Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 156,45

+ 312 punten

Levering 1 à 2 weken

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Inverse problems arise in practical applications whenever one needs to deduce unknowns from observables. This monograph is a valuable contribution to the highly topical field of computational inverse problems. Both mathematical theory and numerical algorithms for model-based inverse problems are discussed in detail. The mathematical theory focuses on nonsmooth Tikhonov regularization for linear and nonlinear inverse problems. The computational methods include nonsmooth optimization algorithms, direct inversion methods and uncertainty quantification via Bayesian inference.The book offers a comprehensive treatment of modern techniques, and seamlessly blends regularization theory with computational methods, which is essential for developing accurate and efficient inversion algorithms for many practical inverse problems.It demonstrates many current developments in the field of computational inversion, such as value function calculus, augmented Tikhonov regularization, multi-parameter Tikhonov regularization, semismooth Newton method, direct sampling method, uncertainty quantification and approximate Bayesian inference. It is written for graduate students and researchers in mathematics, natural science and engineering.