Antrittsvorlesungen von

Univ.-Prof. Dr. Karin Schnass
Institut für Mathematik

Univ.-Prof. Dr. Birgit Schörkhuber
Institut für Mathematik

  Dienstag, 5. Juli 2022

  16:00 – 18:00 Uhr

  HSB 1, Technikerstraße 13b, 6020 Innsbruck

  Anmeldung bis zum 28. Juni 2022 an sandra.naschberger@uibk.ac.at

Grußworte des Vizerektors
Univ.-Prof. Dr. Wolfgang Streicher

Vorstellung durch den Dekan
Univ.-Prof. Dr. Alexander Ostermann

Dictionary Learning – why we want to find structure in data
Univ.-Prof. Dr. Karin Schnass

In this talk we will first see why it is useful if data follows a low dimensional model, with simple examples such as lines or clusters. We will then discuss the type of structure corresponding to sparsity in a dictionary and some ideas how we could go about identifying (learning) such a dictionary from the data.

Dynamics in nonlinear PDEs
Univ.-Prof. Dr. Birgit Schörkhuber 

The description of dynamics in terms of time-dependent partial differential equations (PDEs) plays a fundamental role in natural sciences and applications. In many models, nonlinearities appear naturally due to self-reinforcing processes. Despite huge progress in the last century, the mathematical understanding of nonlinear time-dependent PDEs is still limited, in particular, when it comes to the detailed description of the dynamics. Consequently, the development of new analytic tools is a very active and challenging area of mathematical research. In this talk, I will give a short overview on mathematical questions that arise in this context and phenomena that typically occur in nonlinear models, including the formation of singularities in finite time.

Im Anschluss daran laden wir zu einem kleinen Buffet ein.

Univ.-Prof. Dr. Karin Schnass

Karin Schnass studierte Mathematik an der Universität Wien und schloss 2009 ihr Doktorat in Computer, Communication and Information Sciences an der ETH Lausanne ab. Nach einer Postdoc-Station am RICAM im Linz und zwei Elternkarenzen war sie als Erwin Schrödinger Research Fellow an der Universität Sassari (Italien). Mit einem START-Preis kam sie 2015 an die Universität Innsbruck, wo sie seit 2019 assoziierte Professorin und seit 2020 Universitätsprofessorin ist. In ihrer Forschung beschäftigt sich Karin Schnass mit mathematischen Methoden der Signalverarbeitung. Für ihre Beiträge zu Dictionary Learning erhielt sie 2021 die Inzinger Medaille, den Förderpreis der ÖMG.

Univ.-Prof. Dr. Birgit Schörkhuber

Birgit Schörkhuber studierte Physik und Astronomie an der Universität Wien. Im Jahr 2013 schloss sie an der TU Wien auch ihr Doktorat in Mathematik ab. Sie arbeitete als Postdoc an der TU Wien und als Hertha-Firnberg Fellow an der Universität Wien, bevor sie als Nachwuchsgruppenleiterin ans KIT in Karlsruhe wechselte. Seit 2020 war sie Professorin für Mathematik an der Goethe Universität Frankfurt, 2021 wurde sie als Universitätsprofessorin ans Institut für Mathematik der Universität Innsbruck berufen. Birgit Schörkhuber forscht im Bereich der Analysis nichtlinearer zeitabhängiger partieller Differentialgleichungen.

Institut für Mathematik
Fakultät für Mathematik, Informatik und Physik
Universität Innsbruck

Tel.: +43 512 507-53801, -53802 oder -53803
E-Mail: sandra.naschberger@uibk.ac.at

Wir freuen uns auf Ihr Kommen!


Datenschutzhinweis

Im Rahmen dieser Veranstaltung können Fotografien (oder Screenshots) und/oder Filme erstellt werden. Mit der Teilnahme zur Veranstaltung nehmen Sie zur Kenntnis, dass Fotografien und Videomaterialien, auf denen Sie abgebildet sind, zur Presse-Berichterstattung verwendet und in verschiedensten (Sozialen) Medien, Publikationen und auf Webseiten der Universität Innsbruck veröffentlicht werden. Weitere Informationen zum Datenschutz entnehmen Sie bitte unserer Datenschutzerklärung unter: www.uibk.ac.at/datenschutz

Wir bitten um eine umweltfreundliche Anreise! Mit den öffentlichen Verkehrsmitteln, zu Fuß oder mit dem Fahrrad. Fahrradabstellplätze stehen ausreichend zur Verfügung. Informationen zu den öffentlichen Verkehrsmitteln finden Sie unter www.vvt.at

  • Nach oben scrollen