Buchumschlag

Improved Physics-Driven Neural Network to Solve Inverse Scattering Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Du, Yutong, Liu, Zicheng, Wu, Bo, Kou, Jingwei, Li, Hang, Li, Changyou, Zong, Yali, Qi, Bo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physics-Driven Neural Network for Solving Electromagnetic Inverse Scattering Problems
von: Du, Yutong, et al.
Veröffentlicht: (2025)

Fast Physics-Driven Untrained Network for Highly Nonlinear Inverse Scattering Problems
von: Du, Yutong, et al.
Veröffentlicht: (2026)

Contrast-Source-Based Physics-Driven Neural Network for Inverse Scattering Problems
von: Du, Yutong, et al.
Veröffentlicht: (2026)

Quality-factor inspired deep neural network solver for solving inverse scattering problems
von: Du, Yutong, et al.
Veröffentlicht: (2025)

Solving the Wide-band Inverse Scattering Problem via Equivariant Neural Networks
von: Zhang, Borong, et al.
Veröffentlicht: (2022)

The Unreasonable Effectiveness of Solving Inverse Problems with Neural Networks
von: Holl, Philipp, et al.
Veröffentlicht: (2024)

Back-Projection Diffusion: Solving the Wideband Inverse Scattering Problem with Diffusion Models
von: Zhang, Borong, et al.
Veröffentlicht: (2024)

Solving Forward and Inverse Problems of Contact Mechanics using Physics-Informed Neural Networks
von: Sahin, T., et al.
Veröffentlicht: (2023)

A Model-Guided Neural Network Method for the Inverse Scattering Problem
von: Tsang, Olivia, et al.
Veröffentlicht: (2025)

A Deep Neural Network Framework for Solving Forward and Inverse Problems in Delay Differential Equations
von: Wang, Housen, et al.
Veröffentlicht: (2024)

Data-Guided Physics-Informed Neural Networks for Solving Inverse Problems in Partial Differential Equations
von: Zhou, Wei, et al.
Veröffentlicht: (2024)

Think Twice Before You Act: Improving Inverse Problem Solving With MCMC
von: Zhu, Yaxuan, et al.
Veröffentlicht: (2024)

Solving Inverse Problems via Diffusion Optimal Control
von: Li, Henry, et al.
Veröffentlicht: (2024)

Multi-frequency Neural Born Iterative Method for Solving 2-D Inverse Scattering Problems
von: Liu, Daoqi, et al.
Veröffentlicht: (2024)

Field Reconstruction for High-Frequency Electromagnetic Exposure Assessment Based on Deep Learning
von: Cao, Miao, et al.
Veröffentlicht: (2025)

Neumann Series-based Neural Operator for Solving Inverse Medium Problem
von: Liu, Ziyang, et al.
Veröffentlicht: (2024)

Discovering Physics-Informed Neural Networks Model for Solving Partial Differential Equations through Evolutionary Computation
von: Zhang, Bo, et al.
Veröffentlicht: (2024)

Self-diffusion for Solving Inverse Problems
von: Luo, Guanxiong, et al.
Veröffentlicht: (2025)

Latent Neural Operator for Solving Forward and Inverse PDE Problems
von: Wang, Tian, et al.
Veröffentlicht: (2024)

Bayesian Physics-Informed Neural Networks for Inverse Problems (BPINN-IP): Application in Infrared Image Processing
von: Mohammad-Djafari, Ali, et al.
Veröffentlicht: (2025)

Are Statistical Methods Obsolete in the Era of Deep Learning? A Study of ODE Inverse Problems
von: Wu, Skyler, et al.
Veröffentlicht: (2025)

Symptom-Driven Personalized Proton Pump Inhibitors Therapy Using Bayesian Neural Networks and Model Predictive Control
von: Li, Yutong, et al.
Veröffentlicht: (2025)

Constrained Particle Seeking: Solving Diffusion Inverse Problems with Just Forward Passes
von: Dou, Hongkun, et al.
Veröffentlicht: (2026)

Solving Integrated Process Planning and Scheduling Problem via Graph Neural Network Based Deep Reinforcement Learning
von: Li, Hongpei, et al.
Veröffentlicht: (2024)

Solving Inverse Problems with Model Mismatch using Untrained Neural Networks within Model-based Architectures
von: Guan, Peimeng, et al.
Veröffentlicht: (2024)

Unleashing the Denoising Capability of Diffusion Prior for Solving Inverse Problems
von: Zhang, Jiawei, et al.
Veröffentlicht: (2024)

Preconditioned FEM-based Neural Networks for Solving Incompressible Fluid Flows and Related Inverse Problems
von: Griese, Franziska, et al.
Veröffentlicht: (2024)

Improving Diffusion Inverse Problem Solving with Decoupled Noise Annealing
von: Zhang, Bingliang, et al.
Veröffentlicht: (2024)

Physics-Trained Neural Network as Inverse Problem Solver for Potential Fields: An Example of Downward Continuation between Arbitrary Surfaces
von: Sun, Jing, et al.
Veröffentlicht: (2025)

Blind Inverse Problem Solving Made Easy by Text-to-Image Latent Diffusion
von: Dontas, Michail, et al.
Veröffentlicht: (2024)

Solving Inverse Problems with Deep Linear Neural Networks: Global Convergence Guarantees for Gradient Descent with Weight Decay
von: Laus, Hannah, et al.
Veröffentlicht: (2025)

Physics-Informed Deep Contrast Source Inversion: A Unified Framework for Inverse Scattering Problems
von: Sun, Haoran, et al.
Veröffentlicht: (2025)

Inverse Evolution Layers: Physics-informed Regularizers for Deep Neural Networks
von: Liu, Chaoyu, et al.
Veröffentlicht: (2023)

Solving the Inverse Alignment Problem for Efficient RLHF
von: Krishna, Shambhavi, et al.
Veröffentlicht: (2024)

Variational Graph Neural Networks for Uncertainty Quantification in Inverse Problems
von: Gonzalez, David, et al.
Veröffentlicht: (2026)

Convergence and Recovery Guarantees of Unsupervised Neural Networks for Inverse Problems
von: Buskulic, Nathan, et al.
Veröffentlicht: (2023)

Audio Decoding by Inverse Problem Solving
von: T., Pedro J. Villasana, et al.
Veröffentlicht: (2024)

Solving Inverse Parametrized Problems via Finite Elements and Extreme Learning Networks
von: Burman, Erik, et al.
Veröffentlicht: (2026)

Provably Efficient Exploration in Inverse Constrained Reinforcement Learning
von: Yue, Bo, et al.
Veröffentlicht: (2024)

Understanding the Difficulty of Solving Cauchy Problems with PINNs
von: Wang, Tao, et al.
Veröffentlicht: (2024)