期刊销售owr公司第18卷第1期第745-789页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下载PDF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