Solving Inverse(역함수 풀기)란 무엇입니까?
Solving Inverse 역함수 풀기 - The obtained experimental data will be processed by solving inversed Cauchy problem for the non-stationary heat transfer equation. [1] We propose a method for increasing the speed and spectral efficiency of information transmission over soliton communication lines, based on algorithms for solving inverse and direct scattering problems, in the frame of a modern soliton orthogonal frequency division multiplexing (SOFDM) approach. [2] The eleventh international annual scientific school-conference “Theory and numerical methods for solving inverse and ill-posed problems” will be held in August 26–September 4, 2019. [3]얻어진 실험 데이터는 비정상 열전달 방정식에 대한 역 코시 문제를 해결하여 처리됩니다. [1] 우리는 현대 솔리톤 직교 주파수 분할 다중화(SOFDM) 접근 방식의 프레임에서 역 및 직접 산란 문제를 해결하기 위한 알고리즘을 기반으로 솔리톤 통신 회선을 통한 정보 전송의 속도와 스펙트럼 효율성을 높이는 방법을 제안합니다. [2] 2019년 8월 26일부터 9월 4일까지 열한 번째 국제 연례 과학 학교 컨퍼런스 "역 및 잘못된 문제를 해결하기 위한 이론 및 수치적 방법"이 개최됩니다. [3]
solving inverse problem 역 문제 풀기
However, in commonly used methods for solving inverse problems, parameter selection significantly influences the results. [1] The study also demonstrates new results such as i) new suggestions about possible products of collisional reactions of electronically-vibrationally excited oxygen molecules with atomic oxygen and ii) new estimates of O2(b1Σ+g, v = 0 – 10) radiative lifetimes which are necessary for solving inverse problems in the lower thermosphere. [2] To construct control laws, biquaternionic and dual matrix models of the spatial motion of a rigid body, the concept of solving inverse problems of dynamics, the principle of feedback control and reduction of the constructed nonlinear differential equations of the perturbed spatial motion of a rigid body to the reference linear stationary differential forms of the selected structure by using the proposed nonlinear feedbacks in control laws. [3] This paper introduces an accurate method for solving inverse problems by combining Tikhonov's regularization and the genetic algorithm. [4] There has been considerable progress in recent years in solving inverse problems for nonlinear hyperbolic equations. [5] We introduce a simple, rigorous, and unified framework for solving nonlinear partial differential equations (PDEs), and for solving inverse problems (IPs) involving the identification of parameters in PDEs, using the framework of Gaussian processes. [6] METHODS Model based deep learning architecture for solving inverse problems consists of two parts, a deep learning based denoiser and an iterative data consistency solver. [7] We propose aNETT (augmented NETwork Tikhonov) regularization as a novel data-driven reconstruction framework for solving inverse problems. [8] Regularization parameter selection (RPS) is one of the most important tasks in solving inverse problems. [9] The non-negative parameters in the model are obtained by solving inverse problems with empirical data from California, Florida, Georgia, Maryland, Tennessee, Texas, Washington and Wisconsin. [10] The relationship between the radio brightness temperature and the electrophysical characteristics of the soil is known, which implies the possibility of solving inverse problems, namely: determining the electrophysical characteristics of the soil and its state by the measured parameters of its radio-thermal radiation [1]. [11] We also show the use of ROM in solving inverse problems to analyze the experimental data in obtaining transport/reaction parameters. [12] Indeed emulating the steady-state climate response has been possible for many years and provides significant speed increases that allow solving inverse problems for e. [13] In this paper, we propose and analyze a novel Kaczmarz type