利用变分自编码器和强化学习的自适应采样
机器学习
2025-12-04 v1
摘要
压缩感知实现稀疏采样，但依赖于通用基和随机测量，限制了效率和重建质量。最优传感器部署利用历史数据设计定制化采样模式，但其固定的线性基无法适应非线性或样本特定的变化。基于生成模型的压缩感知通过深度生成先验改善重建，但仍采用次优的随机采样。我们提出了一种自适应稀疏感知框架，将变分自编码器先验与强化学习相结合，以顺序选择测量。实验表明，该方法在从稀疏测量进行压缩感知、最优传感器部署和基于生成模型的重建方面均表现更优。
引用
@article{arxiv.2512.03525,
title = {Adaptive sampling using variational autoencoder and reinforcement learning},
author = {Adil Rasheed and Mikael Aleksander Jansen Shahly and Muhammad Faisal Aftab},
journal= {arXiv preprint arXiv:2512.03525},
year = {2025}
}