arrow
返回

Model-Based Deep Learning: On the Intersection of Deep Learning and Optimization

delete2022-01-01
delete73
delete
OA
AI
N
Nir Shlezinger *
Y
Yonina C. Eldar
S
Stephen Boyd
DOI:10.1109/ACCESS.2022.3218802delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
决策算法用于多种不同的应用中。用于设计决策算法的常规方法采用原则性和简化的建模,基于该建模,可以通过易处理的优化来确定决策。最近,使用从数据调整的高度参数化架构而不依赖于数学模型的深度学习方法变得越来越流行。基于模型的优化和以数据为中心的深度学习通常被认为是不同的学科。在这里,我们将它们描述为在特异性和参数化方面变化的连续光谱的边缘,并为位于该光谱中间的方法提供教程式的演示,称为基于模型的深度学习。我们伴随着我们的演讲,在超分辨率和随机控制运行的例子,并展示他们如何使用所提供的表征和专门在每个详细的方法来表达。在从生物医学成像到数字通信的各种应用中,使用实验结果证明了将基于模型的优化和深度学习相结合的收益。
Keyword:
Deep learning
Optimization
Mathematical models
Superresolution
Iterative methods
Learning systems
Stochastic processes
Optimization
deep learning
deep unfolding
learn-to-optimize

期刊

IEEE Access 封面图
IEEE Access
IF:
3.6
论文数:
9.8W
被引数:
29.4W

机构

S
Stanford University
学者数:
9.6W
论文数: 8.2W
被引数: 17.0W
W
Weizmann Institute of Science
学者数:
1.3W
论文数: 1.1W
被引数: 2.3W
B
ben-gurion university of the negev
学者数:
8.4K
论文数: 5.1K
被引数: 1
学者 查看更多机构
引用论文

引用论文

学者 查看更多内容