Dr. Pascal Fernsel

Pascal Fernsel

Dr. Pascal Fernsel

Wissenschaftlicher Mitarbeiter

Team Inverse Probleme und Magnetic Particle Imaging
Koordinator des DFG Graduiertenkollegs π³

Bibliothekstraße 5
28359 Bremen

Raum: MZH 2290
Telefon: +49 421 218-63814
E-Mail: p.fernsel[at]uni-bremen.de

Forschungsgebiete

  • Inverse Probleme
  • Deep Learning
  • Matrixfaktorisierungen für maschinelles Lernen
  • Bildgebende Massenspetrometrie

Projekte

  • DELETO - Maschinelles Lernen bei korrelativer MR und Hochdurchsatz-NanoCT
  • KIDOHE - KI-gestützte-Dokumentation für Hebammen

Abschlussarbeiten

Bachelorarbeiten

  • Hauptkomponentenanalyse zur Untersuchung seismologischer Daten der Neumayer-Station III, Bachelorarbeit, Ribana Werner, 2022

Masterarbeiten

  • Äquivalenz orthogonaler NMF und K-Means, Jan Hochmann, 2018
  • Quantisierung mit geringer Auflösung für Kanäle mit Gedächtnis, Lukas Henneke, 2019

 

Zeitschriftenartikel

S. Arridge, P. Fernsel, A. Hauptmann.
Joint Reconstruction and Low-Rank Decomposition for Dynamic Inverse Problems.
Inverse Problems and Imaging, 16(3): 483-523, 2022.
DOI: 10.3934/ipi.2021059

P. Fernsel.
Spatially Coherent Clustering Based on Orthogonal Nonnegative Matrix Factorization.
MDPI Journal of Imaging, 7(10), 2021.
DOI: 10.3390/jimaging7100194

J. Leuschner, M. Schmidt, P. Fernsel, D. Lachmund, T. Boskamp, P. Maaß.
Supervised Non-negative Matrix Factorization Methods for MALDI Imaging Applications.
Bioinformatics, bty909 , 2018.
DOI: 10.1093/bioinformatics/bty909

P. Fernsel, P. Maaß.
A Survey on Surrogate Approaches to Non-negative Matrix Factorization.
Vietnam Journal of Mathematics, 46(4):987-1021, 2018.
DOI: 10.1007/s10013-018-0315-x

 

Proceedings

P. Fernsel, Željko Kereta, Alexander Denker.
Convergence Properties of Score-Based Models using Graduated Optimisation for Linear Inverse Problems.
Accepted at IEEE International Workshop on Machine Learning for Signal Processing (2024)
arXiv Link: https://arxiv.org/abs/2404.18699

 

Preprints

P. Fernsel, P. Maaß.
Regularized Orthogonal Nonnegative Matrix Factorization and K-means Clustering.
2021.
arXiv Link: https://arxiv.org/abs/2112.07641

J. Behrmann, S. Dittmer, P. Fernsel, P. Maaß.
Analysis of Invariance and Robustness via Invertibility of ReLU-Networks.
2018.
arXiv Link: https://arxiv.org/abs/1806.0973

Seit 2022Postdoc am Zentrum für Technomathematik, Universität Bremen
2022Promotion zum Dr. rer. nat., Zentrum für Technomathematik, Universität Bremen, "Nonnegative Matrix Factorization - Theory, Algorithms and Applications"
2017 - 2022Doktorand, erste Kohorte im Graduiertenkolleg π³, Zentrum für Technomathematik, Universität Bremen
2017Master of Science in Mathematik, Universität Bremen, "Nichtnegative Matrixfaktorisierung mit MM-Algorithmen im MALDI-Imaging"

 

Vorlesungen

SoSe 2023Nonlinear Inverse Problems

Tutorien

SoSe 2022Mathematische Grundlagen des maschinellen Lernens
WiSe 2020/2021Nicht-lineare inverse Probleme: Analysis, Anwendungen und Algorithmen
SoSe 2019Mathematik 1b (für Ingenieure)
WiSe 2017/2018Inverse Probleme
Seit Oktober 2022Koordinator des DFG Graduiertenkollegs π³