Mål og innhald

Kurset behandler teori og løsningsmetoder for lineære og ikke-lineære inverse problem, med vekt på regulariseringsteknikker og parameterestimering. De mest kjente regulariseringsteknikkene blir gjennomgått. Både klassisk og Bayesiansk formulering av inverse problem og sekvensielle teknikker, som data-assimilering, blir behandlet.

Læringsutbyte/resultat

Etter fullført emne skal studentene kunne:

• Forstå egenskapene til dårlig stilte problem.
• Bruk ulike metoder for å løse lineære og ikke-lineære regresjonsproblem, og diskutere hvilken betydning målefeil har på løsningen.
• Gjengi og diskutere metodikk for diskretisering av integrallikninger.
• Demonstrere forståelse av egenskapene til lineære problem som ikke har full kolonnerang.
• Beherske gjennomgåtte regulariseringsteknikker og metoder for bestemmelse av regulariseringsparameteren.
• Prinsippene bak Bayesianske metoder for inverse problem og diskutere sammenhengen mellom løsning av inverse problem med Bayesianske og klassiske metoder.
• Forklare sammenhengen mellom data-assimilering og Bayesiansk formulering av inverse problem.
• Forklare prinsippene bak og diskutere bruk av ensemble Kalmanfilter som løsningsmetode for dataassimilerings problem.

Undervisningssemester

Uregelmessig

Eksamenssemester

Det er ordinær eksamen kvart semester

Krav til studierett

For oppstart på emnet er det krav om ein studierett knytt til Det matematisk-naturvitskaplege fakultet, samt at du oppfyller ev opptakskrav

Krav til forkunnskapar

Ingen

Tilrådde forkunnskapar

MAT121, MAT160, MAT212, STAT110/STAT101

Fagleg overlapp

MATINV: 10 SP

Obligatoriske arbeidskrav

Ingen obligatoriske aktivitetar.

Vurderingsformer

Munnleg eksamen.

Karakterskala

Ved sensur av emnet vert karakterskalaen A-F nytta.

Undervisningsstad

Bergen

Emneevaluering

Studentane skal evaluere undervisninga i tråd med UiB og instituttet sitt kvalitetssikringssystem.