| KEYWORD |
Sotto-campionamento ottimale per problemi solari inversi
Parole chiave APPROXIMATION THEORY, DATA-DRIVEN LEARNING
Riferimenti EMMA PERRACCHIONE
Descrizione A partire da osservazioni di dati sparsi nel dominio di Fourier, l’inversione della trasformata di Fourier è un problema numerico mal condizionato, cui successo dipende fortemente dal numero e posizione dei campionamenti. D’altro canto, in applicazioni reali, il numero e la posizione di tali campionamenti non spesso vincolati dall’hardware dello strumento. Di conseguenza, l’ambizione della tesi è quella di sviluppare metodi numerici di tipo greedy per una scelta ottimale dei campionamenti. Tale studio trova una naturale applicazione nel campo dell’imaging astronomico. Precisamente, telescopi spaziali per imaging solare a raggi X, misurano osservazioni (dette visibilities) fatte di componenti di Fourier del flusso di fotoni emessi.
Scadenza validita proposta 27/01/2024
PROPONI LA TUA CANDIDATURA