基于深度学习的电子显微学进展

本博士论文涵盖了我在基于深度学习的电子显微学方面的一些进展。亮点包括：对电子显微学中深度学习的全面综述；用于机器学习的全新大型电子显微镜数据集、基于变分自编码器的数据集搜索引擎，以及通过 t 分布随机邻域嵌入的自动数据聚类；用于稳定学习的自适应学习率裁剪；用于具有螺旋、均匀间隔及其他固定稀疏扫描路径的压缩感知的生成对抗网络；通过强化学习训练循环神经网络以分段适配稀疏扫描路径至样品；改善信噪比；以及用于从单张透射电子显微图像重建出射波函数的条件生成对抗网络。本论文通过呈现各成果间的关系、反思与整体性结论，补充了我的出版物。此版论文为在线传播排版以提高可读性，而提交给华威大学以申请物理学哲学博士学位的论文则为实体印刷与装订排版。