学习型ISTA的不确定性量化
机器学习
2023-09-18 v1 信息论
机器学习
图像与视频处理
信号处理
math.IT
摘要
近年来，基于模型的反问题深度学习解法因将最先进的数值性能与可解释性相结合而受到越来越多的关注。此外，所纳入的先验领域知识可使训练更高效，因为较少的参数数量允许使用较小数据集执行训练步骤。算法展开方案在这些基于模型的学习技术中脱颖而出。尽管其快速发展且与传统高维统计方法紧密相连，它们缺乏不确定性估计，且不确定性量化理论仍不明朗。本工作朝填补此空白迈出一步，提出了一种为LISTA估计量获取置信区间的严谨方法。
引用
@article{arxiv.2309.07982,
title = {Uncertainty quantification for learned ISTA},
author = {Frederik Hoppe and Claudio Mayrink Verdun and Felix Krahmer and Hannah Laus and Holger Rauhut},
journal= {arXiv preprint arXiv:2309.07982},
year = {2023}
}
备注
to appear at the 33rd IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2023)