Dr. Alexander Denker
Ehemaliger Mitarbeiter der AG Technomathematik, Research Training Group π3E-Mail: adenker
Information: Email endet auf @uni-bremen.de
Abschlussarbeiten (Auswahl)
- Active learning for semantic segmentation in digital pathology (Jannik Wildner)
- Adversarial Examples in Deep-Learning-Rekonstruktionen am Beispiel von Computer-Tomographie (Fabian Schönfeld)
- Fehlererkennung und –segmentierung von Stahlcoils unter Verwendung des Contrastive Learnings (Dennis Hottendorff)
Publikationen (Auswahl)
- A. Denker.
Invertible Neural Networks and Normalizing Flows for Image Reconstruction.
Dissertationsschrift, Universität Bremen, 2024.DOI: 10.26092/elib/2921
- 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
- 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 - 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
- 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 Imagingonline unter: https://arxiv.org/abs/2308.14190