[1] |
Akhtar N,Mian A(2018)《计算机视觉深度学习中对手攻击的威胁:一项调查》。IEEE接入6: 14410-14430. 数字对象标识:10.1109/通道2018.2807385
|
[2] |
Alberti GS,Capdeboscq Y(2018年)混合反问题的椭圆方法讲座巴黎:法国数学协会。 |
[3] |
Ammari H(2008)新兴生物医学成像数学导论,柏林:施普林格。 |
[4] |
Ammari H、Garnier J、Kang H等人(2017)多波医学成像:数学 建模&图像重建,世界科学。 |
[5] |
Antholzer S、Haltmeier M、Schwab J(2018)《稀疏数据光声层析成像的深度学习》。反问题科学工程27: 987-1005. |
[6] |
Antun V、Renna F、Poon C等(2019)关于图像重建中深度学习的不稳定性——人工智能是否有代价?。arXiv预打印arXiv:1902.05300. |
[7] |
Arridge S,Hauptmann A(2019)成像中非线性扩散问题的网络。数学J 图像可视性内政部:https://xs.scihub.ltd/https://doi.org/10.1007/s10851-019-00901-3. |
[8] |
Bardos C,Lebeau G,Rauch J(1992)观测、控制和稳定边界波浪的充分条件。SIAM J控制优化30: 1024-1065. 数字对象标识:10.1137/0330055
|
[9] |
Berg J,Nyström K(2017)PDE的神经网络增强逆问题。arXiv预印本 arXiv:1712.09685. |
[10] |
Bubba TA、Kutyniok G、Lassas M等人(2019年),《学习无形:有限角度CT的混合深度学习-小脑框架》。反向问题35: 064002. 数字对象标识:10.1088/1361-6420/ab10ca
|
[11] |
Burq N(2010)色散偏微分方程的随机数据Cauchy理论。在:国际数学家大会会议记录新德里:印度斯坦图书局,3:1862-1883。 |
[12] |
Burq N,Tzvetkov N(2008)超临界波动方程的随机数据Cauchy理论II:整体存在性结果。发明数学173: 477-496. 数字对象标识:2007年10月10日/00222-008-0123-0
|
[13] |
Burq N,Tzvetkov N(2014)三次波动方程的概率适定性。欧洲数学杂志 Soc公司16: 1-30. 数字对象标识:10.4171/JEMS/426
|
[14] |
Candès EJ,Romberg J(2007),压缩取样中的稀疏性和不一致性。反向Probl23: 969-985. 数字对象标识:10.1088/0266-5611/23/3/008
|
[15] |
Candès EJ、Romberg J、Tao T(2006)《鲁棒不确定性原理:从高度不完整的频率信息中精确重建信号》。IEEE传输信息理论52: 489-509. 数字对象标识:10.1109/TIT.2005.862083
|
[16] |
Donoho DL(2006)压缩传感。IEEE传输信息理论52: 1289-1306. 数字对象标识:10.1109/TIT.2006.871582
|
[17] |
Engl HW、Hanke M、Neubauer A(1996)反问题的正则化多德雷赫特:Kluwer Academic Publishers Group。 |
[18] |
Feng J,Sun Q,Li Z,et al.(2018)基于反向传播神经网络的漫反射光学层析成像重建算法。J生物识别光学24: 051407. |
[19] |
Foucart S、Rauhut H(2013)压缩传感的数学导论,纽约:Birkhäuser/施普林格。 |
[20] |
Garnier J,Papanicolaou G(2016)环境噪声的被动成像,剑桥:剑桥大学出版社。 |
[21] |
Goodfellow I,Bengio Y,Courville A(2016年)深度学习麻省理工学院出版社。 |
[22] |
Haltmeier M、Antholzer S、Schwab J(2019)用于图像重建的深度学习,世界科学。 |
[23] |
Hamilton SJ,Hauptmann A(2018)Deep d-bar:使用深度神经网络的实时电阻抗断层成像。IEEE Trans-Med成像37: 2367-2377. 数字对象标识:10.1109/TMI.2018.2828303
|
[24] |
哈萨诺·鲁·AH,罗曼诺夫VG(2017)微分方程反问题导论查姆:斯普林格。 |
[25] |
Hauptmann A、Luka F、Betcke M等(2018),基于模型的加速有限视野三维光声层析成像学习。IEEE Trans-Med成像37: 1382-1393. 数字对象标识:10.1109/TMI.2018.2820382
|
[26] |
Humbert E,Privat Y,Trélat E(2019)封闭流形上齐次波动方程的可观测性。通用部件差异等式, 44: 749-772. 数字对象标识:10.1080/03605302.2019.1581799
