Leitung:
Vladimir Spokoiny

Mitarbeiter:
Valeriy Avanesov, Christian Bayer, Nazar Buzun, Fabian Dickmann, Pavel Dvurechensky, Andzhey Koziuk, Peter Mathé, Mario Maurelli, Hans-Joachim Mucha, Paolo Pigato, Jörg Polzehl, Martin Redmann, John G. M. Schoenmakers, Benjamin Stemper, Alexandra Suvorikova, Karsten Tabelow

Sekretariat:
Christine Schneider

Ehrenmitglieder:
Peter Friz


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 Forschung der Gruppe trägt zur Entwicklung statistischer Software bei, besonders im Bereich der Bildverarbeitung in den Neurowissenschaften.

Höhepunkte

  • Prof. Peter K. Friz (TU Berlin/WIAS) erhielt einen ERC Consolidator Grant Geometric aspects in pathwise stochastic analysis and related topics mit einer Laufzeit von 2016 bis 2021. [>>mehr].
  • Dr. Th. Koprucki (FG1) und Dr. K. Tabelow (FG6) erhalten Förderung fü das ECMath-Projekt OT7 "Model-based geometry reconstruction of quantum dots from TEM" für die Zeit 06/2017-12/2018.
  • Dr. J. Schoenmakers und Prof. Dr. Spokoiny erhalten Förderung fü das ECMath-Projekt "Decisions in energy markets via deep learning and optimal control" für die Zeit 06/2017-12/2018.
  • Kürzlich erschienen: J. Polzehl, K. Tabelow, Low SNR in diffusion MRI models, J. Amer. Statist. Assoc., 111 (2016) pp. 1480-1490, DOI 10.1080/01621459.2016.1222284 .