理学院学术报告20211217(2)
发布人:何杰  发布时间:2021-12-14   浏览次数:25

Machine learning for inverse scattering problems



人:张凯教授

  吉林大学

报告时间:20211217日(星期五)下午3

报告地点:腾讯会议 616 149 150



报告摘要:In this presentation, we consider artificial neural networks for inverse scattering problems. As a working model, we consider the inverse problem of recovering a scattering object from the (possibly) limited-aperture radar cross section (RCS) data collected corresponding to a single incident field. From a geometrical and physical point of view, the low-frequency data should be able to resolve the unique identifiability issue, but meanwhile lose the resolution. On the other hand, the machine learning can be used to break through the resolution limit. By combining the two perspectives, we develop a fully connected neural network (FCNN) for the inverse problem. Extensive numerical results show that the proposed method can produce stunning reconstructions.

 


报告人简介:张凯,吉林大学数学学院计算数学系教授, 博士生导师。张凯老师1999年本科毕业于吉林大学数学系,2006年获吉林大学博士学位,博士论文被评为吉林省优秀博士论文,2008年获香港中文大学联合培养博士学位。2008-2010年赴密歇根州立大学开展博士后研究。张凯老师先后赴伊利诺伊州立大学,奥本大学,香港浸会大学,南方科技大学等开展合作研究,主要研究兴趣为随机偏微分方程的数值解法。张凯老师主要从事随机声波方程和随机麦克斯韦方程的数值解,随机声波方程和随机麦克斯韦方程控制优化问题的数值解,以及期权定价和套利的研究。先后主持国家自然科学基金等项目10多项。