基于 DeepONet 联合神经切点核混合框架用于物理信息反源问题与鲁棒图像重建
计算机视觉与模式识别
2025-11-04 v1
摘要
本 work 提出一种新型混合方法，将 Deep Operator Networks(DeepONet)与神经切点核(Neural Tangent Kernel, NTK)集成，以解决复杂的反问题。该方法有效地解决了由 Navier-Stokes 方程 governing 的源定位以及图像重建等任务，克服了与非线性、稀疏性和噪声数据相关的挑战。通过将 physics-informed 约束和任务特定的正则化纳入损失函数，框架确保解决方案在物理一致性和准确性之间取得平衡。在多样化的合成和真实数据集上的验证表明，其鲁棒性、可扩展性和精度，展示了其在计算物理和成像科学中广泛的潜在应用。
引用
@article{arxiv.2511.00338,
title = {A DeepONet joint Neural Tangent Kernel Hybrid Framework for Physics-Informed Inverse Source Problems and Robust Image Reconstruction},
author = {Yuhao Fang and Zijian Wang and Yao Lu and Ye Zhang and Chun Li},
journal= {arXiv preprint arXiv:2511.00338},
year = {2025}
}