|
[27] |
伊萨科夫五世(2006)偏微分方程的反问题纽约:Springer。 |
[28] |
Jin KH,McCann MT,Froustey E,et al.(2017)成像逆问题的深度卷积神经网络。IEEE Trans-Image处理26: 4509-4522. 数字对象标识:10.1109/TIP.2017.2713099
|
[29] |
Kaltenbacher B、Neubauer A、Scherzer O(2008)非线性问题的迭代正则化方法 不适定问题柏林:Walter de Gruyter。 |
[30] |
Kirsch A(2011)反问题数学理论导论纽约:Springer。 |
[31] |
Laurent C,Léautaud M(2019)部分解析系数算子的定量唯一延拓。应用于波浪近似控制。欧洲数学学会杂志21: 957-1069. |
[32] |
Maas P(2019)针对琐碎逆问题的深度学习。在:压缩传感及其应用 应用查姆:斯普林格国际出版公司,195-209年。 |
[33] |
Martin S,Choi CTM(2017)三维电阻抗断层成像的后处理方法。科学代表7: 7212. 数字对象标识:10.1038/s41598-017-07727-2
|
[34] |
Modin K,Nachman A,Rondi L(2019)图像配准和非线性逆问题的多尺度理论。高级数学346: 1009-1066. 数字对象标识:10.1016/j.aim.2019.02.014
|
[35] |
Paley R(1930)关于一些函数系列。剑桥数学程序26: 458-474. 数字对象标识:10.1017/S0305004100016212
|
[36] |
Paley R,Zygmund A(1930)关于函数系列,(1)。剑桥数学程序, 26: 337-357. 数字对象标识:10.1017/S0305004100016078
|
[37] |
Paley R,Zygmund A(1932)关于一些函数系列,(3)。剑桥数学程序, 28: 190-205. 数字对象标识:10.1017/S0305004100010860
|
[38] |
Privat Y,Trélat E,Zuazua E(2013)一维波动方程的最佳观测。傅里叶分析应用杂志19: 514-544. 数字对象标识:2007/10041-013-9267-4
|
[39] |
Privat Y,Trélat E,Zuazua E(2015)随机初始数据抛物方程传感器的最佳形状和位置。拱形配给机械216: 921-981. 数字对象标识:2007年10月10日/00205-014-0823-0
|
[40] |
Privat Y,Trélat E,Zuazua E(2016)量子遍历域中多维波和薛定谔方程的最佳可观测性。欧洲数学学会杂志18: 1043-1111. 数字对象标识:10.4171/JEMS/608
|
[41] |
Privat Y,Trélat E,Zuazua E(2016)波浪的随机观测、控制和稳定【基于2015年3月24日在意大利莱切举行的第86届GAMM年会上的全体演讲】。ZAMM Z Angew数学力学96: 538-549. 数字对象标识:10.1002/zamm.201500181
|
[42] |
Privat Y,Trélat E,Zuazua E(2019)狄利克雷-拉普拉斯本征函数neumann迹的谱形状优化。计算变量部分Dif58: 64. 数字对象标识:2007年10月10日/200526-019-1522-3
|
[43] |
Rellich F(1940)Darstellung der eigenwerte vonδ单位+λ在随机积分中u=0。数学Z46: 635-636. 数字对象标识:2007年10月10日/BF01181459
|
[44] |
Otmar Scherzer(2015)成像数学方法手册。第1、2、3卷纽约:Springer。 |
[45] |
Szegedy C、Zaremba W、Sutskever I等(2013),神经网络的有趣特性。arXiv公司 预印arXiv:1312.6199. |
[46] |
Tadmor E,Nezzar S,Vese L(2004)使用层次结构的多尺度图像表示(英属维尔京群岛,L(左)2) 分解。多尺度模型仿真2: 554-579. 数字对象标识:10.1137/030600448
|
[47] |
塔兰托拉A(2005)模型参数估计的反问题理论与方法费城:工业和应用数学学会。 |
[48] |
Wei Z,Liu D,Chen X(2019)《电阻抗断层成像的主导电流深度学习方案》。IEEE Trans生物医学工程66: 2546-2555. 数字对象标识:10.1109/TBME.2019.2891676(待定)
|
[49] |
Yang G,Yu S,Dong H,et al.(2018)Dagan:用于快速压缩传感mri重建的深度去混生成对抗网络。IEEE Trans-Med成像37: 1310-1321. 数字对象标识:10.1109/TMI.2017.2785879
|
[50] |
朱斌,刘JZ,Cauley SF,等(2018)基于域变换流形学习的图像重建。性质555: 487-492. 数字对象标识:10.1038/自然25988
|