Barbara Hammer

bhammer@techfak.uni-bielefeld.de
ORCID logo https://orcid.org/0000-0002-0935-5591

PEVZ-ID
18302458

551 Publikationen

Alle markieren

  • [551]
    2025 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 3001606
    Feldhans, R.; Hammer, B. (2025): Towards Reliable Drift Detection and Explanation in Text Data. In: Intelligent Data Engineering and Automated Learning – IDEAL 2024, PT I. Cham: Springer . (Lecture Notes in Computer Science, 15346). S. 301-312.
    PUB | DOI | WoS
     
  • [550]
    2025 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 3001658
    Peters, H.; Mazur, A.; Pandey, A. K.; Trächtler, A.; Hammer, B.; Homberg, W. (2025): Development of a digital twin for data-driven modeling of punch-bending processes using a graphical modeling notation at - Automatisierungstechnik,73:(3): 173-184.
    PUB | DOI | WoS
     
  • [549]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2989164
    Velioglu, R.; Chan, R. K. - W.; Hammer, B. (2024): FashionFail: Addressing Failure Cases in Fashion Object Detection and Segmentation. In: 2024 International Joint Conference on Neural Networks (IJCNN). New York: Institute of Electrical and Electronics Engineers (IEEE). (IEEE International Joint Conference on Neural Networks (IJCNN), ).
    PUB | DOI | WoS | arXiv
     
  • [548]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 3001615
    Markmann, T.; Straat, M.; Hammer, B. (2024): Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Benard Convection. In: 2024 International Joint Conference on Neural Networks (IJCNN). New York: Institute of Electrical and Electronics Engineers (IEEE). (IEEE International Joint Conference on Neural Networks (IJCNN), ).
    PUB | DOI | WoS
     
  • [547]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 3001626
    Internò, C.; Olhofer, M.; Jin, Y.; Hammer, B. (2024): Federated Loss Exploration for Improved Convergence on Non-IID Data. In: 2024 International Joint Conference on Neural Networks (IJCNN). New York: Institute of Electrical and Electronics Engineers (IEEE). (IEEE International Joint Conference on Neural Networks (IJCNN), ).
    PUB | DOI | WoS
     
  • [546]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993740
    Vaquet, V.; Hinder, F.; Vaquet, J.; Lammers, K.; Quakernack, L.; Hammer, B. (2024): Localizing of Anomalies in Critical Infrastructure using Model-Based Drift Explanations. In: 2024 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1-8.
    PUB | DOI | WoS
     
  • [545]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2992441
    Schroeder, S.; Schulz, A.; Hammer, B. (2024): The SAME score: Improved cosine based measure for semantic bias. In: 2024 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1-8.
    PUB | DOI | WoS
     
  • [544]
    2024 | Konferenzbeitrag | PUB-ID: 3000176
    Fumagalli, F.; Muschalik, M.; Kolpaczki, P.; Hüllermeier, E.; Hammer, B. (2024): KernelSHAP-IQ: Weighted Least Square Optimization for Shapley Interactions. In: Ruslan Salakhutdinov; Zico Kolter; Katherine Heller; Adrian Weller; Nuria Oliver; Jonathan Scarlett; Felix Berkenkamp (Hrsg.): Proceedings of the 41st International Conference on Machine Learning. PMLR. (Proceedings of Machine Learning Research, 235). S. 14308-14342.
    PUB
     
  • [543]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993714 OA
    Mazur, A.; Roberts, J. (I. ); Leins, D.; Schulz, A.; Hammer, B. (2024): Visualizing and Improving 3D Mesh Segmentation with DeepView. In: ESANN 2024 proceedings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 649-654.
    PUB | PDF | DOI | Download (ext.)
     
  • [542]
    2024 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2993739
    Vaquet, V.; Hinder, F.; Artelt, A.; Ashraf, I.; Strotherm, J.; Vaquet, J.; Brinkrolf, J.; Hammer, B. (2024): Challenges, Methods, Data–A Survey of Machine Learning in Water Distribution Networks. In: Michael Wand; Kristína Malinovská; Jürgen Schmidhuber; Igor V. Tetko (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2024. 33rd International Conference on Artificial Neural Networks, Lugano, Switzerland, September 17–20, 2024, Proceedings, Part IX. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 155-170.
    PUB | DOI | WoS
     