method for solving inverse problems which can be written as systems of nonlinear operator equations in Banach spaces. [14] Recent efforts on solving inverse problems in imaging via deep neural networks use architectures inspired by a fixed number of iterations of an optimization method. [15] The developed population balance equations embedded with neural network approach is promising for solving inverse problems of particle aggregation and breakage processes with noisy observation data. [16] Solving inverse problems to infer parameters of the kinetic model through optimization techniques or Bayesian inference methods for uncertainty quantification may require a large number of evaluations of the response and its sensitivities (derivatives with respect to parameters). [17] We implement the spatial imaging by leveraging travel-time shifts at successive lag times and solving inverse problems based on coda-wave sensitivity kernels. [18] That makes our model applicable for extensive bulk runs in the field development planning or for solving inverse problems in real time, for example, automatic pressure match and fracture simulation in the real time of the fracturing job. [19] Even accounting for training time, our results also show that INNs can be more efficient than Monte Carlo methods for solving inverse problems only once. [20] The method is based on solving inverse problems to determine the components of the dielectric permittivity tensor and the thickness of the coatings from the frequency and angular dependences of the field attenuation coefficient of the radial surface electromagnetic wave excited in the sample under study. [21] The LEV database is constructed from experimental spectroscopic and structural data by solving inverse problems of molecular vibrations. [22] Most of the existing work on solving inverse problems in glaciology has assumed that the observational data used to constrain the model are spatially dense. [23] The article presents the results of solving inverse problems for single fracture length, placement and orientation detection and for system of fractures with variations in the angle of inclination of fractures, height of fractures, density of fractures in the system. [24] The developed numerical method is usable for solving inverse problems determining some model parameters. [25] In summary, we have developed a new procedure that adds value to existing methodologies for solving inverse problems in 3D, mainly by allowing for large deformations and not being restricted to any particular material formulation. [26] In this work, we describe a new approach that uses deep neural networks (DNN) to obtain regularization parameters for solving inverse problems. [27] There are various methods for solving inverse problems in materials engineering. [28] In this study, the issue of ambiguity in solving inverse problems and restoring the three-dimensional structure of a protein is considered using the structure of the ectodomain of an insulin receptor-related receptor (ectoIRR) in solution as an example. [29] The motivation for this framework primarily comes from some recent works related to solving inverse problems in acousto-electric tomography and current density impedance tomography. [30] Software IQLab and regular thermal condition theory were used for solving inverse problems. [31] Such studies are important for solving inverse problems of seismic exploration and seismic data processing to get a better estimation of hydrocarbon reserves, locate hydrocarbons and other minerals. [32] In particular, this work focuses on the capability of X-TFC in solving inverse problems to estimate the parameters governing the epidemiological compartmental models via a