无需训练集的两阶段深度学习光谱数据去噪
材料科学
2024-03-06 v2 机器学习
数据分析、统计与概率
摘要
去噪是光谱后处理过程中的一个重要步骤。先前基于机器学习的方法速度快，但大多基于监督学习，需要训练集，而在实际实验测量中获取训练集通常成本高昂。基于无监督学习的算法速度慢，且需要多次迭代才能收敛。在此，我们通过提出一种无需训练集的两阶段深度学习方法来弥合这一差距。我们表明，通过引入自适应先验，可以改进先前方法中的模糊固定输入。结合更先进的优化技术，我们的方法与 prior work 相比可实现五倍的加速。在理论上，我们研究了相应非凸线性问题的景观，结果表明该问题具有一阶算法收敛的良好几何特性。
引用
@article{arxiv.2402.18830,
title = {Training-set-free two-stage deep learning for spectroscopic data de-noising},
author = {Dongchen Huang and Junde Liu and Tian Qian and Hongming Weng},
journal= {arXiv preprint arXiv:2402.18830},
year = {2024}
}