Dr. Sören Dittmer

Bild Sören Dittmer

Dr. Sören Dittmer

Research associate

Deep Learning und Inverse Probleme

Bibliothekstraße 5
28359 Bremen

Office: MZH 2230
Phone: +49 0421 218-63806
E-Mail: sdittmerprotect me ?!math.uni-bremenprotect me ?!.de

Research areas

  • Inverse problems
  • Deep learning
  • Magnetic particle imaging


  • Design-KIT - Artificial intelligence in mechanical component development


  • Differentiable architecture search - Fractional Kernel sizes in convolutional neural networks, Masterarbeit, Daniel Klosa, 2020
  • Nutzung verallgemeinerter Singulärwerte zur Untersuchung künstlicher neuronaler Netze - Bachelorarbeit, Julian Tobias Gebken, 2019


Journal articles

S. Dittmer, T. Kluth, P. Maaß, D. Otero Baguer.
Regularization by architecture: A deep prior approach for inverse problems.
Journal of Mathematical Imaging and Vision :456-470, Springer Verlag, 2020.
DOI: 10.1007/s10851-019-00923-x
online unter: http://link.springer.com/article/10.1007/s10851-019-00923-x

S. Dittmer, E. King, P. Maaß.
Singular values for ReLU layers.
IEEE Transactions on Neural Networks and Learning Systems, Article , 2019.
online unter: https://ieeexplore.ieee.org/document/8891761


S. Dittmer, T. Kluth, M. Henriksen, P. Maaß.
Deep image prior for 3D magnetic particle imaging: A quantitative comparison of regularization techniques on Open MPI dataset.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2007.01593

S. Dittmer, C. Schönlieb, P. Maaß.
Ground Truth Free Denoising by Optimal Transport.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2007.01575

S. Mukherjee, S. Dittmer, Z. . Shumaylov, S. Lunz, O. Öktem, C. Schönlieb.
Learned convex regularizers for inverse problems.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2008.02839

S. Dittmer, P. Maaß.
A Projectional Ansatz to Reconstruction.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/1907.04675

J. Behrmann, S. Dittmer, P. Fernsel, P. Maaß.
Analysis of Invariance and Robustness via Invertibility of ReLU-Networks.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/1806.09730

Conference proceedings

S. Dittmer, T. Kluth, D. Otero Baguer, B. Maass.
A Deep Prior Approach to Magnetic Particle Imaging.
Machine Learning for Medical Image Reconstruction 2020.
Springer International Publishing, F. Deeba, P. Johnson, T. Würfl, J. C. Ye (Hrsg.), S. 113-122, 2020.