反问题在雷达和声呐探测、医学成像、无损探伤、地球物理勘探等许多领域具有广泛而重要的应用。然而在大多数情况下, 反问题是一个病态的不适定问题, 构造其稳定高效的反演算法极具挑战性。利用未知解的先验信息来构建恰当的正则化策略是应对上述挑战的重要方法之一。传统正则化方法的成功依赖于将未知解准确的先验信息显式地编码到反演算法当中, 但在实际计算中这往往是难以获取和实现的。随着近年来深度学习技术的发展, 直接从数据中学习未知解的先验信息成为了可能, 这将有助于发展高效稳定的反演算法。本文回顾了基于深度学习反演算法的一些最新进展, 重点介绍基于可学习正则化框架的反演算法。此外, 还总结了基于深度学习反演算法的优缺点, 并展望其未来的发展方向。
