Buchumschlag

Inverse scattering beyond Born approximation via rotation-equivariance-aware neural network and low-rank structure

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Yuyuan, Meng, Shixu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring low-rank structure for an inverse scattering problem with far-field data
von: Zhou, Yuyuan, et al.
Veröffentlicht: (2024)

A theoretical and computational framework for three dimensional inverse medium scattering using the linearized low-rank structure
von: Zhou, Yuyuan, et al.
Veröffentlicht: (2026)

Low-rank-assisted inverse medium scattering: Lipschiz stability and ensemble Kalman filter
von: Meng, Shixu
Veröffentlicht: (2026)

On the recovery of two function-valued coefficients in the Helmholtz equation for inverse scattering problems via inverse Born series
von: Cakoni, Fioralba, et al.
Veröffentlicht: (2025)

An inverse obstacle scattering problem with passive data in the time domain
von: Liu, Xiaoli, et al.
Veröffentlicht: (2024)

Shape and parameter identification by the linear sampling method for a restricted Fourier integral operator
von: Audibert, Lorenzo, et al.
Veröffentlicht: (2023)

Preconditioning Low Rank Generalized Minimal Residual Method (GMRES) for Implicit Discretizations of Matrix Differential Equations
von: Meng, Shixu, et al.
Veröffentlicht: (2024)

Adaptive quadratures for nonlinear approximation of low-dimensional PDEs using smooth neural networks
von: Magueresse, Alexandre, et al.
Veröffentlicht: (2023)

On the recovery of two function-valued coefficients in the Helmholtz equation for inverse scattering problems via neural networks
von: Zhou, Zehui
Veröffentlicht: (2024)

Randomized low-rank approximation of parameter-dependent matrices
von: Kressner, Daniel, et al.
Veröffentlicht: (2023)

Fully discrete analysis of the Galerkin POD neural network approximation with application to 3D acoustic wave scattering
von: Dölz, Jürgen, et al.
Veröffentlicht: (2025)

Characterization of Dirichlet-to-Neumann maps via the Born approximation
von: Castro, Carlos, et al.
Veröffentlicht: (2026)

Dynamical low-rank approximation for the semiclassical Schrodinger equation with uncertainties
von: Liu, Liu, et al.
Veröffentlicht: (2026)

Matrices over a Hilbert space and their low-rank approximation
von: Budzinskiy, Stanislav
Veröffentlicht: (2025)

Quaternion tensor low rank Quaternion tensor low-rank approximation using a family of non-convex norms
von: Zahir, Alaeddine, et al.
Veröffentlicht: (2024)

Randomized strong rank-revealing QR for column subset selection and low-rank matrix approximation
von: Grigori, Laura, et al.
Veröffentlicht: (2025)

Inverse scattering without phase: Carleman convexification and phase retrieval via the Wentzel--Kramers--Brillouin approximation
von: Le, Thuy T., et al.
Veröffentlicht: (2025)

Geometric low-rank approximation of the Zeitlin model of incompressible fluids on the sphere
von: Pagliantini, Cecilia
Veröffentlicht: (2024)

Parametric kernel low-rank approximations using tensor train decomposition
von: Khan, Abraham, et al.
Veröffentlicht: (2024)

Better than best low-rank approximation with the singular value decomposition
von: Gleich, David F.
Veröffentlicht: (2024)

Efficient quaternion CUR method for low-rank approximation to quaternion matrix
von: Wu, Peng-Ling, et al.
Veröffentlicht: (2024)

Efficient adaptive randomized algorithms for fixed-threshold low-rank matrix approximation
von: Liu, Qiaohua, et al.
Veröffentlicht: (2025)

Fredholm integral equations for function approximation and the training of neural networks
von: Gelß, Patrick, et al.
Veröffentlicht: (2023)

Deep neural network approximation theory for high-dimensional functions
von: Beneventano, Pierfrancesco, et al.
Veröffentlicht: (2021)

A generalized Nystrom method with column sketching for low-rank approximation of nonsymmetric matrices
von: Wang, Yatian, et al.
Veröffentlicht: (2024)

Time integration of quantized tensor trains using the interpolative dynamical low-rank approximation
von: Ye, Erika, et al.
Veröffentlicht: (2025)

Splitting-based randomized dynamical low-rank approximations for stiff matrix differential equations
von: Wu, Zi, et al.
Veröffentlicht: (2025)

Robust low-rank training via approximate orthonormal constraints
von: Savostianova, Dayana, et al.
Veröffentlicht: (2023)

Adaptive neural network basis methods for partial differential equations with low-regular solutions
von: Huang, Jianguo, et al.
Veröffentlicht: (2024)

Inverse elastic obstacle scattering problems by monotonicity method
von: Bai, Mengjiao, et al.
Veröffentlicht: (2025)

Accelerated decomposition of bistochastic kernel matrices by low rank approximation
von: Vales, Chris, et al.
Veröffentlicht: (2025)

Sharp uniform approximation for spectral Barron functions by deep neural networks
von: Liao, Yulei, et al.
Veröffentlicht: (2025)

Error estimates of physics-informed neural networks for approximating Boltzmann equation
von: Abdo, Elie, et al.
Veröffentlicht: (2024)

Measurability and continuity of parametric low-rank approximation in Hilbert spaces: linear operators and random variables
von: Franco, Nicola Rares
Veröffentlicht: (2024)

A unified framework for multiscale spectral generalized FEMs and low-rank approximations to multiscale PDEs
von: Ma, Chupeng
Veröffentlicht: (2023)

CP decomposition and low-rank approximation of antisymmetric tensors
von: Begovic, Erna, et al.
Veröffentlicht: (2022)

Extended Galerkin neural network approximation of singular variational problems with error control
von: Ainsworth, Mark, et al.
Veröffentlicht: (2024)

Superfast iterative refinement of low rank approximation of a matrix based on ALS method and random sampling
von: Luan, Qi, et al.
Veröffentlicht: (2019)

From low-rank retractions to dynamical low-rank approximation and back
von: Séguin, Axel, et al.
Veröffentlicht: (2023)

Restarting the Numerical Flow Iteration through low rank tensor approximations
von: Wilhelm, Rostislav-Paul, et al.
Veröffentlicht: (2025)