MIDS LOGO

Herzlich Willkommen auf der Seite des Lehrstuhls für Wissenschaftliches Rechnen

Die Arbeitsgruppe Wissenschaftliches Rechnen arbeitet an der Entwicklung und Untersuchung von Verfahren in der Data Science, insbesondere solchen basierend auf angewandter Harmonischen Analysis und der Funktionalanalysis. Fokusthemen inkludieren Signalverarbeitung, Informationstheorie, Abtasttheorie, Zeit-Frequenz Analyse, Quanitisierung und Maschinelles Lernen.

Die Arbeitsgruppe entwickelt zum Beispiel  effizienter Methoden zum Zusammensetzen (Synthetisieren) oder Zerlegen (Analysieren) von Funktionen oder Operatoren in gut verstandene Grundbausteine. Die Analyse bedarf die anwendungsabhängige Wahl der Grundbausteine und auf der stabilen Bestimmung des Gewichts jedes Bausteins in einem gegebenen Signal. Zum Beispiel kann ein Bild in rote, grüne und blaue Bereiche unterschiedlicher Intensität zerlegt werden. Die duale Operation ist die Synthese von Signalen. Mit denselben Bausteinen wie im Analyseschritt können wir Signale und Transformationen komponieren, oder hilfreich modifizierten Koeffizienten aus dem Analyseschritt nutzen um Signale zu rekonstruieren. In Bezug auf oben genanntes Beispiel, können wir ein Bild zeichnen, indem wir die Rot-, Grün- und Blaufelder und deren Intensitäten, d.h., deren Koeffizienten frei wählen.

Über uns

Neuigkeiten aus der Mathematik

Special collection on the topic atmosphere and ocean sciences

Prof. Tijana Janjic, Heisenberg Professorship for Data Assimilation is a lead editor for "Combined machine learning and data assimilation for the atmosphere and ocean sciences", a special collection of Quarterly Journal of the Royal Meteorological Society.

Prof. Janjic, who is also a member of MIDS, devotes her research to important areas of climate research. Some of her findings have now been published in a special issue:

"Atmosphere and ocean phenomena are governed by physical laws, span wide range of spatial and temporal scales, and are observed with a variety of instruments providing noisy, incomplete, and non-uniform in space and time data. Often of interest in environmental prediction are forecasts of rare and high impact events, while we strive in predicting the current state of the Earth system and its evolution."

Find the whole article here.

Mathematisches Institut für Maschinelles Lernen und Data Science

MIDS Logo

Der Lehrstuhl für Wissenschaftliches Rechnen ist Teil des neu gegründeten Mathematischen Instituts für Maschinelles Lernen und Data Science, kurz MIDS.
Finden Sie alle Informationen rund um das MIDS hier.

Eröffnung des MIDS

Vorschau Eröffnung MIDS

Bitte beachten Sie: Durch Klicken auf die Bildfläche geben Sie Ihre Einwilligung, dass Videoinhalte von YouTube nachgeladen, Cookies von YouTube/Google auf Ihrem IT-System gespeichert und personenbezogene Daten wie Ihre IP-Adresse an Google weitergegeben werden. Klicken Sie nach Beendigung des Videoinhaltes auf ein anderes Video, öffnet sich in einem neuen Tab Ihres Browsers YouTube und erfasst weitere Daten von Ihnen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen und unter Google Privacy .