論文の概要: A Contrast-Source Inversion Scheme Based on Stochastic Optimization and Plug-and-Play Regularization

• arxiv url: http://arxiv.org/abs/2610.05130v1
• Date: Sun, 04 Oct 2026 11:23:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 23:10:19.089184
• Title: A Contrast-Source Inversion Scheme Based on Stochastic Optimization and Plug-and-Play Regularization
• Title（参考訳）: 確率的最適化とプラグ・アンド・プレイ規則化に基づくコントラストソース逆変換方式
• Abstract要約: 最適化(STO)とプラグ・アンド・プレイ(PNP)の正規化を統合した電磁反転方式を開発した。 提案するSTO-PNP-CSIは, 合成データと実験データの両方に適用できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An electromagnetic inversion scheme that integrates stochastic optimization (STO) and plug-and-play (PNP) regularization into contrast-source inversion (CSI), termed STO-PNP-CSI, is developed. Standard CSI solves for the contrast source vector of every transmitter at each iteration, which is expensive in a multi-transmitter configuration. STO instead solves for only one randomly selected contrast source vector per iteration, which reduces the per-iteration cost and can help the inversion escape poor local minima and saddle points. The resulting loss of information, however, increases the ill-posedness of the inversion. To counter this, the Swin-Conv-UNet (SCUNet) denoiser is plugged into the CSI scheme as an implicit regularizer, supplying a learned prior that is stronger than conventional hand-crafted ones and stabilizes the reconstruction. The proposed STO-PNP-CSI is applied to both synthetic and experimental data. The results show that it yields accurate reconstructions at substantially lower computational cost than CSI, including under strong nonlinearity and measurement noise.
• Abstract（参考訳）: STO-PNP-CSIと呼ばれるコントラストソースインバージョン(CSI)に確率最適化(STO)とプラグアンドプレイ正規化(PNP)を統合する電磁反転方式を開発した。 標準CSIは、各イテレーションにおける送信者のコントラストソースベクトルを解決し、マルチトランスミッタ構成では高価である。 代わりにSTOは、イテレーション毎にランダムに選択されたコントラストソースベクトルを1つだけ解決する。 しかし、結果として情報の喪失は、逆転の不正さを増大させる。 これに対応するために、Swin-Conv-UNet(SCUNet)デノイザを暗黙の正規化器としてCSIスキームに接続し、従来の手作りのものよりも強力な学習前の情報を提供し、再構築を安定化させる。 提案するSTO-PNP-CSIは, 合成データと実験データの両方に適用できる。 その結果,CSIよりも計算コストが大幅に低く,非線形性や測定ノイズが強いことが示唆された。

関連論文リスト

• Reducing ANN-SNN Conversion Error via Residual Membrane Potential Alignment [52.910770415431244]
  スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックコンピューティングのコアアーキテクチャとして機能する。 ANN-SNN変換は、低レイテンシでエネルギー効率のよい推論のために、よく訓練されたANN重みを再利用することで問題を回避している。 既存の変換方式は、小さなタイミングで精度の低下、大きな推論遅延、累積量子化誤差に悩まされている。
  論文  参考訳（メタデータ） (2026-08-14T04:46:03Z)
• SATB-VR: Training Few-Step Video Restoration Diffusion Model using SNR-Aware Trajectory Blending [55.764018145256216]
  本稿では,補助予測器を介してデノナイジングプロセスを開始する数ステップのパラダイムであるSATB-VRを提案する。 我々は,SATB-VRが,合成,実世界,AIGCベンチマークにおける既存のアプローチに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2026-06-27T01:32:16Z)
• Robust Precoding for Resilient Cell-Free Networks [15.266482339999087]
  提案するロバストプリコーダは、チャネル状態情報(CSI)エラー統計を組み込んで、CSI欠陥に対するレジリエンスを高める。 数値計算の結果,提案手法は従来の線形プリコーダよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-11-29T15:49:11Z)
• Physics-Informed Deep Contrast Source Inversion: A Unified Framework for Inverse Scattering Problems [23.533153154632082]
  本稿では,高速かつ高精度な媒体再構成のための物理インフォームド・ディープコントラスト・ソース・インバージョン・フレームワーク(DeepCSI)を提案する。 コントラスト源インバージョン(CSI)とニューラル演算子法にインスパイアされた残留多層パーセプトロン(ResMLP)は、電流分布をモデル化するために用いられる。 DeepCSIは、完全データ、位相なしデータ、多周波条件下で、高精度で堅牢な再構成を実現する。
  論文  参考訳（メタデータ） (2025-08-14T11:50:16Z)
• Mixed-Sample SGD: an End-to-end Analysis of Supervised Transfer Learning [6.614418593039343]
  本稿では,ソースデータとターゲットデータのサンプリングを交互に行うSGDプロシージャを設計する際の問題点について考察する。 アルゴリズムの主な難しさは、各SGDステップでこのような適応的なサブサンプリングメカニズムを設計する方法を理解することである。 このような混合サンプルSGD法は凸損失を伴う一般的な予測タスクに有効であることを示す。
  論文  参考訳（メタデータ） (2025-07-06T00:03:34Z)
• Decentralized Nonconvex Composite Federated Learning with Gradient Tracking and Momentum [78.27945336558987]
  分散サーバ(DFL)はクライアント・クライアント・アーキテクチャへの依存をなくす。 非滑らかな正規化はしばしば機械学習タスクに組み込まれる。 本稿では,これらの問題を解決する新しいDNCFLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-17T08:32:25Z)
• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• Gradient Normalization Provably Benefits Nonconvex SGD under Heavy-Tailed Noise [60.92029979853314]
  重み付き雑音下でのグラディエントDescence(SGD)の収束を確実にする上での勾配正規化とクリッピングの役割について検討する。 我々の研究は、重尾雑音下でのSGDの勾配正規化の利点を示す最初の理論的証拠を提供する。 我々は、勾配正規化とクリッピングを取り入れた加速SGD変種を導入し、さらに重み付き雑音下での収束率を高めた。
  論文  参考訳（メタデータ） (2024-10-21T22:40:42Z)
• Approaching Rate-Distortion Limits in Neural Compression with Lattice Transform Coding [29.69773024077467]
  内在次元が1より大きい合成源に対して, ニューラル圧縮が極めて最適であることを示す。 潜時空間における整数丸めでは、ニューラル変換によって誘導される量子化領域は正方形のままであり、最適なベクトル量子化の領域と一致しない。 代わりに格子量子化を提案し、妥当な複雑さで最適ベクトル量子化をほぼ回復することを示した。
  論文  参考訳（メタデータ） (2024-03-12T05:09:25Z)
• VST++: Efficient and Stronger Visual Saliency Transformer [74.26078624363274]
  我々は,グローバルな長距離依存関係を探索する,効率的で強力なVST++モデルを開発した。 我々は、RGB、RGB-D、RGB-T SODベンチマークデータセット上で、トランスフォーマーベースのバックボーンにまたがってモデルを評価した。
  論文  参考訳（メタデータ） (2023-10-18T05:44:49Z)

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。