用于积分测量的深度核学习
Deep kernel learning for integral measurements
Uppsala University（乌普萨拉大学）；University of Newcastle（纽卡斯尔大学）
摘要：
深度核学习是指一种高斯过程，它结合了神经网络来改进复杂函数的建模。我们提出了一种方法，使这种方法可行的问题，其中的数据包括线积分测量的目标函数。计算机断层扫描重建的例子说明了性能。
英文摘要：
Deep kernel learning refers to a Gaussian process that incorporates neural networks to improve the modelling of complex functions. We present a method that makes this approach feasible for problems where the data consists of line integral measurements of the target function. The performance is illustrated on computed tomography reconstruction examples.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
