Was ist falsch mit dem End-to-End-Lernen für die Phasenrückgewinnung?
Symmetrien im Vorwärtsmodell können zu erheblichen Lernschwierigkeiten führen, wenn datengetriebene Deep-Learning-Ansätze verwendet werden, um solche Probleme zu lösen. Durch Vorverarbeitung des Trainingsdatensatzes vor dem Lernen, d.h. durch Symmetriebrechung, kann die Leistung des End-to-End-Lernens deutlich verbessert werden.