Dr. Sören Dittmer

Zeitschriftenartikel

S. Dittmer, C. Schönlieb, P. Maaß.
Ground Truth Free Denoising by Optimal Transport.
Erscheint in Numerical Algebra, Control, and Optimization
online unter: https://arxiv.org/abs/2007.01575

 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.
International Journal on Magnetic Particle Imaging, 7(1), 2021.
DOI: 10.18416/IJMPI.2021.2103001
online unter: https://journal.iwmpi.org/index.php/iwmpi/article/view/148

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

Preprints

C. Arndt, A. Denker, S. Dittmer, N. Heilenkötter, M. Iske, T. Kluth, P. Maaß, J. Nickel.
Invertible residual networks in the context of regularization theory for linear inverse problems.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2306.01335

C. Arndt, S. Dittmer, N. Heilenkötter, M. Iske, T. Kluth, J. Nickel.
Bayesian view on the training of invertible residual networks for solving linear inverse problems.
Zur Veröffentlichung eingereicht.
online unter: https://www.x-mol.net/paper/article/1682514725633245184

S. Dittmer, M. Roberts, J. Preller, .. AIX-COVNET Collaboration, J. H. F. Rudd, J. A. D. Aston, C. Schönlieb.
Reinterpreting survival analysis in the universal approximator age.
Zur Veröffentlichung eingereicht.

T. Shadbahr, M. Roberts, J. Stanczuk, J. Gilbey, P. Teare, S. Dittmer, M. Thorpe, R. V. Torne, E. Sala, P. Lio, M. Patel, .. AIX-COVNET Collaboration, J. H. F. Rudd, T. Mirtti, A. Rannikko, J. A. D. Aston, J. Tang, C. Schönlieb.
Classification of datasets with imputed missing values: does imputation quality matter?
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2206.08478

T. Grossmann, S. Dittmer, Y. Korolev, C. Schönlieb.
Unsupervised Learning of the Total Variation Flow.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2206.04406#

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

Tagungsbeiträge

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.