Inverse Probleme waren in den letzten Jahrzehnten ein wichtiges und aktives Feld in der angewandten Mathematik mit einem starken Einfluss auf viele Disziplinen. Die klassische Forschung im Bereich der inversen Probleme umfasst eine Kombination aus Modellierung, mathematischer Analyse, Entwicklung und Implementierung von Algorithmen und Validierung. Die jüngste rasante Entwicklung von Sensor- und Computertechnologien hat neue M?glichkeiten und Herausforderungen für inverse Probleme hervorgebracht. Datengetriebene Ans?tze und insbesondere Deep-Learning-Konzepte dringen derzeit in fast alle Bereiche der Wissenschaft und Technik ein und zeigen einen zunehmenden Einfluss auf die Methodik inverser Probleme von der Modellierung bis zur Implementierung. Die rein modellgetriebene klassische Herangehensweise hat einige Unzul?nglichkeiten und k?nnte durch die datengetriebene Methodik überwunden werden. Eine naive ?bertragung von Deep-Learning-Konzepten auf inverse Probleme scheitert jedoch im Allgemeinen. Mit den Fortschritten in den Sensor- und Computertechnologien und den relevanten Bereichen gibt es gro?artige neue Forschungsm?glichkeiten für inverse Probleme.
In diesem Mobilit?tsprogramm wird ein Team von chinesischen und deutschen Universit?ten mit etablierten Forschungsergebnissen in den Bereichen CT, Magnetpartikelbildgebung, multimodale Bildgebung, multispektrale CT und dynamische CT, Deep Learning, Bild-/Videoqualit?tsbewertung und Rechentechnologie zusammengestellt. Es handelt sich um ein multidisziplin?res Team aus Theorie und Praxis relevanter Fachgebiete, die motiviert sind, neue M?glichkeiten für langfristige 澳门皇冠_皇冠足球比分-劲爆体育 zu identifizieren, indem sie auf Herausforderungen in ausgew?hlten Themen von der klassischen bis zur modernen Perspektive reagieren. In diesem Mobilit?tsprogramm werden beide Seiten ihr Wissen und ihre Ideen zur Modellierung, mathematischen Analyse, Algorithmenentwicklung und -implementierung sowie Validierung von der klassischen bis zur modernen Perspektive austauschen und verfolgen. Wir werden gemeinsam an fünf kleinen Projekten zu herausfordernden Themen arbeiten, um die Grundlage für eine langfristige Zusammenarbeit zu schaffen, insbesondere für die Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftlern. Wir gehen davon aus, dass die oben genannten Ziele erreichbar und vorteilhaft für beide Seiten und die gesamte Gemeinschaft der inversen Probleme im Allgemeinen sind.
