反问题的深度学习

  • 西蒙·阿里奇

    英国伦敦大学学院
  • 彼得·马

    德国不来梅大学
  • 卡罗拉·比比安·舍利布

    英国剑桥大学

摘要

机器学习,特别是深度学习,提供了几种数据驱动的方法来修正纯分析方法的典型缺点。目前,对这些组合模型的数学研究在实验方面呈爆炸式发展,但在理论方面仍缺乏研究。本研讨会解决了开发一个坚实的数学理论来分析反问题的深层神经网络的挑战。

引用这篇文章

Simon R.Arridge、Peter Maaß、Carola-Bibiane Schönlieb,《逆向问题的深度学习》。Oberwolfach Rep.18(2021),第1号,第745-789页

内政部10.4171/OWR/2021/13