Komprimierte Abtastung (Compressed Sensing, CS) stellt eine herausfordernde Aufgabe im Bereich der Bildverarbeitung dar, da es darum geht, ein nahezu vollständiges Bild aus einer begrenzten Anzahl von Messwerten wiederherzustellen. Um eine schnelle und genaue Rekonstruktion bei CS zu erreichen, kombinieren wir die Stärken zweier bekannter Ansätze – neuronalen Netze und Optimierungsalgorithmen – und stellen ein neuartiges, auf Optimierung basierendes neuronales Netzwerk vor, das AMP-Net genannt wird. AMP-Net realisiert eine Fusion des Approximate-Message-Passing-(AMP)-Algorithmus mit neuronalen Netzwerken. Alle seine Parameter werden automatisch gelernt. Darüber hinaus schlagen wir AMPA-Net vor, das drei Aufmerksamkeitsnetze verwendet, um die Repräsentationsfähigkeit von AMP-Net zu verbessern. Schließlich zeigen wir die Wirksamkeit von AMP-Net und AMPA-Net anhand von vier Standard-Datensätzen für die CS-Rekonstruktion. Der Quellcode ist unter https://github.com/puallee/AMPA-Net verfügbar.