Logo Uni Bremen

Zentrum für Industriemathematik

ZeTeM > Über das ZeTeM > Mitarbeiter*innen > Dr. Alexander Denker

Kontakt Sitemap Impressum [ English | Deutsch ]

Dr. Alexander Denker

Wissenschaftlicher Mitarbeiter der AG Technomathematik, Research Training Group π3

Raum: MZH 2285
E-Mail: adenker
Telefon: (0421) 218-63897

Information: Email endet auf @uni-bremen.de

Abschlussarbeiten (Auswahl)vollständige Liste

  1. Active learning for semantic segmentation in digital pathology (Jannik Wildner)
  2. Adversarial Examples in Deep-Learning-Rekonstruktionen am Beispiel von Computer-Tomographie (Fabian Schönfeld)
  3. Fehlererkennung und –segmentierung von Stahlcoils unter Verwendung des Contrastive Learnings (Dennis Hottendorff)

Publikationen (Auswahl)vollständige Liste

  1. F. Altenkrüger, A. Denker, P. Hagemann, P. Maaß, G. Steidl.
    PatchNR: Learning from Very Few Images by Patch Normalizing Flow Regularization.
    Inverse Problems, 39(6), 2023.

    online unter: https://iopscience.iop.org/article/10.1088/1361-6420/acce5e/meta

  2. C. Arndt, A. Denker, S. Dittmer, N. Heilenkötter, M. Iske, T. Kluth, P. Maaß, J. Nickel.
    Invertible residual networks in the context of regularization theory for linear inverse problems.
    Inverse Problems, 39(12), IOPscience, 2023.

    DOI: 10.1088/1361-6420/ad0660
    online unter: https://iopscience.iop.org/article/10.1088/1361-6420/ad0660

  3. C. Arndt, A. Denker, S. Dittmer, J. Leuschner, J. Nickel, M. Schmidt.
    Model-based deep learning approaches to the Helsinki Tomography Challenge 2022.
    Applied Mathematics for Modern Challenges, 1(2), 2023.

    DOI: 10.3934/ammc.2023007

  4. A. Denker, I. Singh, R. Barbano, Z. Kereta, B. Jin, K. Thielemans, P. Maaß, S. Arridge.
    Score-Based Generative Models for PET Image Reconstruction.
    Erscheint in Machine Learning for Biomedical Imaging

    online unter: https://arxiv.org/abs/2308.14190

  5. C. Arndt, A. Denker, J. Nickel, J. Leuschner, M. Schmidt, G. Rigaud.
    In Focus - hybrid deep learning approaches to the HDC2021 challenge.
    Inverse Problems and Imaging, , 2022.

    DOI: 10.3934/ipi.2022061