PtyChography是一种经过良好研究的相成像方法，可在纳米尺度上进行非侵入性成像。它已发展为主流技术，在材料科学或国防工业等各个领域具有各种应用。 PtyChography的一个主要缺点是由于相邻照明区域之间的高重叠要求以实现合理的重建，因此数据采集时间很长。扫描区域之间重叠的传统方法导致与文物的重建。在本文中，我们提出了从深层生成网络采样的数据中稀疏获得或不足采样的数据，以满足Ptychography的过采样要求。由于深度生成网络是预先训练的，并且可以在收集数据时计算其输出，因此可以减少实验数据和获取数据的时间。我们通过提出重建质量与先前提出的和传统方法相比，通过提出重建质量来验证该方法，并评论提出的方法的优势和缺点。

Predicting the future development of an anatomical shape from a single baseline is an important but difficult problem to solve. Research has shown that it should be tackled in curved shape spaces, as (e.g., disease-related) shape changes frequently expose nonlinear characteristics. We thus propose a novel prediction method that encodes the whole shape in a Riemannian shape space. It then learns a simple prediction technique that is founded on statistical hierarchical modelling of longitudinal training data. It is fully automatic, which makes it stand out in contrast to parameter-rich state-of-the-art methods. When applied to predict the future development of the shape of right hippocampi under Alzheimer's disease, it outperforms deep learning supported variants and achieves results on par with state-of-the-art.

人类移民模式影响了地理人口特征的重新分配，因为这种分布与社会和经济结果密切相关，研究内部移民的结构和动态在这种系统的理解和设计政策方面发挥着至关重要的作用。我们从2008年到2020年对土耳其内部迁徙的结构和动态进行了深入的调查。我们确定一套经典移民法律，并通过各种签名网络分析，自我网络分析，代表学习，时间来检查它们稳定性分析，社区检测和网络可视化。调查结果表明，根据经典的迁移法，大多数迁移链接都是与涉及经济活动大的几个例外的地理界限，主要迁移流量与相反方向的迁移流量相反，有明确定义的迁移路线，有明确定义的迁移路线，迁移系统通常在调查期间稳定。除了这些一般结果外，还提供独特和特定的洞察土耳其。总体而言，我们在文献中首次雇用的新型工具集可以调查复杂的网络视角和揭示不同地理位置的未来迁移研究。