圧縮センシング（CS）は、限られた測定値からほぼ完全な画像を再構成するという点で、画像処理において困難な課題である。高速かつ高精度なCS再構成を実現するため、我々は既に広く知られている2つの手法（ニューラルネットワークと最適化アルゴリズム）の利点を統合し、新しい最適化に基づくニューラルネットワーク「AMP-Net」を提案する。AMP-Netは、近似メッセージパッシング（AMP）アルゴリズムとニューラルネットワークの融合を実現しており、そのすべてのパラメータが自動的に学習される。さらに、AMP-Netの表現能力を向上させるために、3つのアテンションネットワークを用いたAMPA-Netを提案する。最終的に、AMP-NetおよびAMPA-Netの有効性を4つの標準的なCS再構成ベンチマークデータセット上で検証した。本研究のコードは、https://github.com/puallee/AMPA-Net にて公開されている。