※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：否
哪一學年度修課：
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
薛克民
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
數學系、數學研究所、應用數學科學研究所的選修
δ 課程大概內容
Introduction of the linear and nonlinear inverse problems,
and the associated numerical regularization techniques that
are devised to better solve the problems.
1. SVD, TSVD, and Tikhonov regularization method
2. Sparse and Total Variation Regularization method
3. Numeircal tools:
Newton method and Quasi-Newton method BFGS
Conjugate gradient method
Linear programming primal-dual problem, log-barrier method
4. l1 magic: fast l1-min algorithms ISTA, FISTA,...
5. Split Bregman method
6. Minimal rank problem, matrix completion FPCA
7. Sparse dynamics for partial differential equations
8. Parameter identification: adjoint method
Ω 私心推薦指數(以五分計) ★★★★★
★★★★★
η 上課用書(影印講義或是指定教科書)
1. Jennifer L. Mueller and Samuli Siltanen, Linear and
nonlinear inverse problems with practical applications
2. Curtis R. Vogel, Computational Methods for Inverse Problems
3. Per Christian Hansen, Discrete Inverse Problems: Insight and
Algorithms
μ 上課方式(投影片、團體討論、老師教學風格)
板書 & 課後會將投影片傳上ceiba
σ 評分方式(給分甜嗎？是紮實分？)
應該是甜吧
ρ 考題型式、作業方式
期中 term project proposal
期末 term project presentation 100%
老師第一次開 所以還沒有設計好作業
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
微積分 基本的prgramming
Ψ 總結
介紹許多machine learning, compressed sensing,...的快速算法
下次開課可能會更著重在微分方程的反問題
※ 編輯: Kakeya (211.74.246.133), 07/03/2014 11:04:01