  • [541]
    2024 | Preprint | PUB-ID: 2999454
    Velioglu, R.; Bevandic, P.; Chan, R.; Hammer, B. (2024): TryOffDiff: Virtual-Try-Off via High-Fidelity Garment Reconstruction using Diffusion Models arXiv:2411.18350
    PUB | arXiv
     
  • [540]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2994141
    Vieth, M.; Grimmelsmann, N.; Schneider, A.; Hammer, B. (2024): Similarity-Based Zero-Shot Domain Adaptation for Wearables. In: ESANN 2024 proceedings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 221-226.
    PUB | DOI
     
  • [539]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2994158
    Hammer, B. (2024): Explaining Neural Networks - Deep and Shallow. In: Thomas Villmann; Marika Kaden; Tina Geweniger; Frank-Michael Schleif (Hrsg.): Advances in Self-Organizing Maps, Learning Vector Quantization, Interpretable Machine Learning, and Beyond (WSOM+ 2024) . Cham: Springer . (Lecture Notes in Networks and Systems, 1087). S. 139-140.
    PUB | DOI | WoS
     
  • [538]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2991394
    Kolpaczki, P.; Muschalik, M.; Fumagalli, F.; Hammer, B.; Hüllermeier, E. (2024): SVARM-IQ: Efficient Approximation of Any-order Shapley Interactions through Stratification. In: Sanjoy Dasgupta; Stephan Mandt; Yingzhen Li (Hrsg.): International Conference on Artificial Intelligence and Statistics, 2-4 May 2024, Palau de Congressos, Valencia, Spain. San Diego: PMLR. (Proceedings of Machine Learning Research, 238). S. 3520-3528.
    PUB | WoS | arXiv
     
  • [537]
    2024 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2994227
    Artelt, A.; Kyriakou, M. S.; Vrachimis, S. G.; Eliades, D. G.; Hammer, B.; Polycarpou, M. M. (2024): EPyT-Flow: A Toolkit for Generating Water DistributionNetwork Data Journal of Open Source Software,9:(103):7104
    PUB | DOI
     
  • [536]
    2024 | Konferenzbeitrag | PUB-ID: 2992095
    Störck, F.; Hinder, F.; Brinkrolf, J.; Paaßen, B.; Vaquet, V.; Hammer, B. (2024): FairGLVQ: Fairness in Partition-Based Classification. In: Thomas Villmann; Marika Kaden; Tina Geweniger; Frank-Michael Schleif (Hrsg.): Proceedings of the 15th International Workshop on Self-Organizing Maps (WSOM 2024). Cham: Springer Nature Switzerland. S. 141-151.
    PUB | DOI | Download (ext.) | WoS
     
  • [535]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993721
    Peters, H.; Djakow, E.; Rostek, T.; Mazur, A.; Trächtler, A.; Homberg, W.; Hammer, B. (2024): Novel approach for data-driven modelling of multi-stage straightening and bending processes. In: Material Forming: ESAFORM 2024. Materials Research Forum LLC. (Materials Research Proceedings, 41). S. 2289-2298.
    PUB | DOI
     
  • [534]
    2024 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2993652
    Shah, Z. H.; Müller, M.; Hübner, W.; Ortkraß, H.; Hammer, B.; Huser, T.; Schenck, W. (2024): Image restoration in frequency space using complex-valued CNNs Frontiers in Artificial Intelligence ,7:1353873
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [533]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993852
    Liuliakov, A.; Schulz, A.; Hermes, L.; Hammer, B. (2024): Noise Robust One-Class Intrusion Detection on Dynamic Graphs. In: ESANN 2024 proceedings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 363-368.
    PUB | DOI
     
  • [532]
    2024 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2991468 OA
    Hinder, F.; Vaquet, V.; Hammer, B. (2024): One or two things we know about concept drift—a survey on monitoring in evolving environments. Part B: locating and explaining concept drift Frontiers in Artificial Intelligence,7
    PUB | PDF | DOI | WoS | PubMed | Europe PMC
     
  • [531]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993744
    Vaquet, V.; Vaquet, J.; Hinder, F.; Malialis, K.; Panayiotou, C.; Polycarpou, M.; Hammer, B. (2024): Self-Supervised Learning from Incrementally Drifting Data Streams. In: ESANN 2024 proceesdings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 431-436.
    PUB | DOI
     
  • [530]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993743
    Hinder, F.; Vaquet, V.; Hammer, B. (2024): On the Fine Structure of Drifting Features. In: ESANN 2024 proceesdings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 63-68.
    PUB | DOI
     
