Buchumschlag

Sampling Distributions as Regularization in Learned Inverse Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Babyale, Sandra R., Mead, Jodi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Numerical Analysis 65J22, 65J20, 68T07
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep neural network yields regularization for ill-posed inverse problems
von: Zhu, Qiao, et al.
Veröffentlicht: (2026)

A Theory of Non-Acyclic Generative Flow Networks
von: Brunswic, Leo Maxime, et al.
Veröffentlicht: (2023)

Introduction to Regularization and Learning Methods for Inverse Problems
von: Bednarski, Danielle, et al.
Veröffentlicht: (2025)

Hölder-Logarithmic Stability and Convergence Rates for an Inverse Random Source Problem
von: Mickan, Philipp, et al.
Veröffentlicht: (2026)

On the Convergence of A Data-Driven Regularized Stochastic Gradient Descent for Nonlinear Ill-Posed Problems
von: Zhou, Zehui
Veröffentlicht: (2024)

An Inverse Problems Approach to Pulse Wave Analysis in the Human Brain
von: Weissinger, Lukas, et al.
Veröffentlicht: (2024)

A posteriori certification for neural network approximations to PDEs
von: Ernst, Lewin, et al.
Veröffentlicht: (2025)

Convergence rates of Landweber-type methods for inverse problems in Banach spaces
von: Jin, Qinian
Veröffentlicht: (2024)

Physics-informed features in supervised machine learning
von: Lampani, Margherita, et al.
Veröffentlicht: (2025)

Learned Regularization for Inverse Problems: Insights from a Spectral Model
von: Burger, Martin, et al.
Veröffentlicht: (2023)

Operator Inference for Elliptic Eigenvalue Problems
von: Li, Haoqian, et al.
Veröffentlicht: (2025)

Interpolation and inverse problems in spectral Barron spaces
von: Lu, Shuai, et al.
Veröffentlicht: (2025)

Derivative-Informed Fourier Neural Operator: Universal Approximation and Applications to PDE-Constrained Optimization
von: Yao, Boyuan, et al.
Veröffentlicht: (2025)

Variable Projected Augmented Lagrangian Methods for Generalized Lasso Problems
von: Aleotti, Stefano, et al.
Veröffentlicht: (2025)

Sparse variational regularization with oversmoothing penalty term in the scale of sequence spaces
von: Plato, Robert, et al.
Veröffentlicht: (2025)

How Regularization Terms Make Invertible Neural Networks Bayesian Point Estimators
von: Heilenkötter, Nick
Veröffentlicht: (2025)

Subspace projection regularization for large-scale Bayesian linear inverse problems
von: Li, Haibo
Veröffentlicht: (2023)

Explainable Learning Based Regularization of Inverse Problems
von: Burger, Martin, et al.
Veröffentlicht: (2025)

Model Error Covariance Estimation for Weak Constraint Data Assimilation
von: Babyale, Sandra R., et al.
Veröffentlicht: (2025)

Regularization with optimal space-time priors
von: Bubba, Tatiana A., et al.
Veröffentlicht: (2024)

The Neural Approximated Virtual Element Method for Elasticity Problems
von: Berrone, Stefano, et al.
Veröffentlicht: (2025)

Random Source Iteration Method: Mitigating the Ray Effect in the Discrete Ordinates Method
von: Fu, Jingyi, et al.
Veröffentlicht: (2025)

Function and derivative approximation by shallow neural networks
von: Li, Yuanyuan, et al.
Veröffentlicht: (2024)

RandONet: Shallow-Networks with Random Projections for learning linear and nonlinear operators
von: Fabiani, Gianluca, et al.
Veröffentlicht: (2024)

Randomized block coordinate descent method for linear ill-posed problems
von: Jin, Qinian, et al.
Veröffentlicht: (2024)

Deep Learning without Global Optimization by Random Fourier Neural Networks
von: Davis, Owen, et al.
Veröffentlicht: (2024)

AFIRE: Accurate and Fast Image Reconstruction Algorithm for Geometric-inconsistent Multispectral CT
von: Gao, Yu, et al.
Veröffentlicht: (2025)

Convergence Analysis of Nonlinear Kaczmarz Method for Systems of Nonlinear Equations with Component-wise Convex Mapping
von: Gao, Yu, et al.
Veröffentlicht: (2023)

A new sparsity promoting residual transform operator for Lasso regression
von: Xiao, Yao, et al.
Veröffentlicht: (2025)

A Paired Autoencoder Framework for Inverse Problems via Bayes Risk Minimization
von: Hart, Emma, et al.
Veröffentlicht: (2025)

Deep collocation method: A framework for solving PDEs using neural networks with error control
von: Weng, Mingxing, et al.
Veröffentlicht: (2025)

ECALL: Expectation-calibrated learning for unsupervised blind deconvolution
von: Haltmeier, Markus, et al.
Veröffentlicht: (2024)

Expression Rates of Neural Operators for Linear Elliptic PDEs in Polytopes
von: Marcati, Carlo, et al.
Veröffentlicht: (2024)

A Neural Multigrid Solver for Helmholtz Equations with High Wavenumber and Heterogeneous Media
von: Cui, Chen, et al.
Veröffentlicht: (2024)

A Scalable Sequential Framework for Dynamic Inverse Problems via Model Parameter Estimation
von: Keating, Aryeh, et al.
Veröffentlicht: (2026)

Optimal convergence rates of MCMC integration for functions with unbounded second moment
von: Hofstadler, Julian
Veröffentlicht: (2024)

Automatic reproducing kernel and regularization for learning convolution kernels
von: Li, Haibo, et al.
Veröffentlicht: (2025)

Scalable iterative data-adaptive RKHS regularization
von: Li, Haibo, et al.
Veröffentlicht: (2024)

On a new notion of regularizer
von: Ramm, A. G.
Veröffentlicht: (2003)

Empirical Risk Minimization as Parameter Choice Rule for General Linear Regularization Methods
von: Li, Housen, et al.
Veröffentlicht: (2017)