发式。医学物理。39(9), 5532–5546 (2012)
第条 谷歌学者
何宏,徐宏:平均映射的扰动弹性和优越性方法。反向探测。33(4), 044007 (2017)
第条 数学科学网 数学 谷歌学者
Censor,Y.:弱优势和强优势:在可行性搜索和最小化之间。安提因。康斯坦·奥维迪乌斯大学。材料。23(3), 41–54 (2017).https://doi.org/10.1515/auom-2015-0046
第条 数学科学网 数学 谷歌学者
Schöpfer,F.,Lorenz,D.A.:随机稀疏Kaczmarz方法的线性收敛性。数学。程序。173(1), 509–536 (2019)
第条 数学科学网 数学 谷歌学者
Lorenz,D.A.、Wenger,S.、Schöpfer,F.、Magnor,M.:用于在线压缩传感的稀疏Kaczmarz解算器和线性化Bregman方法。2014年IEEE图像处理国际会议(ICIP),第1347-1351页。IEEE出版社,纽约(2014)
第章 谷歌学者
Cegielski,A.:Hilbert空间中不动点问题的迭代方法,第2057卷。柏林施普林格出版社(2012)
数学 谷歌学者
Krasnosel's kiĭ,M.A.:关于连续逼近方法的两点评论。乌斯普。Mat.Nauk公司10, 123–127 (1955)
谷歌学者
Mann,R.:平均值。方法迭代。4(3), 506–510 (1953)
数学 谷歌学者
LeCun,Y.、Bengio,Y.和Hinton,G.:深度学习。自然521(7553), 436–444 (2015)
第条 谷歌学者
Y.Bengio:《学习人工智能的深层架构》,Now Publishers,Norwell(2009)
书 数学 谷歌学者
Rumelhart,D.E.,Hinton,G.E.,Williams,R.J.:通过反向传播错误学习表征。自然323(6088), 533–536 (1986)
第条 数学 谷歌学者
Manning,C.,Schutze,H.:《统计自然语言处理基础》。麻省理工学院出版社,剑桥(1999)
数学 谷歌学者
Hastie,T.、Tibshirani,R.、Friedman,J.:统计学习的要素:数据挖掘、推断和预测。施普林格,纽约(2009)
书 数学 谷歌学者
Bottou,L.,Curtis,F.E.,Nocedal,J.:大规模机器学习的优化方法。(2016).1606.04838
Kingma,D.P.,Ba,J.:亚当:随机优化方法。In:ICLR(海报)(2015)
谷歌学者
Fan,F.,Xiong,J.,Wang,G.:二次深网络的通用近似。神经网络。124, 383–392 (2020)
第条 数学 谷歌学者
Tabuada,P.,Gharisfard,B.:通过非线性控制理论实现深度神经网络的通用逼近能力(2020年)。arXiv预印本2007.06007
Fung,S.W.,Heaton,H.,Li,Q.,McKenzie,D.,Osher,S.,Yin,W.:不动点网络:无Jacobian支撑的隐式深度模型(2021)。arXiv预印本2103.12803
Browder,F.E.:Banach空间中的非扩张非线性算子。程序。国家。阿卡德。科学。54(4), 1041–1044 (1965)https://www.pnas.org/content/54/4/1041.full.pdf
第条 数学科学网 数学 谷歌学者
Göhde,D.:Zum prinzip der kontraktiven abbildung。数学。纳克里斯。30(3–4), 251–258 (1965)
第条 数学科学网 数学 谷歌学者
Kirk,W.A.:不增加距离的映射的不动点定理。美国数学。周一。72(9), 1004–1006 (1965)
第条 数学科学网 数学 谷歌学者
Krantz,S.G.,Parks,H.R.:隐函数定理:历史、理论和应用。柏林施普林格出版社(2012)
数学 谷歌学者
Bai,S.,Kolter,J.Z.,Koltun,V.:深度均衡模型。摘自:神经信息处理系统进展,第690-701页(2019年)
谷歌学者
Winston,E.,Kolter,J.Z.:单调算子平衡网络。收录:Larochelle,H.,Ranzato,M.,Hadsell,R.,Balcan,M.F.,Lin,H.(编辑)《神经信息处理系统进展》,第33卷,第10718-10728页。Curran Associates,Red Hook(2020年)https://proceedings.neurips.cc/paper/2020/file/798d1c2813cbdf8bcdb388db0e32d496-paper.pdf
