論文の概要: Unfolded Algorithms for Deep Phase Retrieval
- arxiv url: http://arxiv.org/abs/2012.11102v1
- Date: Mon, 21 Dec 2020 03:46:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:45:16.111449
- Title: Unfolded Algorithms for Deep Phase Retrieval
- Title（参考訳）: 深層位相検索のための展開アルゴリズム
- Authors: Naveed Naimipour, Shahin Khobahi, Mojtaba Soltanalian
- Abstract要約: Unfolded Phase Retrieval (UPR) と呼ばれるハイブリッドモデルベースのデータ駆動型ディープアーキテクチャを提案する。
提案手法は,定評のあるモデルベースアルゴリズムの汎用性と解釈性が有効である。
センシングマトリクスと信号処理アルゴリズムの合同設計を考察し,そのプロセスにおける深い展開手法を応用した。
- 参考スコア（独自算出の注目度）: 16.14838937433809
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Exploring the idea of phase retrieval has been intriguing researchers for
decades, due to its appearance in a wide range of applications. The task of a
phase retrieval algorithm is typically to recover a signal from linear
phaseless measurements. In this paper, we approach the problem by proposing a
hybrid model-based data-driven deep architecture, referred to as Unfolded Phase
Retrieval (UPR), that exhibits significant potential in improving the
performance of state-of-the art data-driven and model-based phase retrieval
algorithms. The proposed method benefits from versatility and interpretability
of well-established model-based algorithms, while simultaneously benefiting
from the expressive power of deep neural networks. In particular, our proposed
model-based deep architecture is applied to the conventional phase retrieval
problem (via the incremental reshaped Wirtinger flow algorithm) and the sparse
phase retrieval problem (via the sparse truncated amplitude flow algorithm),
showing immense promise in both cases. Furthermore, we consider a joint design
of the sensing matrix and the signal processing algorithm and utilize the deep
unfolding technique in the process. Our numerical results illustrate the
effectiveness of such hybrid model-based and data-driven frameworks and
showcase the untapped potential of data-aided methodologies to enhance the
existing phase retrieval algorithms.
- Abstract（参考訳）: 位相探索というアイデアは、広範囲のアプリケーションに現れるため、何十年もの間、研究者の興味を惹きつけてきた。
位相探索アルゴリズムの課題は、通常、線形位相レス測定から信号を回復することである。
本稿では,unfolded phase retrieval (upr) と呼ばれるハイブリッドモデルに基づくデータ駆動型ディープアーキテクチャを提案し,最新データ駆動型およびモデルベースフェーズ検索アルゴリズムの性能向上に有意な可能性を示す。
提案手法は、モデルベースアルゴリズムの汎用性と解釈可能性から恩恵を受けると同時に、深層ニューラルネットワークの表現力から恩恵を受ける。
特に,提案するモデルに基づくディープ・アーキテクチャは,従来の位相探索問題(インクリメンタル・リフォーム・ワーチンガー・フロー・アルゴリズム)とスパース位相検索問題(スパース・トラクテッド・振幅・フロー・アルゴリズム)に適用され,両ケースで有望な結果が得られた。
さらに,センシングマトリクスと信号処理アルゴリズムの合同設計について検討し,その過程での深い展開法を応用した。
計算結果は,このようなハイブリッドモデルとデータ駆動型フレームワークの有効性を示し,既存の位相探索アルゴリズムを強化するために,データ支援手法の未使用の可能性を示す。
関連論文リスト
- Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳（メタデータ） (2023-02-13T19:57:17Z) - Deep Unfolding of the DBFB Algorithm with Application to ROI CT Imaging
with Limited Angular Density [15.143939192429018]
本稿では,関心領域(ROI)を限定されたCT値から再構成する手法を提案する。
ディープメソッドは高速で、データセットからの情報を活用することで、高いリコンストラクション品質に達することができる。
限られたデータからのROI再構成のために設計されたUDBFBと呼ばれる展開ニューラルネットワークを導入する。
論文 参考訳（メタデータ） (2022-09-27T09:10:57Z) - Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent
Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。
ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。
ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文 参考訳（メタデータ） (2022-03-29T21:00:39Z) - Unfolding-Aided Bootstrapped Phase Retrieval in Optical Imaging [24.59954532409386]
光画像における位相検索は、位相のないデータからの複素信号の回復を指す。
モデル駆動型ネットワークやディープ・アンフォールディングのハイブリッドアプローチは、効果的な代替手段として現れている。
本稿では, 近距離, 中間域, 遠距離領域にかかわらず, ブートストラップによる深部展開のアルゴリズムと応用について概説する。
論文 参考訳（メタデータ） (2022-03-03T13:00:07Z) - Deep Unrolled Recovery in Sparse Biological Imaging [62.997667081978825]
ディープ・アルゴリズム・アンローリング(Deep Algorithm Unrolling)は、反復的アルゴリズムの解釈可能性と教師付きディープラーニングの性能向上を組み合わせたディープ・アーキテクチャを開発するためのモデルベースのアプローチである。
この枠組みは生体イメージングの応用に適しており、測定プロセスを記述する物理モデルが存在し、回復すべき情報がしばしば高度に構造化されている。
論文 参考訳（メタデータ） (2021-09-28T20:22:44Z) - Phase Retrieval using Expectation Consistent Signal Recovery Algorithm
based on Hypernetwork [73.94896986868146]
位相検索は現代の計算イメージングシステムにおいて重要な要素である。
近年のディープラーニングの進歩は、堅牢で高速なPRの新たな可能性を開いた。
我々は、既存の制限を克服するために、深層展開のための新しいフレームワークを開発する。
論文 参考訳（メタデータ） (2021-01-12T08:36:23Z) - Solving Sparse Linear Inverse Problems in Communication Systems: A Deep
Learning Approach With Adaptive Depth [51.40441097625201]
疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。
提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
論文 参考訳（メタデータ） (2020-10-29T06:32:53Z) - DeepInit Phase Retrieval [10.385009647156407]
本稿では,データ深層生成モデルを用いて位相探索問題の解法を提案する。
我々のハイブリッドアプローチは,低サンプリングレートで非常に高い再構成結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-16T09:39:28Z) - Parallelization Techniques for Verifying Neural Networks [52.917845265248744]
検証問題に基づくアルゴリズムを反復的に導入し、2つの分割戦略を探索する。
また、ニューラルネットワークの検証問題を単純化するために、ニューロンアクティベーションフェーズを利用する、高度に並列化可能な前処理アルゴリズムも導入する。
論文 参考訳（メタデータ） (2020-04-17T20:21:47Z) - UPR: A Model-Driven Architecture for Deep Phase Retrieval [14.433858410963717]
本稿では,ハイブリッドモデルに基づくデータ駆動型深層アーキテクチャ(Unfolded Phase Retrieval (UPR))を提案する。
具体的には、提案手法は、よく確立されたモデルベースアルゴリズムの汎用性と解釈可能性の恩恵を受けると同時に、深層ニューラルネットワークの表現力の恩恵を受ける。
このようなハイブリッドな深層構造の有効性を数値計算で示し、既存の位相探索アルゴリズムを強化するために、データ支援手法の未使用の可能性を示す。
論文 参考訳（メタデータ） (2020-03-09T20:22:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。