Краткое содержание

arXiv:2511.12556v1 Тип: кросс-публикация Аннотация: Данная работа является первопроходческой в области интеграции оптимизации на основе обучения в проектирование измерительной матрицы для фазового восстановления. Мы представляем алгоритм DLMMPR (Глубоко Обучаемая Измерительная Матрица для Фазового Восстановления), который параметризует измерительную матрицу в рамках сквозной глубокой архитектуры. Синергетически усиленный модулями субградиентного спуска и проксимального отображения для устойчивого восстановления, эффективность DLMMPR была убедительно подтверждена в ходе всесторонней эмпирической проверки в различных режимах зашумления. При сравнении с методами DeepMMSE и PrComplex, наш подход демонстрирует существенный прирост в показателях PSNR и SSIM, что подчеркивает его превосходство.