Explore les systèmes d'imagerie à l'information physique, y compris l'imagerie sans lentille, l'apprentissage profond pour les défis d'imagerie, et le développement de modèles de bruit pour les vidéos à faible luminosité.
Couvre les sources de bruit dans les caméras CCD, en se concentrant sur le bruit de réinitialisation, le bruit de lecture et les méthodes de suppression du bruit comme le double échantillonnage corrélé.
Couvre des stratégies pour lutter contre les sources de bruit dans les mesures électroniques et explore des techniques pour atténuer le bruit et améliorer la précision des mesures.
Explore la métrologie électrique, mettant l'accent sur l'analyse du bruit et du signal, couvrant des sujets tels que les charges, les courants, les tensions et diverses sources de bruit.
Couvre le gain interne dans les systèmes de détection optique, en se concentrant sur les photodiodes à avalanche et les calculs pour un gain optimal et un rapport signal/bruit optimal.
Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.
Discute du formalisme du bruit dans les photodétecteurs, en se concentrant sur les limites de détection et la relation entre la puissance d'entrée et le courant de sortie.
Explore l'estimation des canaux OFDM pour les récepteurs sans fil, en soulignant l'importance d'une estimation précise dans les systèmes de communication sans fil.
Explore les transitions de phase dans le traitement du signal, démontrant leur impact sur la reconstruction du signal et l'application d'algorithmes de seuil dans le débruitage d'image.
Explore les caractéristiques des caméras d'imagerie, la résolution spatiale, les sources de bruit et la plage dynamique pour des performances optimales dans les applications de microscopie.
Couvre la régression linéaire et logistique pour les tâches de régression et de classification, en mettant l'accent sur les fonctions de perte et la formation de modèle.