| Allgemeine Angaben |
|
| Matrix concentration and applications | | |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
 Zuordnungen: 1 | |
| eLearning[Neuen Moodle-Kurs im aktuellen Semester bereitstellen] |
|
|
| |
| Angaben zur Abhaltung |
|
| Kürzlich entwickelte Techniken der Matrixwahrscheinlichkeitstheorie haben bereits breite Anwendung im Ingenieurs- und naturwissenschaftlichen Bereich gefunden. In dieser Vorlesung werden verschiedene Konzentrationsungleichungen für Zufallsmatrizen, wie zum Beispiel entsprechende Verallgemeinerungen der aus dem eindimensionalen Fall bekannten Markov, und Chernov/Hoeffding-Schranken behandelt. Eingehend diskutiert werden in der Vorlesung Techniken zum Beweis genannter Aussagen. Exemplarisch werden ausführlich aktuelle Anwendungen dieser Resultate aus z.B. Signalverarbeitung, Compressive Sampling, sowie der Quanteninformationstheorie vorgestellt. |
|
|
| Kenntnisse in Lineare Algebra, elementarer Wahrscheinlichkeitstheorie sowie Interesse an mathematischer Abstraktion. |
|
|
| Nach erfolgreicher Teilnahme am Modul haben die Studierenden ein Verständnis für die mathematischen Techniken zum Beweis einfacher Matrixkonzentrationsungleichungen erlangt. Anhand von Beispielen haben die Teilnehmer einen reflektierten Einblick in die Anwendbarkeit der präsentierten Techniken in den Ingenieurwissenschaften erhalten. |
|
|
|
|
|
|
|
|
| Für die Anmeldung zur Teilnahme müssen Sie sich in TUMonline als Studierende/r identifizieren. |
| Anmerkung: keine |
|
| |
| Zusatzinformationen |
|
| J. Tropp: An Introduction to Matrix Concentration Inequalities (Foundations and Trends in Machine Learning), Now Publ Inc, 2015. |
|
|
|
|
|
