一种数据驱动的迭代正则化Landweber迭代
机器学习
2018-12-04 v1 计算机视觉与模式识别
机器学习
摘要
我们推导并分析了一种新的迭代正则化Landweber迭代变体，用于求解线性和非线性不适定逆问题。该方法考虑训练数据，利用其估计一个黑箱的内部，并据此定义迭代过程。我们在无限维Hilbert空间中证明了该格式的收敛性与稳定性。这些理论结果辅以若干数值实验，用于求解Radon变换的线性逆问题以及Schlieren层析成像的非线性逆问题。
引用
@article{arxiv.1812.00273,
title = {Cross-Modulation Networks for Few-Shot Learning},
author = {Hugo Prol and Vincent Dumoulin and Luis Herranz},
journal= {arXiv preprint arXiv:1812.00273},
year = {2018}
}
备注
Accepted at NIPS 2018 Workshop on Meta-Learning. Source code available at https://github.com/hprop/cross-modulation-nets