B1: Statistical Inference in Inverse Problems with Qualitative Prior Information

In diesem Projekt werden statistische Regularisierungsmethoden fur stochastisch verrauschte inverse Probleme entwickelt und analysiert, bei denen apriori Information durch Nebenbedingungen an die Form, wie Monotonie, Positivität… (mehr)

B2: Nonlinear Inverse Problems with Noisy Operators

In diesem Projekt untersuchen wir iterative Regularisierungsverfahren, insbesondere regularisierte Newton-Verfahren für nichtlineare inverse Probleme mit zufällig gestörtem Operator. Wir werden Konvergenzraten-Resultate… (mehr)

B3: Statistical Multiscale Parameter Selection Strategies

Parameterwahl ist der letzte aber sehr wichtige Schritt in jedem (statistischen) Regularisierungsprozess um den Auflösungsgrad einer gegebenen Regularisierungsmethode in einem statistischen inversen Problem… (mehr)

B4: Inference for Semimartingale Stochastic Volatility Models

In diesem Projekt werden wir statistische Methoden aus dem Gebiet der diskret beobachteten stochastischen Prozessen mit Techniken der nicht-parametrischen Regression, der inversen Probleme und des Bootstraps kombinieren… (mehr)

B5: Partial least squares for serially dependent data

Dieses Projekt befasst sich mit den partiellen kleinsten Quadrate (PKQ) - eine Art der regularisierten kleinsten Quadrate, die für die schlecht konditionierten linearen Regressionsmodelle entwickelt wurde. (mehr)