Emmanuel Candès

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Emmanuel Candès

Emmanuel Jean Candès (* 1970 in Paris) ist ein französisch-US-amerikanischer Mathematiker. Er ist Professor an der Stanford University. Candès machte 1993 seinen Abschluss an der École polytechnique, erhielt 1994 sein Diplom in angewandter Mathematik an den Universitäten Paris VI und IX und wurde 1998 bei David Donoho an der Stanford University in Statistik promoviert (Ridgelets: Theory and Applications).[1] Danach war er dort bis 2000 Assistant Professor in Statistik und wurde danach Professor für Angewandte und Numerische Mathematik am Caltech (ab 2006 Ronald and Maxine Linde Professor). Ab 2009 war er wieder in Stanford.

Er befasste sich mit numerischer harmonischer Analyse, Multiskalen-Analyse, Approximationstheorie, statistische Schätzung und Mustererkennung, Signalverarbeitung, inversen Problemen und wissenschaftlichem Rechnen (Scientific Computing) sowie mit Informatik, mathematischer Optimierung und Informationstheorie.

Mit L. Demanet entwickelte er eine schnelle numerische Methode für Wellenausbreitungsprobleme, die erste solche Methode von linearer Komplexität.

In seiner Dissertation verallgemeinerte er die Wavelet Theorie auf Curvelets und Ridgelets.[2]

Mit Terence Tao begründete er 2004 das Forschungsfeld des compressed sensing, der Rekonstruktion von Bildern aus wenigen zufällig angeordneten gemessenen Signalen.[3]

2001 erhielt er den Vasil A. Popov Preis in Approximationstheorie und war Sloan Fellow. 2005 erhielt er den James-H.-Wilkinson-Preis der SIAM für Numerische Mathematik und 2006 die Alan T. Waterman Medal der National Science Foundation, 2010 erhielt er den George-Pólya-Preis mit Terence Tao, 2011 den Collatz-Preis der GAMM und 2013 den Dannie-Heineman-Preis der Akademie Göttingen.

Er wurde als Plenarsprecher auf dem Internationalen Mathematikerkongress 2014 in Seoul ausgewählt (Mathematics of sparsity (and a few other things)).

Weblinks[Bearbeiten]

Einzelnachweise[Bearbeiten]

  1. Mathematics Genealogy Project
  2. Candès, Donoho Curvelets – a surprisingly effective nonadaptive representation for objects with edges, in A. Cohen, C. Rabut, L. Schumaker (Herausgeber) Curves and Surface Fitting: Saint-Malo 1999, Vanderbilt University Press, Nashville, 2000, S.105–120
  3. Tao, Candès "Near-optimal signal recovery from random projections: universal encoding strategies?", IEEE Transactions on Information Theory, Band 52, Heft 12, 2006, S.5406–5425