Buchumschlag

Learned Discrepancy Reconstruction and Benchmark Dataset for Magnetic Particle Imaging

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Iske, Meira, Albers, Hannes, Knopp, Tobias, Kluth, Tobias
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Expressivity of Bi-Lipschitz Normalizing Flows: A Score-Based Diffusion Perspective
von: Iske, Meira, et al.
Veröffentlicht: (2026)

On the Convergence of Irregular Sampling in Reproducing Kernel Hilbert Spaces
von: Iske, Armin
Veröffentlicht: (2025)

Finetuning greedy kernel models by exchange algorithms
von: Wenzel, Tizian, et al.
Veröffentlicht: (2024)

Efficient Chebyshev Reconstruction for the Anisotropic Equilibrium Model in Magnetic Particle Imaging
von: Droigk, Christine, et al.
Veröffentlicht: (2025)

Neural Low-Discrepancy Sequences
von: Van Huffel, Michael Etienne, et al.
Veröffentlicht: (2025)

Inducing Riesz and orthonormal bases in $L^2$ via composition operators
von: Saleh, Yahya, et al.
Veröffentlicht: (2024)

Equilibrium Model with Anisotropy for Model-Based Reconstruction in Magnetic Particle Imaging
von: Maass, Marco, et al.
Veröffentlicht: (2024)

Low Stein Discrepancy via Message-Passing Monte Carlo
von: Kirk, Nathan, et al.
Veröffentlicht: (2025)

Parametric model reduction of mean-field and stochastic systems via higher-order action matching
von: Berman, Jules, et al.
Veröffentlicht: (2024)

Discrepancies are Virtue: Weak-to-Strong Generalization through Lens of Intrinsic Dimension
von: Dong, Yijun, et al.
Veröffentlicht: (2025)

Learning phase-space flows using time-discrete implicit Runge-Kutta PINNs
von: Corral, Álvaro Fernández, et al.
Veröffentlicht: (2024)

Leveraging Gauge Freedom for Learning Non-Gradient Population Dynamics of Stochastic Systems
von: Berman, Jules, et al.
Veröffentlicht: (2026)

When do World Models Successfully Learn Dynamical Systems?
von: Ross, Edmund, et al.
Veröffentlicht: (2025)

Fourier-Domain Inversion for the Modulo Radon Transform
von: Beckmann, Matthias, et al.
Veröffentlicht: (2023)

A remark on an error analysis for classical and learned Tikhonov regularization schemes
von: Behrens, Arne, et al.
Veröffentlicht: (2026)

Optimizing Kernel Discrepancies via Subset Selection
von: Chen, Deyao, et al.
Veröffentlicht: (2025)

Spectral equivalence of unsymmetric kernel matrices and applications
von: Wenzel, Tizian, et al.
Veröffentlicht: (2025)

On the convergence of generalized kernel-based interpolation by greedy data selection algorithms
von: Albrecht, Kristof, et al.
Veröffentlicht: (2024)

Spectral alignment of kernel matrices and applications
von: Wenzel, Tizan, et al.
Veröffentlicht: (2024)

Numerical and statistical analysis of NeuralODE with Runge-Kutta time integration
von: Ehrhardt, Emily C., et al.
Veröffentlicht: (2025)

Learning-based approaches for reconstructions with inexact operators in nanoCT applications
von: Lütjen, Tom, et al.
Veröffentlicht: (2023)

Bit-Accurate Modeling of GPU Matrix Multiply-Accumulate Units: Demystifying Numerical Discrepancy and Accuracy
von: Xie, Peichen, et al.
Veröffentlicht: (2025)

Learned Finite Element-based Regularization of the Inverse Problem in Electrocardiographic Imaging
von: Haas, Manuel, et al.
Veröffentlicht: (2026)

Randomized Tensor Ring Decomposition and Its Application to Large-scale Data Reconstruction
von: Yuan, Longhao, et al.
Veröffentlicht: (2019)

Data-driven Learning of Interaction Laws in Multispecies Particle Systems with Gaussian Processes: Convergence Theory and Applications
von: Feng, Jinchao, et al.
Veröffentlicht: (2025)

MVNN: A Measure-Valued Neural Network for Learning McKean-Vlasov Dynamics from Particle Data
von: Lyu, Liyao, et al.
Veröffentlicht: (2026)

Product kernels are efficient and flexible tools for high-dimensional scattered data interpolation
von: Albrecht, Kristof, et al.
Veröffentlicht: (2023)

Variational Model-Based Reconstruction Techniques for Multi-Patch Data in Magnetic Particle Imaging
von: Gapyak, Vladyslav, et al.
Veröffentlicht: (2023)

Learning the Hodgkin-Huxley Model with Operator Learning Techniques
von: Centofanti, Edoardo, et al.
Veröffentlicht: (2024)

Maximal Volume Matrix Cross Approximation for Image Compression and Least Squares Solution
von: Allen, Kenneth, et al.
Veröffentlicht: (2023)

In-Context Learning of Linear Systems: Generalization Theory and Applications to Operator Learning
von: Cole, Frank, et al.
Veröffentlicht: (2024)

Invertible ResNets for Inverse Imaging Problems: Competitive Performance with Provable Regularization Properties
von: Arndt, Clemens, et al.
Veröffentlicht: (2024)

A Deep Learning Framework for Multi-Operator Learning: Architectures and Approximation Theory
von: Weihs, Adrien, et al.
Veröffentlicht: (2025)

Deep Learning for Subspace Regression
von: Fanaskov, Vladimir, et al.
Veröffentlicht: (2025)

Operator Learning at Machine Precision
von: Bacho, Aras, et al.
Veröffentlicht: (2025)

Learning by solving differential equations
von: Dherin, Benoit, et al.
Veröffentlicht: (2025)

The Parametric Complexity of Operator Learning
von: Lanthaler, Samuel, et al.
Veröffentlicht: (2023)

Operator Learning: Algorithms and Analysis
von: Kovachki, Nikola B., et al.
Veröffentlicht: (2024)

Variational (Energy-Based) Spectral Learning: A Machine Learning Framework for Solving Partial Differential Equations
von: Hammad, M. M.
Veröffentlicht: (2026)

Learning to Solve Related Linear Systems
von: Hegde, Disha, et al.
Veröffentlicht: (2025)