| Inverse Probleme [2022 Sommer] | ||
|---|---|---|
| Code IIP |
Name Inverse Probleme |
|
| LP 8 |
Dauer ein Semester |
Angebotsturnus jedes Sommersemester |
| Format Vorlesung 2 SWS, Übung 2 SWS und Hausarbeiten |
Arbeitsaufwand 240 h; davon 60 h Präsenzstudium 15 h Prüfungsvorbereitung 165 h Selbststudium und Aufgabenbearbeitung, Hausarbeiten |
Verwendbarkeit M.Sc. Angewandte Informatik M.Sc. Data and Computer Science |
| Sprache Englisch |
Lehrende Jürgen Hesser |
Prüfungsschema 1+1 |
| Lernziele | Die Studierenden verstehen, was inverse Probleme sind und warum sie schwer zu lösen sind. Sie lernen die Prinzipien kennen, wie man sowohl deterministische Probleme, als auch stochastische Probleme löst und dabei auch die Regularisierungsparameter geeignet wählt. Schließlich erfahren sie die neuesten Entwicklungen im Bereich compressed sensing. Alle Prinzipien werden an zwei ausgewählten Gebieten, der Tomographie und des Deblurrings dargestellt. Sie erhalten damit die Kompetenz komplexe Probleme zu lösen, die mit klassischen Techniken nicht stabil lösbar sind und sind damit in der Lage auch komplexe experimentelle Messungen adäquat auswerten zu können. | |
| Lerninhalte | Deterministische inverse Probleme Stochastische inverse Probleme Wahl der Regularisierungsparameter Compressed sensing Tomographie Deblurring |
|
| Teilnahme- voraus- setzungen |
empfohlen sind: Einführung in die Praktische Informatik (IPI), Programmierkurs (IPK), Algorithmen und Datenstrukturen (IAD), Numerische Mathematik | |
| Vergabe der LP und Modulendnote | Das Modul wird mit einer benoteten Klausur abgeschlossen. Die Modulendnote wird durch die Note der Klausur festgelegt. Für die Vergabe der LP gilt die Regelung aus dem Kapitel Prüfungsmodalitäten. | |
| Nützliche Literatur | M. Bertero, P. Boccacci: Introduction to Inverse Problems in Imaging, IoP, 2002 web-Page and book: http://www.slaney.org/pct/pct-toc.html |
|