vonNeumannProfessoren


John von Neumann Gastprofessur


John von Neumann
Die John von Neumann Gastprofessur erlaubt herausragenden Wissenschaftlern aus aller Welt, ein Semester am TUM Zentrum für Mathematik zu forschen. Sponsor ist das Bayerische Staatsministerium für Wissenschaft, Forschung und Kunst. Die Preisträger halten eine "John von Neumann Gastvorlesung", eine Einführung in ihr Forschungsgebiet für fortgeschrittene Studenten.

Die Gastprofessur ist nach John von Neumann benannt, einem der führenden Mathematiker des 20. Jahrhunderts. Mit seinen mathematischen Ideen leistete von Neumann wegweisende Beiträge zu vielen verschiedenen Gebieten wie der Quantenmechanik, Spieltheorie, Fluiddynamik und dem wissenschaftlichen Rechnen. Insbesondere stellte er 1932 mit seinem bekannten Buch die damals neue Quantenmechanik auf mathematisch rigorosen Boden, und führte mit seinem Design des MANIAC-Rechners die bahnbrechenden Ideen des flexiblen Arbeitsspeichers und des Parallelrechnens ein.

Im Jahr 1953 wurde ihm die Ehrendoktorwürde der Technischen Hochschule München verliehen.


Aktuelle Preisträger/innen
Frühere Preisträger/innen
Kontakt


Aktuelle Preisträger/innen


Prof. Dr. Mauro Maggioni Prof. Dr. Mauro Maggioni, Duke University
John von Neumann Vorlesung: Statistische Lerntheorie, Geometrie und hochdimensionale Wahrscheinlichkeitstheorie
Weitere Informationen
Abstrakt zur VorlesungClose

Abstrakt der Vorlesung

We will cover foundations of random matrix theory (with applications to compressed sensing and signal processing), nonparametric statistical estimation and machine learning, and problems about the geometry of high dimensional data sets.
Random matrices. Basic theory of random matrices: basic concentration inequalities, subgaussian random variables, singular values of random matrices. Applications: to compressed sensing theory; to numerical linear algebra (a.k.a. how to compute quickly highly accurate low-rank approximate Singular Value Decompositions, with high probability).
Nonparametric estimation: Basic results in nonparametric density estimation and nonparametric regression in low dimensions. Obstructions in the high-dimensional setting, curse of dimensionality. Applications: denoising of signals.
Approximation theory. A primer in nonlinear approximation of functions, especially for wavelets and other multiscale approximations. Multiscale approximation of functions in high dimensions. Attacking the curse of dimensionality.
Multiscale Analysis in High dimensions. Multiscale geometric constructions in metric spaces, associated algorithms and applications. Multiscale SVD and Geometric Multiresolution analyses, and their applications to dictionary learning, regression, manifold learning, compressive sensing.
Optimal transport. A primer in optimal transport theory and Wasserstein metrics between distributions. Current research: multiscale approximation theory in the space of probability measures with respect to Wasserstein metrics.

weitere Informationen

Prof. Dr. David Perez-Garcia Prof. Dr. David Perez-Garcia, Universität Madrid
John von Neumann Vorlesung: Quanten Nicht-Lokalität
Weitere Informationen
Abstrakt zur VorlesungClose

Abstrakt der Vorlesung

The course discusses quantum non-locality, one of the most relevant features of quantum mechanics. The concept of non-locality goes back to the famous Einstein-Podolsky-Rosen criticism in the 30's and nowadays lies at the core of the application of quantum mechanics in cryptography. The course is focused on the use of functional analysis tools in this context: operator spaces and tensor norms.

The course is modular to try to cover the different backgrounds and interests of students and researchers at TUM. It consists of an introduction, two background modules as a pre-course, a core module and three independent modules to cover different areas of interest.

Module 0: Introduction and motivation.
Module 1(pre-course): Basics in quantum mechanics.
Module 2 (pre-course): Basics in functional analysis.
Module 3 (core module): Operator spaces and tensor norms.
Module 4: Non-locality in foundations of quantum mechanics.
Module 5: Non-locality in complexity theory.
Module 6: Non-locality in cryptography

weitere Informationen

Prof. Dr. Dimitris N. Politis Prof. Dr. Dimitris N. Politis, University of California, San Diego
John von Neumann Vorlesung: Bootstrap-Methoden für i.i.d. Daten und Nicht-i.i.d. Daten
Weitere Informationen
Abstrakt zur VorlesungClose

Abstrakt der Vorlesung

Computer-intensive statistical methods such as the bootstrap have revolutionized the practice of statistics in the last 30 years. The course will cover a variety of computer-intensive methods for statistical inference such as resampling, subsampling, bagging, etc. Both i.i.d. and non-i.i.d. data (e.g. regression and time series) will be considered. The course will provide the basic theoretical understanding on how/when these methods "work" so that the students can find applications in economics, engineering, biostatistics, etc.

weitere Informationen



Frühere Preisträger/innen

Wintersemester Sommersemester
2014
Prof. Dr. Götz Pfander, Jacobs Universität Bremen
2013
Prof. Dr. Sergii Koliada, Academy of Sciences, Kiev
Prof. Dr. Jesus De Loera, University of California, USA
Prof. Dr. Marc Noy, Universität Barcelona
Prof. Dr. Peter Song, University of Michigan, USA
2012
Prof. Dr. Ansgar Jüngel, TU Wien Prof. Dr. Zalman Balanov, University of Texas
Prof. Dr. Serguei Popov, University of Campinas, Brasilien Prof. Dr. Wieslaw Krawcewicz, University of Texas, Dallas
Prof. Dr. Wim Schoutens, Universität Leuven, Belgien Prof. Dr. Sanjoy Mitter, MIT
Prof. Dr. Marina Vachkovskaia, University of Campinas, Brasilien Prof. Dr. Reinhold Schneider, TU Berlin
Alle bisherigen John von Neumann Gastprofessuren

Kontakt

Wissenschaftliche Leitung: Prof. Dr. Massimo Fornasier
Administration: Lydia Weber

 
TUM Mathematik Rutschen TUM Logo TUM Schriftzug Mathematik Logo Mathematik Schriftzug Rutsche

picture math department

Impressum?  |  Datenschutzerklärung  |  AnregungenCopyright Technische Universität München