谷歌学者
Chen,R.T.,Rubanova,Y.,Bettencourt,J.,Duvenaud,D.K.:神经常微分方程。摘自:神经信息处理系统进展,第6571–6583页(2018年)
谷歌学者
Bai,S.,Koltun,V.,Kolter,J.Z.:多尺度深层均衡模型。In:神经信息处理系统进展33(2020)
Monga,V.,Li,Y.,Eldar,Y.C.:算法展开:信号和图像处理的可解释、高效深度学习。IEEE信号处理。美格。38(2), 18–44 (2021)
第条 谷歌学者
陈,T.,陈,X.,陈,W.,希顿,H.,刘,J.,王,Z.,尹,W.:学习优化:初级和基准(2021)。arXiv预印本2103.12828
Gregor,K.,LeCun,Y.:学习稀疏编码的快速近似。收录于:《第27届国际机器学习大会论文集》,第399–406页(2010年)
谷歌学者
Rick Chang,J.,Li,C.-L.,Poczos,B.,Vijaya Kumar,B.,Sankaranarayanan,A.C.:使用深度投影模型解决所有线性反问题的一个网络。摘自:IEEE计算机视觉国际会议记录,第5888–5897页(2017年)
谷歌学者
Metzler,C.,Mousavi,A.,Baraniuk,R.:学习的D-AMP:基于原理神经网络的压缩图像恢复。摘自:《神经信息处理系统进展》,第1772-1783页(2017年)
谷歌学者
Chen,X.,Liu,J.,Wang,Z.,Yin,W.:未展开ISTA的理论线性收敛性及其实际权重和阈值。摘自:《神经信息处理系统进展》,第9061–9071页(2018年)
谷歌学者
Diamond,S.、Sitzmann,V.、Heide,F.、Wetzstein,G.:深度优先的未滚动优化(2018)。1705.08041[中文]
Perdios,D.,Besson,A.,Rossinelli,P.,Thiran,J.-P.:学习压缩成像中稀疏度平均的权重矩阵。2017 IEEE图像处理国际会议(ICIP),第3056–3060页。IEEE出版社,纽约(2017)
第章 谷歌学者
Mardani,M.、Sun,Q.、Donoho,D.、Papyan,V.、Monajemi,H.、Vasanawala,S.、Pauly,J.:压缩成像的神经近端梯度下降。高级神经信息处理。系统。31, 9573–9583 (2018)
谷歌学者
Zhang,J.,Ghanem,B.:Ista-net:图像压缩传感的可解释优化激励深度网络。摘自:IEEE计算机视觉和模式识别会议记录,第1828-1837页(2018年)
谷歌学者
Ito,D.,Takabe,S.,Wadayama,T.:稀疏信号恢复的可训练ISTA。IEEE传输。信号处理。67(12), 3113–3125 (2019)
第条 数学科学网 数学 谷歌学者
Mardani,M.、Sun,Q.、Papyan,V.、Vasanawala,S.、Pauly,J.、Donoho,D.:展开神经网络的自由度分析(2019)。arXiv预印本1906.03742
Putzky,P.,Welling,M.:解决逆问题的递归推理机(2017)。1706.04008[中文]
Zhang,K.、Zuo,W.、Gu,S.、Zhang、L.:在图像恢复之前学习深度CNN去噪器。在:《IEEE计算机视觉和模式识别会议论文集》,第3929–3938页(2017)
谷歌学者
Chen,Y.,Pock,T.:可训练非线性反应扩散:快速有效图像恢复的灵活框架。IEEE传输。模式分析。机器。智力。39(6), 1256–1272 (2017)
第条 谷歌学者
Sreter,H.,Giryes,R.:学习卷积稀疏编码。摘自:2018 IEEE声学、语音和信号处理国际会议(ICASSP),第2191–2195页。IEEE出版社,纽约(2018)
第章 谷歌学者
Liu,J.,Chen,X.,Wang,Z.,Yin,W.:ALISTA:分析权重和LISTA中的学习权重一样好。参加:国际学习代表大会(2019年)
谷歌学者
Xie,X.,Wu,J.,Liu,G.,Zhong,Z.,Lin,Z.:微分线性化ADMM。摘自:机器学习国际会议,第6902–6911页(2019年)
谷歌学者
Meinhardt,T.,Moller,M.,Hazirbas,C.,Cremers,D.:学习近端算子:使用去噪网络正则化逆成像问题。摘自:IEEE计算机视觉国际会议记录,第1781–1790页(2017年)
