卷积近端神经网络与即插即用算法
最优化与控制
2024-08-13 v1 机器学习
信号处理
摘要
在本文中，我们引入卷积近端神经网络（cPNNs），其按构造为平均算子。对于全长度滤波器，我们在Stiefel流形的子流形上提出一种随机梯度下降算法来训练cPNNs。对于有限长度滤波器，我们设计算法来最小化那些通过惩罚到恒等算子的最小二乘距离以逼近施加于算子的正交性约束的泛函。然后，我们研究具有给定Lipschitz常数的缩放cPNNs如何用于信号与图像去噪，其中所达到的质量取决于Lipschitz常数。最后，我们在即插即用（PnP）框架内应用基于cPNN的去噪器，并基于预言机构造为相应的PnP前向-后向分裂算法提供收敛结果。
引用
@article{arxiv.2011.02281,
title = {Convolutional Proximal Neural Networks and Plug-and-Play Algorithms},
author = {Johannes Hertrich and Sebastian Neumayer and Gabriele Steidl},
journal= {arXiv preprint arXiv:2011.02281},
year = {2024}
}