该研究提出了一个两阶段混合学习框架，将卷积神经网络和物理知识驱动的神经网络结合起来解决电阻抗层析成像问题。该框架在PINN框架中解耦了正向和逆向问题。

本研究提出了一种创新的矿产勘探端到端工作流程，将环境噪声层析成像（ANT）和人工智能（AI）相结合，以增强对低碳经济所需的重要矿产资源的发现和勘定。我们以铜作为关键元素，该元素在可再生能源解决方案中需要大量使用。我们展示了利用 ANT 和 AI...

本文介绍了插拔式去噪的流行迭代框架，提供了关于正则化理论的概述，并调查了几种新近的数据驱动方法作为正则化方案。同时，提出了一种新颖的谱滤波技术来控制正则化强度，并严格证明了插拔式与线性去噪器的收敛正则化方案。数值实验验证了这个理论分析在层析成像的经典反问题中的有效性。

该研究提出了一种新的深度场景表示方法——神经反射场，使用全连接的神经网络编码场景中任意3D点的体密度、法线和反射属性，并将其与可微分的物理模型相结合，实现高质量的视角合成和照明重建。