.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
非均匀采样（NUS）是减少多维核磁共振实验时间的有效策略，能够使实践者将仪器资源集中于间接维度时间，以获取关于测量信号的最大信息量。在给定合适的采样计划的情况下，NUS实验可以在更短的时间内获得更高的谱图质量，尽管对于任何给定实验存在许多合适的采样计划选择，但其选择仍然主要基于经验法则。本研究考察了主动非均匀采样（ANS）的期望特性，即将重建算法置于采集循环中以动态选择新样本，并开发了一种候选ANS算法，以评估其在二维实验中的性能和实用性。
Keyword:
Active learning
Compressed sensing
Nonuniform sampling
Statistical inference
Variational inference
