Metodi numerici e matriciali per la risoluzione discreta di problemi differenziali e data science

Sviluppo ed analisi di metodi di ottimizzazione del secondo ordine per la risoluzione di problemi derivanti dalla discretizzazione di problemi di controllo ottimo con vincoli dati da PDEs e vincoli di tipo box sullo stato e/o sul controllo. Sviluppo ed analisi di tecniche di accelerazione (precondizionatori) per i corrispondenti sistemi lineari, con riferimento alla ottimalità delle strategie in relazioni ai parametri del problema (coefficienti (an)isotropici, griglia, regolarità della soluzione, ecc.).

Sviluppo ed analisi di metodi di algebra lineare numerica per la risoluzione di sistemi lineari derivanti dalla discretizzazione di PDEs possibilmente parametrizzate, con anche riferimento a problemi strutturati, che possono dare luogo ad equazioni matriciali e tensoriali. Risoluzione di equazioni matriciali non lineari provenienti dalla risoluzione di problemi evolutivi alle derivate parziali spaziali, possibilmente di tipo parametrico, e da problemi di controllo e controllo ottimo.

Sviluppo di tecniche matriciali e tensoriali per il trattamento di problemi di data science, quali il riconoscimento e la classificazione di immagini, l’information retrieval, e strategie di riduzione.

Componenti:

Davide Palitta

Ricercatore a tempo determinato tipo b) (senior)

Valeria Simoncini

Professoressa ordinaria

Assegnisti/dottorandi: