基于深度学习和GAN辅助训练的无线干涉成像
摘要：用生成对抗网络（GAN）生成大量的模拟数据，然后应用无线电干涉测量方程（RIME）模拟无线电干涉仪的测量过程。我们的神经网络能够忠实地重建真实无线电星系的图像，重建图像在源区域、积分通量密度、峰值通量密度和多尺度结构相似性指数方面与原始图像吻合良好。最后，我们展示了神经网络如何适应于估计成像过程中的不确定性。
作者：F. Geyer, K. Schmidt, J. Kummer, M. Br"uggen, H. W. Edler, D. Els"asser, F. Griese, A. Poggenpohl, L. Rustige and W. Rhode
论文ID：2307.14100
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-07-27