Signals, Waves, and Learning: A Data-Driven Paradigm for Wave-Based Inverse Problems

Informacje na temat projektu

SWING

Identyfikator umowy o grant: 852821

DOI 10.3030/852821

Data podpisania przez KE 30 Października 2019

Data rozpoczęcia 1 Stycznia 2020

Data zakończenia 31 Grudnia 2024

Finansowanie w ramach

• EXCELLENT SCIENCE - European Research Council (ERC)

Koszt całkowity € 1 986 430,00

Wkład UE € 1 986 430,00

Koordynowany przez

UNIVERSITAT BASEL
Switzerland

Publikacje

Conference proceedings (9)

Universal Joint Approximation of Manifolds and Densities by Simple Injective Flows

Autorzy: Michael Puthawala, Matti Lassas, Ivan Dokmanic, Maarten De Hoop
Opublikowane w: Proceedings of the 39th International Conference on Machine Learning, 2022
Wydawca: PMLR

Neural Link Prediction with Walk Pooling

Autorzy: Liming Pan, Cheng Shi, Ivan Dokmanic
Opublikowane w: International Conference on Learning Representations, 2022
Wydawca: Tenth International Conference on Learning Representations

Universal Approximation Under Constraints is Possible with Transformers

Autorzy: Anastasis Kratsios, Behnoosh Zamanlooy, Tianlin Liu, Ivan Dokmanic
Opublikowane w: International Conference on Learning Representations, 2022
Wydawca: ICLR

Truly Shift-Invariant Convolutional Neural Networks

Autorzy: Anadi Chaman, Ivan Dokmanic
Opublikowane w: IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2021
Wydawca: IEEE

Trumpets: Injective Flows for Inference and Inverse Problems

Autorzy: Kothari, Konik; Khorashadizadeh, AmirEhsan; de Hoop, Maarten; Dokmanić, Ivan
Opublikowane w: Conference on Uncertainty in Artificial Intelligence (UAI), 2021
Wydawca: NA

Implicit Neural Representation for Mesh-Free Inverse Obstacle Scattering

Autorzy: Tin Vlašić, Hieu Nguyen, Ivan Dokmanić
Opublikowane w: Asilomar Conference on Signals, Systems, and Computers, 2022
Wydawca: NA

Truly shift-equivariant convolutional neural networks with adaptive polyphase upsampling

Autorzy: Anadi Chaman, Ivan Dokmanić
Opublikowane w: 2021 55th Asilomar Conference on Signals, Systems, and Computers, 2021
Wydawca: IEEE

Manifold Rewiring for Unlabeled Imaging

Autorzy: Valentin Debarnot, Vinith Kishore, Cheng Shi, Ivan Dokmanic
Opublikowane w: APSIPA, 2022
Wydawca: IEEE

Learning the Geometry of Wave-Based Imaging

Autorzy: Konik Kothari, Maarten de Hoop, Ivan Dokmanić
Opublikowane w: Advances in Neural Information Processing Systems, Numer 33, 2020
Wydawca: Advances in Neural Information Processing Systems

Peer reviewed articles (4)

Learning Multiscale Convolutional Dictionaries for Image Reconstruction

Autorzy: Tianlin Liu, Anadi Chaman, David Belius, Ivan Dokmanić
Opublikowane w: IEEE Transactions on Computational Imaging, 2022, ISSN 2333-9403
Wydawca: IEEE

Learning sub-patterns in piecewise continuous functions

Autorzy: Kratsios, Anastasis; Zamanlooy, Behnoosh
Opublikowane w: Neurocomputing, Numer 09252312, 2022, ISSN 0925-2312
Wydawca: Elsevier BV
DOI: 10.1016/j.neucom.2022.01.036

Globally Injective ReLU Networks

Autorzy: Michael Puthawala, Konik Kothari, Matti Lassas, Ivan Dokmanić, Maarten de Hoop
Opublikowane w: Journal of Machine Learning Research, 2022, ISSN 1532-4435
Wydawca: MIT Press

Total Least Squares Phase Retrieval

Autorzy: Sidharth Gupta, Ivan Dokmanić
Opublikowane w: IEEE Transactions on Signal Processing, 2021, ISSN 1941-0476
Wydawca: IEEE

Other (2)

Conditional Injective Flows for Bayesian Imaging

Autorzy: AmirEhsan Khorashadizadeh, Konik Kothari, Leonardo Salsi, Ali Aghababaei Harandi, Maarten de Hoop, Ivan Dokmanić
Opublikowane w: 2022
Wydawca: NA

Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography

Autorzy: Shuai Huang, Mona Zehni, Ivan Dokmanic, Zhizhen Zhao
Opublikowane w: arXiv, 2022
Wydawca: NA