Lehrinhalte
In dieser Vorlesung werden die Grundlagen der Matrixanalyse und der Matrizenrechnung vermit-telt, welche in vielfältigen technischen Bereichen wie z.B. dem Maschinellen Lernen, dem Ma-schinellen Sehen, der Regelungstechnik, der Signal- und Bildverarbeitung, der Kommunikations-technik, der Netzwerktechnik und der Optimierungstheorie, von fundamentaler Bedeutung sind. Neben den grundlegenden theoretischen Eigenschaften von Matrizen legt dieser Kurs besonderes Augenmerk auf schnelle Algorithmen zur Berechnungen von Matrizen. Darüber hinaus werden die Themen anhand von vielen Anwendungsbeispielen aus den oben genannten Bereichen erör-tert. Dies beinhaltet die Analyse sozialer Netze, die Bildanalyse und Bildgebende Verfahren der Medizintechnik, die Analyse und Optimierung von Kommunikationsnetzen und das maschinelle Lesen.
Themenübersicht: (i) Grundlegende Konzepte der Matrixanalyse, Unterräume, Normen, (ii) Lineare kleinste Quadrate (iii) Eigenwertzerlegung, Singulärwertzerlegung, Positive Semidefinite Matrizen, (iv) Lineare Gleichungssysteme, LU Zerlegung, Cholesky Zerlegung (v) Pseudo-inverse Matrizen, QR Zerlegung (vi) (fortgeschrittene) Tensor Zerlegung, (fortgeschrittene) Matixanalyse, Compressive Sensing, Strukturierte Matrizenfaktorisierung
Literatur
Gene H. Golub and Charles F. van Loan, Matrix Computations (Fourth Edition), John Hopkins University Press, 2013.
Roger A. Horn and Charles R. Johnson, Matrix Analysis (Second Edition), Cambridge University Press, 2012.
Jan R. Magnus and Heinz Neudecker, Matrix Differential Calculus with Applications in Statistics and Econometrics (Third Edition), John Wiley and Sons, New York, 2007.
Giuseppe Calaore and Laurent El Ghaoui, Optimization Models, Cambridge University Press, 2014.
ECE 712 Course Notes by Prof. Jim Reilly, McMaster University, Canada (friendly notes for engineers) http://www.ece.mcmaster.ca/faculty/reilly/ece712/course_notes.htm
Voraussetzungen
Grundkenntnisse in der linearen Algebra
Online-Angebote
Moodle
In dieser Vorlesung werden die Grundlagen der Matrixanalyse und der Matrizenrechnung vermit-telt, welche in vielfältigen technischen Bereichen wie z.B. dem Maschinellen Lernen, dem Ma-schinellen Sehen, der Regelungstechnik, der Signal- und Bildverarbeitung, der Kommunikations-technik, der Netzwerktechnik und der Optimierungstheorie, von fundamentaler Bedeutung sind. Neben den grundlegenden theoretischen Eigenschaften von Matrizen legt dieser Kurs besonderes Augenmerk auf schnelle Algorithmen zur Berechnungen von Matrizen. Darüber hinaus werden die Themen anhand von vielen Anwendungsbeispielen aus den oben genannten Bereichen erör-tert. Dies beinhaltet die Analyse sozialer Netze, die Bildanalyse und Bildgebende Verfahren der Medizintechnik, die Analyse und Optimierung von Kommunikationsnetzen und das maschinelle Lesen.
Themenübersicht: (i) Grundlegende Konzepte der Matrixanalyse, Unterräume, Normen, (ii) Lineare kleinste Quadrate (iii) Eigenwertzerlegung, Singulärwertzerlegung, Positive Semidefinite Matrizen, (iv) Lineare Gleichungssysteme, LU Zerlegung, Cholesky Zerlegung (v) Pseudo-inverse Matrizen, QR Zerlegung (vi) (fortgeschrittene) Tensor Zerlegung, (fortgeschrittene) Matixanalyse, Compressive Sensing, Strukturierte Matrizenfaktorisierung
Literatur
Gene H. Golub and Charles F. van Loan, Matrix Computations (Fourth Edition), John Hopkins University Press, 2013.
Roger A. Horn and Charles R. Johnson, Matrix Analysis (Second Edition), Cambridge University Press, 2012.
Jan R. Magnus and Heinz Neudecker, Matrix Differential Calculus with Applications in Statistics and Econometrics (Third Edition), John Wiley and Sons, New York, 2007.
Giuseppe Calaore and Laurent El Ghaoui, Optimization Models, Cambridge University Press, 2014.
ECE 712 Course Notes by Prof. Jim Reilly, McMaster University, Canada (friendly notes for engineers) http://www.ece.mcmaster.ca/faculty/reilly/ece712/course_notes.htm
Voraussetzungen
Grundkenntnisse in der linearen Algebra
Online-Angebote
Moodle
- Lehrende: Marius Pesavento
Semester: SoSe 2019