AG Optimierung Andreas Tillmann
Dr. rer. nat.


Kontaktdaten

Photo Adresse:




Büro:

Telefon:

E-Mail:

Sprechstunde:
AG Optimierung
Technische Universität Darmstadt
Dolivostraße 15
D-64293 Darmstadt

S4|10 26 (Erdgeschoss)

+49-6151-16-23453

tillmann@mathematik.tu-darmstadt.de

Mittwochs, 10–11 Uhr

Ich bin PostDoc in der AG Optimierung der TU Darmstadt.
Im Winter 2014/15 vertrat ich eine Professur für mathematische Optimierung an der TU Braunschweig; siehe meine dortige Webseite.


Forschung Veröffentlichungen Software Konferenzen & Workshops Lehre English Versionflag

Forschung

Ich beschäftige mich vornehmlich mit der Bestimmung dünnbesetzter Lösungen unterbestimmter linearer Gleichungssysteme und verwandten Problemen. Mich interessieren dabei insbesondere theoretische und praktische Aspekte der Optimierung und Komplexitätstheorie in Gebieten wie Compressed Sensing, Signal- und Bildverarbeitung sowie maschinellem Lernen.

Von 2011 bis 2013 wurde ich hierin im Rahmen des Projektes "SPEAR – Sparse Exact and Approximate Recovery" von der DFG gefördert, siehe die SPEAR Homepage.
Aktuell bin ich assoziiertes Mitglied des Teilprojekts "EXPRESS – EXploiting structure in comPREssed Sensing using Side constraints" im DFG-Schwerpunktprogramm CoSIP ("Compressed Sensing in Information Processing", SPP 1798).

zurück nach oben

Veröffentlichungen

  • DOLPHIn – Dictionary Learning for Phase Retrieval,
    mit Yonina C. Eldar und Julien Mairal; 2016; eingereicht. (Preprint: arXiv:1602.02263)
    DOLPHIn-Code für Matlab und Testbilder aus dem Paper finden sich hier.
  • Dictionary Learning from Phaseless Measurements,
    mit Yonina C. Eldar und Julien Mairal; 2015; erscheint in Proc. ICASSP 2016.
  • Equivalence of Linear Programming and Basis Pursuit,
    PAMM (Proceedings in Applied Mathematics and Mechanics) 15(1), 2015, pp. 735–738. DOI: 10.1002/PAMM.201510351 (Preprint)
  • On the Computational Intractability of Exact and Approximate Dictionary Learning,
    IEEE Signal Processing Letters 22(1), 2015, pp. 45–49. DOI: 10.1109/LSP.2014.2345761 (Preprint: arXiv:1405.6664)
  • Computational Aspects of Compressed Sensing,
    Dissertation, TU Darmstadt, 2013. ISBN 978-3-8439-1445-1; elektronische Version: hier
  • Projection Onto The Cosparse Set is NP-Hard,
    mit Rémi Gribonval und Marc E. Pfetsch; Proc. ICASSP 2014, pp. 7148–7152. DOI: 10.1109/ICASSP.2014.6854987 (Preprint: arXiv:1303.5305, or HAL-00802359).
  • An Infeasible-Point Subgradient Method Using Adaptive Approximate Projections,
    mit Dirk A. Lorenz und Marc E. Pfetsch; Computational Optimization and Applications 57(2), 2014, pp. 271–306. DOI: 10.1007/s10589-013-9602-3 (Preprint: Optimization Online E-Print ID 2011-04-3016, or arXiv:1104.5351)
  • Solving Basis Pursuit: Heuristic Optimality Check and Solver Comparison,
    mit Dirk A. Lorenz und Marc E. Pfetsch; ACM Transactions on Mathematical Software 41(2), 2015, Art. No. 8. DOI: 10.1145/2689662 (Preprint: Optimization Online E-Print ID 2011-07-3100).
    Diverse begleitende Software (HOC Suite, ISAL1, L1-Testset) findet sich weiter unten. Eine aktualisierte Übersicht der Rechenergebnisse (Stand April 2016) gibt es hier.
  • The Computational Complexity of the Restricted Isometry Property, the Nullspace Property, and Related Concepts in Compressed Sensing,
    mit Marc E. Pfetsch; IEEE Transactions on Information Theory 60(2), 2014, pp. 1248–1259. DOI: 10.1109/TIT.2013.2290112 (Preprint: arXiv:1205.2081). Eine frühere Version erzielte den Best Student Paper Award auf der SPARS'13.
  • Visualization of Astronomical Nebulae via Distributed Multi-GPU Compressed Sensing Tomography,
    mit Stephan Wenger, Marco Ament, Stefan Guthe, Dirk A. Lorenz, Daniel Weiskopf und Marcus Magnor; IEEE Transactions on Visualization and Computer Graphics 18(12), 2012, pp. 2188–2197. DOI: 10.1109/TVCG.2012.281

zurück nach oben

Software

  • HOC Suite
    Matlab-Paket mit Codes der Heuristischen Optimalitäts-Checks (HOCs) für Basis Pursuit, Basis Pursuit Denoising und L1-Regularized Least-Squares. HOC kann Laufzeit und Genauigkeit existierender Löser für diese Probleme verbessern (siehe README-Datei für Details, sowie Resultate im "Solving Basis Pursuit"-Paper und diese HOC-Demo für BP).
    (Version 1.0 vom 30.9.2013).
  • ISAL1
    Matlab-Implementierung des "Infeasible-Point Subgradient Algorithm" (ISA) für Basis Pursuit; beinhaltet auch prototypischen Code (ISAL1bpdn) für BP Denoising.
    (Version 1.00 vom 30.9.2013 – aktuelles release; beim "Solving Basis Pursuit"-Paper wurde Version 0.91 vom 8.10.2012 verwendet).
  • L1-Testset: ascii, mat
    Das in unserem L1-Löservergleich ("Solving Basis Pursuit"-Paper) verwendete Testset als ascii- order Matlab binary Dateien, zusammen mit Matlab-Routinen zur Datenhandhabung.
    (zip-Dateigrößen: 313MB (ascii), 1GB (mat))
  • L1TestPack
    Matlab-Paket von Dirk Lorenz zur Erzeugung von Testinstanzen für L1-Minimierungsprobleme, zu dem ich beigetragen habe.
    (Version 1.2 vom 12.4.2012).
  • DOLPHIn
    Matlab-Implementierung des Dictionary-Learning-Algorithmus für Bildrekonstruktion und Dünn-Kodierung aus phasenlosen verrauschten Messdaten.
    (Version 1.0 vom 7.1.2016; benötigt das SPAMS-Paket), Testbilder aus dem "DOLPHIn"-Paper sind hier.

zurück nach oben

Konferenzen und Workshops

zurück nach oben

Lehre

Sommersemester 2016

Wintersemester 2015/16

Sommersemester 2015

Sommersemester 2014

Wintersemester 2013/14


(Aus meiner Zeit an der TU Braunschweig, siehe dortige Webseite.)

zurück nach oben fish