谷歌学者
Liu,R.,Cheng,S.,Ma,L.,Fan,X.,Luo,Z.等:模型优化和深度传播的桥接框架。高级神经信息处理。系统。31,4318–4327(2018)
谷歌学者
Corbineau,M.-C.,Bertocchi,C.,Chouzenoux,E.,Prato,M.,Pesquet,J.-C.:通过展开近端内点算法来去除学习图像的模糊。2019年IEEE图像处理国际会议(ICIP),第4664–4668页。IEEE出版社,纽约(2019)https://doi.org/10.109/ICIP.2019.8803438
第章 谷歌学者
Mukherjee,S.、Dittmer,S.,Shumaylov,Z.、Lunz,S.和Schönlieb,C.-B.:反问题的学习凸正则化子(2020)。arXiv预印本2008.02839
Zhang,K.、Zuo,W.、Zhang、L.:任意模糊内核的深度即插即用超分辨率。摘自:IEEE计算机视觉和模式识别会议记录,第1671–1681页(2019年)
谷歌学者
Li,Y.,Tofighi,M.,Geng,J.,Monga,V.,Eldar,Y.C.:通过算法展开实现高效且可解释的深度盲图像去模糊。IEEE传输。计算。成像6, 666–681 (2020)
第条 数学科学网 谷歌学者
Dudgeon,D.E.,Mersereau,R.M.:多维数字信号处理。Prentice Hall专业技术参考(1990)
O'Connor,D.,Vandenberghe,L.:算子分裂的原对偶分解及其在图像去模糊中的应用。SIAM J.成像科学。7(3), 1724–1754 (2014)
第条 数学科学网 数学 谷歌学者
Goldstein,T.,Osher,S.:L1正则化问题的分裂Bregman方法。SIAM J.成像科学。2(2), 323–343 (2009)
第条 数学科学网 数学 谷歌学者
Penfold,S.N.,Schulte,R.W.,Censor,Y.,Rosenfeld,A.B.:质子计算机断层扫描图像重建中的全变差优化方案。医学物理。37(11), 5887–5895 (2010)
第条 谷歌学者
Humphries,T.,Winn,J.,Faridani,A.:从稀疏视图和有限角度多能量数据重建CT图像的高级算法。物理学。医学生物学。62(16), 6762 (2017)
第条 谷歌学者
Leuschner,J.,Schmidt,M.,Baguer,D.O.,Maaß,P.:LoDoPaB-CT数据集:低剂量CT重建方法的基准数据集(2019年)。arXiv预印本1910.01113
Paszke,A.、Gross,S.、Massa,F.、Lerer,A.、Bradbury,J.、Chanan,G.、Killeen,T.、Lin,Z.、Gimelshein,N.、Antiga,L.等人:Pytorch:一种命令式、高性能的深度学习库。摘自:神经信息处理系统进展,第8026–8037页(2019年)
谷歌学者
Adler,J.,Kohr,H.,Öktem,O.:(2017)。操作员离散化库(ODL)
Heaton,H.,Censor,Y.:应用于线性系统的公共不动点问题的异步顺序惯性迭代。环球杂志。最佳方案。74(1), 95–119 (2019)
第条 数学科学网 数学 谷歌学者
Adler,J.,Øktem,O.:使用迭代深度神经网络解决不适定逆问题。反向探测。33(12), 124007 (2017)
第条 数学科学网 数学 谷歌学者
Lie,J.,Nordbotten,J.M.:非线性正则化的逆尺度空间。数学杂志。成像视觉。27(1), 41–50 (2007)
第条 数学科学网 谷歌学者
Censor,Y.:算法的优化和扰动弹性:不断更新的参考书目(2021)。arXiv预印本1506.04219
Ryu,E.,Yin,W.:大尺度凸优化:通过单调算子的算法设计。剑桥大学出版社,剑桥(2022)https://large-scale-book.mathopt.com
书 谷歌学者
He,K.,Zhang,X.,Ren,S.,Sun,J.:用于图像识别的深度残差学习。摘自:IEEE计算机视觉和模式识别会议记录,第770-778页(2016)
谷歌学者
Heaton,H.、Fung,S.W.、Lin,A.T.、Osher,S.、Yin,W.:基于Wasserstein的投影及其在反问题中的应用(2020年)。arXiv预印本2008.02200