一种提升的Bregman策略用于训练展开的近端神经网络高斯去噪器

本研究着重解决了展开近端神经网络（PNNs）训练中效率不足的问题。通过提出基于Bregman距离的提升训练公式，结合确定性的小批量块坐标前向-后向方法，开发了一种超越传统反向传播的计算策略。该方法在图像去噪任务中的数值模拟中表现出色，展示了PNNs在计算成像领域的潜在应用价值。