deterministic approach. [33] The proposed method helps to extend the applicable area of DEIM in solving inverse problems. [34] A model of the medium, which makes it possible to use information more rationally for solving inverse problems in comparison with the well-known models of a layered and quasi-layered medium is introduced. [35] Deep learning methods have been of particular interest for such problems, due to their success in solving inverse problems in other fields. [36] Though deep reinforcement learning can generate effective policy networks for operator selection or architecture search in image restoration, how it is connected to the classic deterministic training in solving inverse problems remains unclear. [37] Differentiable physically-based rendering has become an indispensable tool for solving inverse problems involving light. [38] Solving inverse problems, where we find the input values that result in desired values of outputs, can be challenging. [39] Moreover, solving inverse problems with hidden physics is often prohibitively expensive and requires different formulations and elaborate computer codes. [40] To describe more realistic models of fractured fields, numerical methods are used on unstructured computational meshes or structured curvilinear computational meshes, which requires significant computing resources and is critical when solving inverse problems. [41] The article shows the need for identification of permanent magnets by studying the distribution of magnetization over their volume by solving inverse problems. [42] Methods for efficient calculation of derivatives (with respect to these parameters) necessary for solving inverse problems by the Gauss-Newton method are also described for the geometry parameters. [43] Following Tichonov's regularization technique for solving inverse problems , the array excitation current is subjected to a certain constraint in order to make the design less-sensitive to construction errors. [44] In this paper, software is presented that implements the method for determining the aerosol asymmetry coefficient from the results of observations of the integral coefficient of scattered light fluxes, optical depth and albedo of the terrain by interpolation without using an apparatus for solving inverse problems. [45] Despite outstanding performance, the mathematical analysis for solving inverse problems by neural networks is mostly missing. [46] In this paper, propose a method for solving inverse problems, allowing to significantly reduce the infinite number of solutions at the interval of the initial data. [47] This makes the algorithms high perspective for solving inverse problems of biomedical optics, in particular, for determination of optical parameters of biological tissues from measurements of radiation characteristics. [48] The values of the refractive indicies, film thickness and extinction coefficients were determined using a numerical method for solving inverse problems. [49] It is also found that the method is advantageous for solving inverse problems as well. [50]그러나 역 문제를 해결하기 위해 일반적으로 사용되는 방법에서는 매개변수 선택이 결과에 큰 영향을 미칩니다. [1] 이 연구는 또한 i) 전자 진동으로 여기된 산소 분자와 원자 산소의 충돌 반응의 가능한 제품에 대한 새로운 제안 및 ii) O<sub>2</sub>(b<sup>1< /sup>Σ<sup>+</sup><sub>g</sub>, v = 0 – 10) 낮은 열권에서 역 문제를 해결하는 데 필요한 복사 수명. [2] 강체의 공간적 운동에 대한 제어 법칙, biquaternionic 및 dual matrix 모델, 역동학의 역문제 풀이 개념, 피드백 제어의 원리 및 구성된 강체의 섭동 공간 운동에 대한 비선형 미분방정식의 축소 제어 법칙에서 제안된 비선형 피드백을 사용하여 선택된 구조의 기준 선형 고정 미분 형태로 변환합니다. [3] 이 논문은 Tikhonov의 정규화와 유전 알고리즘을 결합하여 역 문제를 푸는 정확한 방법을 소개합니다. [4] 최근 몇 년 동안 비선형 쌍곡선 방정식의 역 문제를 푸는 데 상당한 진전이 있었습니다. [5] 우리는 가우스 프로세스의 프레임워크를 사용하여 비선형 편미분 방정식(PDE)을 풀고 PDE의 매개변수 식별과 관련된 역 문제(IP)를 풀기 위한 간단하고 엄격하며 통합된 프레임워크를 소개합니다. [6] 행동 양식 역 문제를 