Home > Authorities > Grants > Record #509285 > print

001     509285
005     20250715180328.0
024 7 _ |a G:(GEPRIS)464101359
|d 464101359
035 _ _ |a G:(GEPRIS)464101359
040 _ _ |a GEPRIS
|c http://gepris.its.kfa-juelich.de
150 _ _ |a Deep-Learning basierte Regularisierung inverser Probleme
|y 2021 - 2025
371 _ _ |a Professor Dr. Martin Burger
371 _ _ |a Professorin Dr. Gitta Kutyniok
450 _ _ |a DFG project G:(GEPRIS)464101359
|w d
|y 2021 - 2025
510 1 _ |a Deutsche Forschungsgemeinschaft
|0 I:(DE-588b)2007744-0
|b DFG
550 _ _ |0 G:(GEPRIS)441826958
|a SPP 2298: Theoretische Grundlagen von Deep Learning
|w t
680 _ _ |a Deep Learning wurde in den letzten Jahren sehr populär in Gebieten wie Bildverarbeitung und ist deshalb auch als Methode zur Regularisierung von inversen Problemen von wachsendem Interesse. Neben ihrem großen Potential sind die Entwicklung und vor allem das Verständnis tiefer Netzwerke in diesem Gebiet noch in ihren Kinderschuhen. Deshalb sollen in diesem Projekt die Konstruktion von Regularisierungsmethoden für schlechtgestellte inverse Probleme basierend auf Deep Learning und ihre theoretischen Grundlagen untersucht werden. Besondere Ziele sind die Entwicklung robuster und interpretierbarer Resulate, die zuerst die Entwicklung neuer Konzepte von Robustheit und Interpretierbarkeit in diesem Zusammenhang nötig machen. Die theoretischen Entwicklungen werden durch umfangreiche numerische Studien begleitet, dazu werden Maße und Benchmark Probleme für faire Vergleiche verschiedener Ansätze entwickelt.
909 C O |o oai:juser.fz-juelich.de:935166
|p authority:GRANT
|p authority
909 C O |o oai:juser.fz-juelich.de:935166
980 _ _ |a G
980 _ _ |a AUTHORITY

LibraryCollectionCLSMajorCLSMinorLanguageAuthor
Marc 21