报告人：张凯（吉林大学）

邀请人：李东方

报告时间：2021年12月13日（星期一）14:00-16:00

报告地点：Zoom ID: 976 8652 7522  Passcode: 422458

报告题目：Machine learning for inverse scattering problems

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：吉林大学数学学院教授、博士生导师。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年获得香港中文大学联合培养博士学位，2008年至2010年赴密歇根州立大学开展博士后研究，曾先后赴伊利诺伊州立大学，奥本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。主要从事SPDE控制优化问题的数值方法、期权定价、随机麦克斯韦方程和随机声波方程的研究。先后主持国家自然科学基金等项目10余项。