This page in English
Leitung:
Vladimir Spokoiny

Mitarbeiterinnen und Mitarbeiter:
Valeriy Avanesov, Christian Bayer, Franz Besold, Simon Breneis, Oleg Butkovsky, Pavel Dvurechensky, Vaios Laschos, Jörg Polzehl, John G. M. Schoenmakers, Alexandra Suvorikova, Karsten Tabelow, Nikolas Tapia

Sekretariat:
Christine Schneider

Ehrenmitglieder:
Peter Friz


Masterandin:
Heather Bielert

Die Forschungsgruppe Stochastische Algorithmen und Nichtparametrische Statistik konzentriert sich auf zwei mathematische Forschungsgebiete, die statistische Datenanalyse und stochastische Modellierung, Optimierung und Algorithmen. Die Projekte der Gruppe beschäftigen sich mit aktuellen Anwendungen vor allem in der Ökonomie und den Lebenswissenschaften. Die Projekte ordnen sich vor allem in die Hauptanwendungsgebiete Optimierung und Steuerung in Technik und Wirtschaft und Quantitative Biomedizin des WIAS ein.

Die mathematische Forschung in der Gruppe beinhaltet vor allem

  • die Modellierung komplexer Systeme mit Methoden der nichtparametrischen Statistik,
  • statistisches Lernen,
  • Risikobewertung,
  • Bewertungen in Finanzmärkten mittels effizienter stochastischer Algorithmen und
  • verschiedene Methoiden aus der klassischen, stochastischen, und rough path Analysis.

Die Forschungsgruppe enthält die Fokusplattform Quantitative analysis of stochastic and rough systems. Die Forschung der Gruppe trägt zur Entwicklung statistischer Software bei, besonders im Bereich der Bildverarbeitung in den Neurowissenschaften.


Höhepunkte

  • Ein neues MATH+-Projekt AA4-9 "Volatile electricity markets and battery storage: A model based approach for optimal control" (PIs: Ch. Bayer, D. Kreher (HU Berlin) und M. Landstorfer) wird gefördert.
  • Ein neues MATH+-Projekt EF3-11 "Quantitative tissue pressure imaging via PDE-informed assimilation of MR data" (PIs: A. Caiazzo, K. Tabelow und I. Sack (Charité Berlin)) wird gefördert.
  • Das MATH+-Projekt AA4-2 "Optimal control in energy markets using rough analysis and deep networks" (PIs: Ch. Bayer, P. Friz, J. Schoenmakers und V. Spokoiny) wurde bis zum 31.03.2025 verlängert.
  • Darina Dvinskikh verteidigte am 18. August 2021 ihre Dissertation mit dem Prädikat summa cum laude.
  • Der Artikel "On a combination of alternating minimization and Nesterov's momentum" von S. Guminov, P. Dvurechensky, N. Tupitsa, and A. Gasnikov wurde von der "International Conference on Machine Learning 2021." angenommen (WIAS-Preprint 2695)
  • Der Artikel "Newton method over networks is fast up to the statistical precision" von A. Daneshmand, G. Scutari, P. Dvurechensky, and A. Gasnikov) wurde von der "International Conference on Machine Learning 2021." angenommen.
  • Ein neues MATH+-Projekt EF3-8 "Analysis of brain signals by Bayesian Optimal Transport" (PIs: P. Dvurechensky, K.-R. Müller (TU Berlin), S. Nakajima (TU Berlin), und V. Spokoiny) wird gefördert.
  • Ein neues MATH+-Projekt EF3-9 "Mathematical Framework for MR Poroelastography" (PIs: A. Caiazzo, K. Tabelow, I. Sack (Charité Berlin)) wird gefördert.
  • Der Artikel "Statistical inference for Bures-Wasserstein barycenters" von A. Kroshnin, V. Spokoiny, A. Suvorikova wird bei "The Annals of Applied Probability " erscheinen. (WIAS-Preprint 2788)
  • Am 12. Mai 2020 verteidigte Kirill Efimov erfolgreich seine Doktorarbeit "Adaptive nonparametric clustering" an der Humboldt-Universität zu Berlin (Betreuer Vladimir Spokoiny).
  • Der Artikel "Strong existence and uniqueness for stable stochastic differential equations with distributional drift" (Autoren: Siva Athreya, Oleg Butkovsky, und Leonid Mytnik) ist in der Zeitschrift "The Annals of Probability" Volume 48, Number 1 (2020), 178-210 erschienen.
  • Die Monographie "Magnetic Resonance Brain Imaging with R" von Jörg Polzehl und Karsten Tabelow wurde bei Springer veröffentlicht.
  • Christian Bayer erhielt seine Habilitation an der Technischen Universität Berlin.
  • Die Forschergruppe 2402 Rough paths, stochastic partial differential equations and related topics wird für eine weitere Periode gefördert. Die FG 6 trägt dazu das Projekt "Numerical analysis of rough PDEs" (PIs: Christian Bayer, John Schoenmakers) bei.


Forschungsgruppen

Hauptanwendungsgebiete