해결하기 위한 모델 기반 딥 러닝 아키텍처는 딥 러닝 기반 잡음 제거기와 반복 데이터 일관성 솔버의 두 부분으로 구성됩니다. [7] 우리는 역 문제를 해결하기 위한 새로운 데이터 기반 재구성 프레임워크로 aNETT(증강 NETwork Tikhonov) 정규화를 제안합니다. [8] 정규화 매개변수 선택(RPS)은 역 문제를 푸는 데 가장 중요한 작업 중 하나입니다. [9] 모델의 음이 아닌 매개변수는 캘리포니아, 플로리다, 조지아, 메릴랜드, 테네시, 텍사스, 워싱턴 및 위스콘신의 경험적 데이터로 역 문제를 해결하여 얻습니다. [10] 라디오 밝기 온도와 토양의 전기물리학적 특성 사이의 관계는 알려져 있으며, 이는 역 문제를 해결할 가능성을 의미합니다. ]. [11] 우리는 또한 수송/반응 매개변수를 얻기 위해 실험 데이터를 분석하기 위해 역 문제를 푸는 데 ROM을 사용하는 것을 보여줍니다. [12] 실제로 정상 상태 기후 반응을 모방하는 것은 수년 동안 가능했으며 e에 대한 역 문제를 해결할 수 있는 상당한 속도 증가를 제공합니다. [13] 본 논문에서는 Banach 공간에서 비선형 연산자 방정식 시스템으로 작성할 수 있는 역 문제를 풀기 위한 새로운 Kaczmarz 유형 방법을 제안하고 분석합니다. [14] 심층 신경망을 통해 이미징의 역 문제를 해결하려는 최근의 노력은 최적화 방법의 고정된 반복 횟수에서 영감을 받은 아키텍처를 사용합니다. [15] 신경망 접근 방식이 포함된 개발된 인구 균형 방정식은 잡음이 있는 관측 데이터로 입자 응집 및 파손 프로세스의 역 문제를 해결하는 데 유망합니다. [16] 불확도 정량화를 위한 최적화 기술 또는 베이지안 추론 방법을 통해 운동 모델의 매개변수를 추론하기 위해 역 문제를 해결하려면 응답 및 민감도(매개변수에 대한 도함수)에 대한 많은 평가가 필요할 수 있습니다. [17] 우리는 연속적인 지연 시간에서 이동 시간 이동을 활용하고 코다파 감도 커널을 기반으로 하는 역 문제를 해결하여 공간 이미징을 구현합니다. [18] 따라서 현장 개발 계획의 광범위한 대량 실행 또는 파쇄 작업의 실시간 자동 압력 일치 및 파단 시뮬레이션과 같은 역 문제를 실시간으로 해결하는 데 우리 모델을 적용할 수 있습니다. [19] 훈련 시간을 고려하더라도 우리의 결과는 역 문제를 한 번만 풀기 위해 INN이 Monte Carlo 방법보다 더 효율적일 수 있음을 보여줍니다. [20] 이 방법은 연구 중인 샘플에서 여기된 방사형 표면 전자기파의 필드 감쇠 계수의 주파수 및 각도 의존성으로부터 유전율 텐서의 구성요소와 코팅의 두께를 결정하기 위해 역 문제를 푸는 것을 기반으로 합니다. [21] LEV 데이터베이스는 분자 진동의 역 문제를 해결하여 실험적인 분광 및 구조 데이터로 구성됩니다. [22] <p>빙하학의 역문제 해결에 대한 기존 작업의 대부분은 모델을 제한하는 데 사용된 관측 데이터가 공간적으로 조밀하다고 가정했습니다. [23] 이 기사는 단일 파단 길이, 배치 및 방향 감지 및 파단 경사각, 파단 높이, 시스템의 파단 밀도 변화가 있는 파단 시스템에 대한 역 문제를 해결한 결과를 제공합니다. [24] 개발된 수치적 방법은 일부 모델 매개변수를 결정하는 역 문제를 해결하는 데 사용할 수 있습니다. [25] 요약하면, 우리는 주로 큰 변형을 허용하고 특정 재료 공식에 제한되지 않음으로써 3D의 역 문제를 해결하기 위한 기존 방법론에 가치를 추가하는 새로운 절차를 개발했습니다. [26] 이 작업에서 우리는 역 문제를 해결하기 위한 정규화 매개변수를 얻기 위해 심층 신경망(DNN)을 사용하는 새로운 접근 방식을 설명합니다. [27] 재료공학에서 역문제를 푸는 방법은 다양하다. [28] 본 연구에서는 용액 내 인슐린 수용체 관련 수용체(ectoIRR)의 엑토도메인(ectodomain) 구조를 예로 들어 역문제 해결 및 단백질의 3차원 구조 복원의 모호성 문제를 고려하였다. [29] 이 프레임워크에 대한 동기는 주로 음향-전기 단층 촬영 및 전류 밀도 임피던스 단층 촬영의 역 문제 해결과 관련된 일부 최근 연구에서 비롯됩니다. [30] 역 문제를 풀기 위해 소프트웨어 IQLab과 일반 열 조건 이론이 사용되었습니다. [31] 이러한 연구는 탄화수소 매장량을 더 잘 추정하고 탄화수소 및 기타 광물을 찾기 위해 지진 탐사 및 지진 데이터 처리의 역 문제를 해결하는 데 중요합니다. [32] 특히, 이 작업은 결정론적 접근을 통해 역학 구획 모델을 지배하는 매개변수를 추정하기 위해 역 문제를 해결하는 X-TFC의 기능에 중점을 둡니다. [33] nan [34] nan [35] nan [36] nan [37] nan [38] nan [39] nan [40] nan [41] nan [42] nan [43] nan [44] nan [45] 뛰어난 성능에도 불구하고 신경망에 의한 역 문제를 해결하기 위한 수학적 분석은 대부분 누락되었습니다. [46] 본 논문에서는 초기 데이터의 간격에서 솔루션의 무한한 수를 크게 줄일 수 있는 역 문제를 해결하는 방법을 제안합니다. [47] 이것은 특히 방사선 특성의 측정으로부터 생물학적 조직의 광학적 매개변수를 결정하기 위한 생체의학 광학의 역 문제를 해결하기 위한 알고리즘을 높은 관점으로 만듭니다. [48] 굴절률, 막 두께 및 소광 계수의 값은 역 문제를 해결하기 위한 수치적 방법을 사용하여 결정되었습니다. [49] 또한 이 방법은 역 문제를 해결하는 데에도 유리하다는 것을 알 수 있습니다. [50]
solving inverse kinematic 역운동학 풀기
Traditional methods of optimization are more complex and quite expensive for solving inverse kinematics problems when the degree of freedom of a robot increases. [1] Since solving inverse kinematics analytically is difficult, Adaptive Neuro Fuzzy Inference system (ANFIS) is developed using ANFIS MATLAB toolbox. [2] solving inverse kinematics considers a complex problem because of nonlinearity equations. [3] This paper presents a new approach to solving inverse kinematics of seven degree-of-freedom (DOF) robotic manipulators. [4] Hence this paper can be broadly divided into 4 steps 1) Developing ZMP based brachistochrone and circular arc trajectory for hip 2) Cycloidal trajectory planning for ankle by taking proper collision constraints 3) Solving Inverse kinematics using UANN 4) Comparison between both proposed hip trajectories. [5] To overcome the shortcomings of conventional methods in solving inverse kinematics problems of redundant degree-of-freedom robots, this paper converts the inverse