Gli studenti acquisiranno le conoscenze di base per modellare e risolvere problemi male posti.
Prerequisiti
Corsi base di analisi numerica.
Metodi didattici
Lezioni frontali con alcune lezioni integrative di implementazione dei metodi numerici analizzati.
Verifica Apprendimento
Esame orale e progetto implementato in Matlab.
Contenuti
Minimi quadrati discreti e SVD. Problemi malposti e regolarizzazione con applicazione alla ricostruzione di immagini. Tecniche base di machine learning.
Lingua Insegnamento
Inglese
Altre informazioni
1. G. H. Golub,C. F. Van Loan, “Matrix Computation”, 2. P. C. Hansen, “Rank-Deficient and Discrete Ill-Posed Problems” 3. P. C. Hansen, J. G. Nagy, and D. P. O'Leary, “Deblurring Images: Matrices, Spectra, and Filtering”, SIAM 4. C. M. Bishop "Pattern Recognition and Machine Learning"
