4 - FAU MoD Lecture: Image Reconstruction – The Dialectic of Modelling and Learning/ClipID:53677 vorhergehender Clip nächster Clip

Die automatischen Untertitel, die mit Whisper Open AI in diesem Video-Player (und im Multistream-Video-Player) generiert werden, dienen der Bequemlichkeit und Barrierefreiheit. Es ist jedoch zu beachten, dass die Genauigkeit und Interpretation variieren können. Für mehr Informationen lesen Sie bitte die FAQs (Absatz 14)
Aufnahme Datum 2024-03-20

Zugang

Frei

Sprache

Englisch

Einrichtung

Friedrich-Alexander-Universität Erlangen-Nürnberg

Produzent

Friedrich-Alexander-Universität Erlangen-Nürnberg

Date: Wed. March 20, 2024
Event: FAU MoD Lecture
Event type: On-site / Online
Organized by: FAU MoD, the Research Center for Mathematics of Data at Friedrich-Alexander-Universität Erlangen-Nürnberg (Germany)

FAU MoD Lecture: Image Reconstruction – The Dialectic of Modelling and Learning

Speaker: Prof. Dr. Martin Burger
Affiliation: DESY, German Electron Synchrotron and Universität Hamburg

Abstract. In this talk we will discuss some current and future challenges in high-dimensional image reconstruction, which is based on the solution of large-scale inverse problems involving various uncertainties. While classical methods were purely based on physical models for forward operators and regularizations, modern machine learning techniques create the antithesis of data-driven approaches. We will discuss some pitfalls that machine learning can encounter in inverse problems and discuss opportunities for the synthesis of model- and data-driven approaches.

You can find more details of this FAU MoD lecture at:

https://mod.fau.eu/fau-mod-lecture-image-reconstruction-the-dialectic-of-modelling-and-learning/

 

 

 

Mehr Videos aus der Kategorie "Friedrich-Alexander-Universität Erlangen-Nürnberg"

2024-12-18
Studon
geschützte Daten  
2024-12-18
Passwort / Studon
geschützte Daten  
2024-12-18
Studon
geschützte Daten  
2024-12-18
IdM-Anmeldung
geschützte Daten  
2024-12-18
IdM-Anmeldung
geschützte Daten  
2024-12-19
Studon
geschützte Daten