Prof. Dr. Martin Burger

Thomson Researcher ID: D-9928-2012



Organisationseinheit


Lehrstuhl für Angewandte Mathematik (Modellierung und Numerik)


Preise / Auszeichnungen


2014 : ERC Consolidator Grant
2009 : Calderón-Preis
1999 : Preis für Besondere Studentische Leistungen 1999



Projektleitung


PPP Frankreich 2019 Phase I
Prof. Dr. Martin Burger
(01.01.2019 - 31.12.2020)

(Nonlocal Methods for Arbitrary Data Sources):
NoMADS: Nonlocal Methods for Arbitrary Data Sources
Prof. Dr. Martin Burger
(01.10.2018 - 28.02.2022)

MED4D: "Verbundprojekt MED4D: Dynamische Medizinische Bildgebung: Modellierung und Analyse medizinischer Daten für verbesserte Diagnose, Überwachung und Arzneimittelentwicklung"
Prof. Dr. Martin Burger
(01.12.2016 - 30.11.2019)

DAAD Austauschprogramm: PPP Finnland 2017: Bayesian Inverse Problems in Banach Space
Prof. Dr. Martin Burger
(25.01.2015 - 31.12.2017)

LifeInverse: Variational Methods for Dynamic Inverse Problems in the Life Sciences
Prof. Dr. Martin Burger
(01.03.2014 - 28.02.2019)


Mitarbeit in Forschungsprojekten


IntComSin: Grenzflächen, komplexe Strukturen und singuläre Limiten in der Kontinuumsmechanik
Prof. Dr. Günther Grün
(01.04.2018 - 30.09.2022)


Weitere Forschungsaktivitäten


Herausgeberschaft einer wissenschaftlichen Zeitschrift / Reihe
Prof. Dr. Martin Burger
Hauptherausgeber/in - European Journal of Applied Mathematics (ISSN: 1469-4425)
(01.01.2017)


Publikationen (Download BibTeX)

Go to first page Go to previous page 1 von 20 Go to next page Go to last page

Bungert, L., & Burger, M. (2019). Asymptotic Profiles of Nonlinear Homogeneous Evolution Equations of Gradient Flow Type. (Unpublished, Submitted).
Burger, M., Korolev, Y., Schönlieb, C.B., & Stollenwerk, C. (2019). A Total Variation Based Regularizer Promoting Piecewise-Lipschitz Reconstructions. In Jan Lellmann, Jan Modersitzki, Martin Burger (Eds.), Lecture Notes in Computer Science (pp. 485-497). Hofgeismar, DE: Springer Verlag.
Bungert, L., Burger, M., & Tenbrinck, D. (2019). Computing Nonlinear Eigenfunctions via Gradient Flow Extinction. In Scale Space and Variational Methods in Computer Vision - 7th International Conference, SSVM 2019, Proceedings. (pp. 291-302). Springer Verlag.
Burger, M., Korolev, Y., & Rasch, J. (2019). Convergence rates and structure of solutions of inverse problems with imperfect forward models. Inverse Problems, 35(2). https://dx.doi.org/10.1088/1361-6420/aaf6f5
Burger, M., Föcke, J., Nickel, L., Jung, P., & Augustin, S. (2019). Reconstruction Methods in THz Single-Pixel Imaging. In Holger Boche, Giuseppe Caire, Robert Calderbank, Gitta Kutyniok, Rudolf Mathar, Philipp Petersen (Eds.), Compressed Sensing and Its Applications. (pp. 263-290). Springer International Publishing.
Bungert, L., & Burger, M. (2019). Solution paths of variational regularization methods for inverse problems. Inverse Problems. https://dx.doi.org/10.1088/1361-6420/ab1d71
Burger, M. (2018). A Variational Model for Joint Motion Estimation and Image Reconstruction. Siam Journal on Imaging Sciences, 11(1), 94-128. https://dx.doi.org/10.1137/16M1084183
Burger, M. (2018). Dynamic inverse problems: modelling-regularization-numerics Preface. Inverse Problems, 34(4). https://dx.doi.org/10.1088/1361-6420/aab0f5
Burger, M. (2018). Dynamic MRI reconstruction from undersampled data with an anatomical prescan. Inverse Problems, 34(7). https://dx.doi.org/10.1088/1361-6420/aac3af
Burger, M. (2018). Dynamic SPECT reconstruction with temporal edge correlation. Inverse Problems, 34(1). https://dx.doi.org/10.1088/1361-6420/aa9a94

Zuletzt aktualisiert 2019-22-01 um 17:51