Home | english  |  Impressum  |  Datenschutz  |  Sitemap  |  Intranet  |  KIT
Arbeitsgruppe 3: Wissenschaftliches Rechnen

Sekretariat
Kollegiengebäude Mathematik (20.30)
Zimmer 3.039

Adresse
Hausadresse:
Zimmer 3.039
Englerstr. 2
Kollegiengebäude Mathematik (20.30)
76131 Karlsruhe

Postadresse:
Karlsruher Institut für Technologie (KIT)
Fakultät für Mathematik
Institut für Angewandte und Numerische Mathematik
Arbeitsgruppe 3: Wissenschaftliches Rechnen
Englerstr. 2
Kollegiengebäude Mathematik (20.30)
D-76131 Karlsruhe

Öffnungszeiten:
Mo-Do 9-12 Uhr

Tel.: 0721 608 42062

Fax.: 0721 608 43197

Compressive Sensing (Sommersemester 2015)

Dozent: Prof. Dr. Andreas Rieder
Veranstaltungen: Vorlesung (0154000)
Semesterwochenstunden: 2


Neu! Bitte melden Sie sich für die ILIAS-Kursseite an, um Informationen über die Kurs-Mailingliste zu erhalten. Im ILIAS-Bereich wird auch kursbegleitendes Material bereitgestellt.

Termine
Vorlesung: Dienstag 9:45-11:15 SR 3.61 Beginn: 14.4.2015, Ende: 14.7.2015
Dozenten
Dozent Prof. Dr. Andreas Rieder
Sprechstunde: Montag, 14:00-15:00Uhr, und nach Vereinbarung
Zimmer 3.040 Kollegiengebäude Mathematik (20.30)
Email: andreas.rieder(at)kit.edu

Compressive Sensing (deutsche Übersetzung in etwa: komprimiertes Abtasten) bezeichnet ein sehr aktuelles Teilgebiet der Numerischen Linearen Algebra, in dem es darum geht, unterbestimmte lineare Systeme zu lösen. Dabei soll unter der Vielzahl von Lösungen diejenige gefunden werden, die die meisten Nullen enthält. Wir suchen also eine Lösung der Minimierungsaufgabe

$\min\{ || x ||_0: Ax=b\}, \qquad \qquad(1)$

wobei A eine Matrix ist, deren Spaltenzahl die Zeilenzahl deutlich übersteigt. Mit  || x ||_0 bezeichnen wir die Anzahl der Komponenten des Vektors x, die von Null verschieden sind. Da dieses Problem nicht in vernünftiger Rechenzeit gelöst werden kann (NP-schwer!), ersetzen wir es durch

$\min\{ || x ||_1: Ax=b\}, \qquad \qquad(2)$

worin die 1-Norm, || x ||_1=\sum_k |x_k|, verwendet wird. In der Vorlesung gehen wir u.a. der Frage nach, ob eine Lösung von (2) auch das ursprüngliche Problem (1) löst und wir betrachten numerische Algorithmen, die (2) einer Lösung zuführen.

Die Anwendungen von Compressive Sensing sind vielfätig: Bild- und Mustererkennung, Fehlerkorrektur bei Informationübertragung, Signalabtastung, Datenanalyse etc.

Vorkenntnisse

Die Inhalte der Module „Analysis 1+2“, „Lineare Algebra 1+2“ werden benötigt. Basiswissen in Numerischer Mathematik und in Wahrscheinlichkeitstheorie ist hilfreich.


Literaturhinweise

Buch

Foucart, Rauhut: A Mathematical Introduction to Compressive Sensing, Birkhäuser, 2013

Wissenschaftliche Artikel

Das Buch und beide Artikel sind vom KIT-Netz aus frei zugänglich und können als PDF heruntergeladen werden.