A Nonlinear Model Compression Scheme Based on Variational Autoencoder for Microwave Data Inversion

We present an inversion algorithm with a deep-learning-based model compression scheme. Models are described with latent parameters of a trained variational autoencoder (VAE) neural network. Given observed data, latent parameters are inverted by minimizing the data misfit cost function using the Gaus...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on antennas and propagation Ročník 70; číslo 11; s. 11059 - 11069
Hlavní autoři:	Guo, Rui, Lin, Zhichao, Li, Maokun, Yang, Fan, Xu, Shenheng, Abubakar, Aria
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.11.2022 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Artificial neural networks Computational modeling Cost function Data models Decoding Deep learning Inverse problems inverse scattering inversion algorithm Machine learning Mathematical models model compression Neural networks Newton methods Parameters Permittivity Training variational autoencoder
ISSN:	0018-926X, 1558-2221
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!