kinematics problems of the manipulator into target optimization problems, and it presents an Improved quantum particle swarm optimization algorithm (IQPSO), which is used to solve the inverse kinematics problems. [6] In the robot field, it has always been a hard issue of solving inverse kinematics (IK) problems of redundant robot. [7] The proposed method is expected to be useful for solving inverse kinematics problems, which remain analytically unresolved. [8] Recently, Forward And Backward Reaching Inverse Kinematics (FABRIK) algorithm has been used for solving inverse kinematics issue for continuum robots. [9] Based on the COM trajectory and biped end trajectory, the numerical method for solving inverse kinematics of biped robot is studied. [10] The standard KSOM learning architecture is modified to ensure proper coordination between the mobile base and arm satisfying multiple constraints such as wheels of the mobile robot always remain in contact with the terrain and maximize the manipulability for the robot arm while solving inverse kinematics. [11] It provides a new method for solving inverse kinematics solutions of a similar high-degree-of-freedom dual-arm robots. [12] The paper introduces a novel multi-attribute approach to find the optimized task sequencing via candidate poses solving inverse kinematics in the T-space. [13] The developed algorithm for solving inverse kinematics allows the construction of the presented control system for operation in real time with the control of the accuracy of the calculations. [14] A novel mutating particle swarm based optimization (MuPSO) technique for solving inverse kinematic problems of robot manipulators was proposed. [15] In this paper, a method of solving inverse kinematics based on fuzzy algorithm for hybrid system is presented. [16] Popular software and algorithms, such as gradient descent or any multi-variant equations solving algorithm, claims solving inverse kinematics but only on the numerical level. [17] In solving inverse kinematics, according to the intersection characteristics of the front three joint axes of the manipulator, the back three joint variables and the front three joint variables of the manipulator are solved grouped by inverse decoupling method. [18]기존의 최적화 방법은 로봇의 자유도가 증가할 때 역기구학 문제를 해결하는 데 더 복잡하고 비용이 많이 듭니다. [1] 역기구학을 해석적으로 푸는 것은 어렵기 때문에 ANFIS MATLAB 도구 상자를 사용하여 ANFIS(Adaptive Neuro Fuzzy Inference system)를 개발했습니다. [2] 역기구학을 푸는 것은 비선형성 방정식 때문에 복잡한 문제를 고려합니다. [3] 이 논문은 7개의 자유도(DOF) 로봇 조작기의 역기구학을 풀기 위한 새로운 접근 방식을 제시합니다. [4] 따라서 이 논문은 크게 4단계로 나눌 수 있습니다. [5] nan [6] nan [7] nan [8] 최근 FABRIK(Forward And Backward Reaching Inverse Kinematics) 알고리즘은 연속체 로봇의 역기구학 문제를 해결하는 데 사용되었습니다. [9] COM 궤적과 Biped 끝 궤적을 기반으로 Biped 로봇의 역기구학을 풀기 위한 수치해석 방법을 연구합니다. [10] 표준 KSOM 학습 아키텍처는 모바일 로봇의 바퀴가 항상 지형과 접촉 상태를 유지하고 역기구학을 해결하면서 로봇 팔의 조작성을 극대화하는 등 여러 제약 조건을 충족하는 모바일 베이스와 팔 사이의 적절한 조정을 보장하도록 수정되었습니다. [11] nan [12] nan [13] nan [14] nan [15] nan [16] nan [17] nan [18]
solving inverse heat 역열 풀기
Tikhonov's regularization theory, a technique has been developed for solving inverse heat conduction problems of identifying the thermal conductivity tensor in a two-dimensional domain. [1] Tikhonov’s regularization theory, a method is developed for solving inverse heat conduction problems of identifying a smooth outer boundary of a two-dimensional region with a known boundary condition. [2] A simple and effective method is proposed for solving inverse heat source problems in functionally graded materials based on the homogenization function. [3] Further, this experimentally generated impulse function can be used for resolving inverse heat conduction problems. [4] Surface heat flux is an important parameter in various industrial