Neural Born Iteration Method For Solving Inverse Scattering Problems: 2D Cases

要約

この論文では、物理学に基づいた教師あり残差学習 (PhiSRL) のスキームを利用して従来のボーン反復法の計算プロセスをエミュレートすることにより、2D 逆散乱問題 (ISP) を解決するためのニューラルボーン反復法 (NeuralBIM) を提案します (
TBIM）。
NeuralBIM は、独立した畳み込みニューラル ネットワーク (CNN) を使用して、残差に関する 2 つの異なる候補解の代替更新ルールを学習します。
この論文では、教師あり学習スキームと教師なし学習スキームを含む 2 つの異なるスキームを紹介します。
モーメント法 (MoM) によって生成されたデータセットを使用して、教師あり NeuralBIM はフィールド全体とコントラストの知識を使ってトレーニングされます。
教師なし NeuralBIM は、ISP の支配方程式に基づいた物理学に埋め込まれた目的関数によって導かれ、トレーニングに合計フィールドやコントラストを必要としません。
数値および実験結果により、NeuralBIM の有効性がさらに検証されます。

要約(オリジナル)

In this paper, we propose the neural Born iterative method (NeuralBIM) for solving 2D inverse scattering problems (ISPs) by drawing on the scheme of physics-informed supervised residual learning (PhiSRL) to emulate the computing process of the traditional Born iterative method (TBIM). NeuralBIM employs independent convolutional neural networks (CNNs) to learn the alternate update rules of two different candidate solutions regarding the residuals. Two different schemes are presented in this paper, including the supervised and unsupervised learning schemes. With the data set generated by the method of moments (MoM), supervised NeuralBIM are trained with the knowledge of total fields and contrasts. Unsupervised NeuralBIM is guided by the physics-embedded objective function founding on the governing equations of ISPs, which results in no requirement of total fields and contrasts for training. Numerical and experimental results further validate the efficacy of NeuralBIM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google