direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Publikationen

Monographien
Nr.
Titel
3
The Mismatch Principle and L1-Analysis Compressed Sensing:
A Unified Approach to Estimation Under Large Model Uncertainties and Structural Constraints
[1]
DissertationTechnische Universität Berlin, 2019. [pdf [2]]
Betreuerin: Prof. Dr. Gitta Kutyniok [3]
2
Sparse Proteomics Analysis [4]
Masterarbeit, Technische Universität Berlin, 2015.
Betreuerin: Prof. Dr. Gitta Kutyniok [5]

1
Analysis von Inpainting mittels Hybrid-Shearlets und Clustered Sparsity [6]
Bachelorarbeit, Technische Universität Berlin, 2013.
Betreuerin: Prof. Dr. Gitta Kutyniok [7]
Artikel in Fachzeitschriften
Nr.
Titel
9
M. Genzel und G. Kutyniok
The Mismatch Principle: The Generalized Lasso Under Large Model Uncertainties
[8]Eingereicht (2018)
8
M. Genzel und A. Stollenwerk
Robust 1-Bit Compressed Sensing via Hinge Loss Minimization [9]
Eingereicht (2018)
7
M. Genzel, G. Kutyniok und M. März
L1-Analysis Minimization and Generalized (Co-)Sparsity: When Does Recovery Succeed? [10]
Eingereicht (2017)
6
M. Genzel und P. Jung
Recovering Structured Data From Superimposed Non-Linear Measurements [11]
Eingereicht (2017)
5
M. Genzel
High-Dimensional Estimation of Structured Signals from Non-Linear Observations with General Convex Loss Functions [12]
IEEE Trans. Inf. Theory 63.3 (2017), 1601-1619. [arXiv [13]]
4
T. Conrad, M. Genzel, N. Cvetkovic, N. Wulkow, A. Leichtle, J. Vybiral, G. Kutyniok und Ch. Schütte
Sparse Proteomics Analysis - a compressed sensing-based approach for feature selection and classification of high-dimensional proteomics mass spectrometry data [14]
BMC Bioinform. 18 (2017), 160. [arXiv [15]]
3
M. Meixner, T. Fuss, M. Klaus, M. Genzel und Ch. Genzel
Diffraction Analysis of strongly inhomogeneous residual stress depth distributions by modification of the stress scanning method. II. Experimental implementation [16]
J. Appl. Cryst. 48.5 (2015), 1451-1461.
2
M. Genzel und G. Kutyniok
Asymptotic Analysis of Inpainting via Universal Shearlet Systems [17]
SIAM J. Imaging Sci. 7.4 (2014), 2301-2339. [arXiv [18]]

1
D. Apel, M. Klaus, M. Genzel und Ch. Genzel.
Rietveld-based energy-dispersive residual stress evaluation: analysis of complex stress fields σij(z) [19]
J. Appl. Cryst. 47.2 (2014), 511-526.
Konferenz-Publiktionen
Nr.
Titel
3
P. Jung und M. Genzel
Blind Sparse Recovery Using Imperfect Sensor Networks [20]
IEEE Statistical Signal Processing Workshop (SSP), 10.-13. Juni 2018.
2
M. Genzel und P. Jung
Blind sparse recovery from superimposed non-linear sensor measurements [21]
Sampling Theory and Applications (SampTA), 3.-7. Juli 2017.
1
Ch. Genzel, D. Apel, M. Klaus, M. Genzel und D. Balzar.
Keynote Lecture: Residual Stress Gradient Analysis by Multiple Diffraction Line Methods [22]
International Conference on Residual Stresses 9 (ICRS 9), September 2013.

Sonstige Artikel
Nr.
Titel
1
M. Genzel und G. Kutyniok
A Mathematical Framework for Feature Selection from Real-World Data with Non-Linear Observations [23]
arXiv:1608.08852, 2016.


Weitere Forschungsaktivitäten (Konferenzen, Vorträge, etc.) [24]

------ Links: ------

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe

Diese Seite verwendet Matomo für anonymisierte Webanalysen. Mehr Informationen und Opt-Out-Möglichkeiten unter Datenschutz.
Copyright TU Berlin 2008