Fugu-MT 論文翻訳(概要): Sparse recovery based on the generalized error function

論文の概要: Sparse recovery based on the generalized error function

arxiv url: http://arxiv.org/abs/2105.13189v1
Date: Wed, 26 May 2021 11:36:01 GMT
ステータス: 処理完了
システム内更新日: 2021-05-29 15:54:21.101272
Title: Sparse recovery based on the generalized error function
Title（参考訳）: 一般化誤差関数に基づくスパース回復
Authors: Zhiyong Zhou
Abstract要約: 一般化誤り関数に基づく新しいスパースリカバリ手法を提案する。磁気共鳴画像(MRI)再構成における実用的応用についても検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we propose a novel sparse recovery method based on the generalized error function. Both the theoretical analysis and the practical algorithms are presented. Numerical experiments are conducted to demonstrate the advantageous performance of the proposed approach over the state-of-the-art sparse recovery methods. Its practical application in magnetic resonance imaging (MRI) reconstruction is studied as well.
Abstract（参考訳）: 本稿では,一般化された誤差関数に基づく新しいスパース回復法を提案する。理論解析と実用的なアルゴリズムの両方を提示する。現状のスパース回収法に対する提案手法の利点を示すために, 数値解析実験を行った。磁気共鳴画像再構成(MRI)の実用化についても検討した。

関連論文リスト

Highly Accelerated MRI via Implicit Neural Representation Guided Posterior Sampling of Diffusion Models [2.5412006057370893]
Inlicit Neural representation (INR) は、逆問題を解決するための強力なパラダイムとして登場した。提案するフレームワークは、他の医療画像タスクにおける逆問題を解決するための一般化可能なフレームワークである。
論文参考訳（メタデータ） (2024-07-03T01:37:56Z)
A Structure-Preserving Kernel Method for Learning Hamiltonian Systems [3.594638299627404]
構造保存されたカーネルリッジ回帰法は、潜在的に高次元かつ非線形なハミルトン関数の回復を可能にする。本稿では,勾配の線形関数を含む損失関数が要求される問題に対して,カーネル回帰法を拡張した。固定正則化パラメータと適応正則化パラメータを用いて収束率を提供する完全誤差解析を行う。
論文参考訳（メタデータ） (2024-03-15T07:20:21Z)
Optimized Current Density Reconstruction from Widefield Quantum Diamond Magnetic Field Maps [0.0]
ダイヤモンド結晶中の窒素原子価(NV)欠陥を利用した量子ダイヤモンド顕微鏡は、様々なナノスケール電流プロファイルの磁場イメージングを可能にした。現在の密度を再構築する問題は、研究中の構造について重要な洞察を与える。推論に基づく再構成の新しい代替手段として,学習アルゴリズムとベイズ的手法が提案されている。
論文参考訳（メタデータ） (2024-02-23T10:57:07Z)
Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文参考訳（メタデータ） (2022-11-30T18:59:27Z)
A Provably Efficient Model-Free Posterior Sampling Method for Episodic Reinforcement Learning [50.910152564914405]
強化学習のための既存の後方サンプリング手法は、モデルベースであるか、線形MDPを超える最悪の理論的保証がないかによって制限される。本稿では,理論的保証を伴うより一般的な補足的強化学習問題に適用可能な,後部サンプリングのモデルフリーな新しい定式化を提案する。
論文参考訳（メタデータ） (2022-08-23T12:21:01Z)
Spectral Decomposition Representation for Reinforcement Learning [100.0424588013549]
本稿では, スペクトル分解表現法(SPEDER)を提案する。この手法は, データ収集ポリシーに急激な依存を生じさせることなく, ダイナミックスから状態-作用の抽象化を抽出する。理論的解析により、オンライン設定とオフライン設定の両方において提案アルゴリズムのサンプル効率が確立される。実験により、いくつかのベンチマークで現在の最先端アルゴリズムよりも優れた性能を示す。
論文参考訳（メタデータ） (2022-08-19T19:01:30Z)
A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文参考訳（メタデータ） (2022-03-28T14:03:45Z)
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
DiffuseReconは拡散モデルに基づく新しいMR再構成法である。観測された信号に基づいて生成過程を導出する。特定の加速因子に関する追加の訓練は必要としない。
論文参考訳（メタデータ） (2022-03-08T02:25:38Z)
Low-Rank and Total Variation Regularization and Its Application to Image Recovery [6.288398111817322]
本稿では、各反復における(重み付けされた)値しきい値を用いた緩和問題を解くための効率的な反復スキームを提案する。提案アルゴリズムは,画像の復元において,最先端の手法よりも優れた性能を示すことを示す。
論文参考訳（メタデータ） (2020-03-12T10:37:49Z)
SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文参考訳（メタデータ） (2020-03-05T14:33:20Z)

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。