applications, which is often estimated based on measured temperature by solving inverse heat conduction problem (IHCP). [5] This paper presents three inverse models based on S-FEMs with adaptive singular value decomposition (SVD) regularization technique for solving inverse heat transfer problems of Cauchy type with noisy input data “measured” on the domain boundary. [6]Tikhonov의 정규화 이론, 2차원 영역에서 열전도 텐서를 식별하는 역 열전도 문제를 해결하기 위한 기술이 개발되었습니다. [1] Tikhonov의 정규화 이론, 알려진 경계 조건을 가진 2차원 영역의 매끄러운 외부 경계를 식별하는 역 열전도 문제를 해결하기 위한 방법이 개발되었습니다. [2] nan [3] 또한, 이 실험적으로 생성된 임펄스 함수는 역 열전도 문제를 해결하는 데 사용할 수 있습니다. [4] 표면 열유속은 다양한 산업 응용 분야에서 중요한 매개변수이며, 이는 종종 IHCP(Inverse Heat Conduction Problem)를 해결하여 측정된 온도를 기반으로 추정됩니다. [5] nan [6]
solving inverse scattering 역산란 풀기
Solving inverse scattering problems by numerical methods requires investigating the number of independent pieces of information that can be reconstructed stably. [1] This paper presents an efficient implementation of the inversion algorithm based on the conjugate-gradient method (CGM) for solving inverse scattering problems. [2] Particularly, when the measurement data are contaminated by noise, solving inverse scattering problems is even more challenging. [3] An introduction to mathematical imaging technique for solving inverse scattering problems is given. [4]역산란 문제를 수치적 방법으로 해결하려면 안정적으로 재구성할 수 있는 독립적인 정보의 수를 조사해야 합니다. [1] 이 논문은 역산란 문제를 해결하기 위해 켤레-기울기법(CGM)에 기반한 역산 알고리즘의 효율적인 구현을 제시합니다. [2] 특히, 측정 데이터가 노이즈로 오염된 경우 역산란 문제를 해결하는 것은 더욱 어렵습니다. [3] 역산란 문제를 해결하기 위한 수학적 이미징 기법을 소개합니다. [4]
solving inverse design
Finally, we demonstrate the superiority of using a gradient-based method compared to a genetic-algorithm-based method (using MATLAB's ga algorithm) for solving inverse design problems in photonics. [1] Solving inverse design problems using optimization requires an iterative process of function evaluations and determining gradients, which are computationally expensive. [2] Admissibility of the optimization method for solving inverse design problems is justified. [3]nan [1] 최적화를 사용하여 역설계 문제를 해결하려면 함수 평가와 기울기 결정의 반복적인 프로세스가 필요하며, 이는 계산적으로 많은 비용이 듭니다. [2] 역설계 문제를 해결하기 위한 최적화 방법의 허용 가능성이 정당화됩니다. [3]
solving inverse imaging
Thus, it can be a feasible data-driven approach for accurately solving inverse imaging problems. [1] In this context we will make a journey from “shallow” learning for computing optimal parameters for variational regularisation models by bilevel optimization to the investigation of different approaches that use deep neural networks for solving inverse imaging problems. [2] While Deep Neural Networks trained for solving inverse imaging problems (such as super-resolution, denoising, or inpainting tasks) regularly achieve new state-of-the-art restoration performance, this increase in performance is often accompanied with undesired artifacts generated in their solution. [3]따라서 역 이미징 문제를 정확하게 해결하기 위한 실행 가능한 데이터 기반 접근 방식이 될 수 있습니다. [1] 이러한 맥락에서 우리는 이중 수준 최적화를 통해 변형 정규화 모델에 대한 최적 매개변수를 계산하기 위한 "얕은" 학습에서 역 이미징 문제를 해결하기 위해 심층 신경망을 사용하는 다양한 접근 방식의 조사에 이르기까지 여행을 떠날 것입니다. [2] 역 이미지 문제(초고해상도, 노이즈 제거 또는 인페인팅 작업과 같은)를 해결하기 위해 훈련된 심층 신경망은 정기적으로 새로운 최첨단 복원 성능을 달성하지만 이러한 성능 향상은 종종 솔루션에서 생성된 원치 않는 인공물을 동반합니다. . [3]
solving inverse electromagnetic
This paper is concerned with uniqueness, phase retrieval and shape reconstruction methods for solving inverse electromagnetic source scattering problems with multi-frequency sparse phased or phaseless far field data. [1] A method for solving inverse electromagnetic scattering problems for ellipsoids using near-field data is presented. [2]이 논문은 다중 주파수 희소 위상 또는 위상이 없는 원거리장 데이터로 역 전자기 소스 산란 문제를 해결하기 위한 고유성, 위상 검색 및 형상 재구성 방법에 관한 것입니다. [1] 근거리장 데이터를 사용하여 타원체에 대한 역 전자기장 산란 문제를 해결하는 방법이 제시됩니다. [2]