  • [529]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993741
    Brinkrolf, J.; Vaquet, V.; Hinder, F.; Hammer, B. (2024): Causes of Rejects in Prototype-based Classification Aleatoric vs. Epistemic Uncertainty. In: ESANN 2024 proceesdings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 191-196.
    PUB | DOI
     
  • [528]
    2024 | Report | Veröffentlicht | PUB-ID: 2992602 OA
    Hammer, B.; Alaçam, Ö.; Arlinghaus, C. S.; Brinkmann, M.; Dörksen, H.; Hoeken, S.; Jungeblut, T.; Knaup, J.; Leite, D.; Lohweg, V.; Maier, G. W.; Ngonga Ngomo, A. - C.; Othman, A.; Peitz, S.; Platzner, M.; Pütz, O.; Röcker, C.; Röder, M.; Schenck, W.; Schneider, A.; Schwandt, S.; Spliethoff, S.; Straat, M.; Sürmeli, B. G.; Vollmer, A. - L.; Zarrieß, S. (2024): Sustainable Life-Cycle of Intelligent Socio-Technical Systems.
    PUB | Dateien verfügbar | DOI
     
  • [527]
    2024 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2988509
    Hinder, F.; Vaquet, V.; Hammer, B. (2024): A Remark on Concept Drift for Dependent Data. In: Ioanna Miliou; Nico Piatkowski; Panagiotis Papapetrou (Hrsg.): Advances in Intelligent Data Analysis XXII. 22nd International Symposium on Intelligent Data Analysis, IDA 2024, Stockholm, Sweden, April 24–26, 2024, Proceedings, Part I. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 77-89.
    PUB | DOI | WoS
     
  • [526]
    2024 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2992700
    Strotherm, J.; Müller, A.; Hammer, B.; Paaßen, B. (2024): Fairness in KI-Systemen. In: Sabrina Schork (Hrsg.): Vertrauen in Künstliche Intelligenz. Eine multi-perspektivische Betrachtung. Wiesbaden: Springer Fachmedien Wiesbaden. S. 163-183.
    PUB | DOI | arXiv
     
  • [525]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2992337 OA
    Zanutto, D.; Michalopoulos, C.; Chatzistefanou, G. - A.; Vamvakeridou-Lyroudia, L.; Tsiami, L.; Glynis, K.; Samartzis, P.; Hermes, L.; Hinder, F.; Vaquet, J.; Vaquet, V.; Eliades, D.; Polycarpou, M.; Koundouri, P.; Hammer, B.; Savić, D. (2024): A Water Futures Approach on Water Demand Forecasting with Online Ensemble Learning. In: The 3rd International Joint Conference on Water Distribution Systems Analysis & Computing and Control for the Water Industry (WDSA/CCWI 2024). Basel Switzerland: MDPI. S. 60.
    PUB | PDF | DOI
     
  • [524]
    2024 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2991444
    Hinder, F.; Vaquet, V.; Hammer, B. (2024): Feature-based analyses of concept drift Neurocomputing,600:127968
    PUB | DOI | WoS
     
  • [523]
    2024 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2991310 OA
    Hinder, F.; Vaquet, V.; Hammer, B. (2024): One or two things we know about concept drift-a survey on monitoring in evolving environments. Part A: detecting concept drift Frontiers in Artificial Intelligence ,7:1330257
    PUB | PDF | DOI | WoS | PubMed | Europe PMC
     
  • [522]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2987572
    Schroeder, S.; Schulz, A.; Hinder, F.; Hammer, B. (2024): Semantic Properties of Cosine Based Bias Scores for Word Embeddings. In: Proceedings of the 13th International Conference on Pattern Recognition Applications and Methods. Vol. 1. Setúbal, Portugal: SCITEPRESS - Science and Technology Publications. S. 160-168.
    PUB | DOI
     
  • [521]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2987573
    Grimmelsmann, N.; Mechtenberg, M.; Vieth, M.; Schulz, A.; Hammer, B.; Schneider, A. (2024): Predicting the Level of Co-Activation of One Muscle Head from the Other Muscle Head of the Biceps Brachii Muscle by Linear Regression and Shallow Feedforward Neural Networks. In: Proceedings of the 17th International Joint Conference on Biomedical Engineering Systems and Technologies. Setúbal, Portugal: SCITEPRESS - Science and Technology Publications. S. 611-621.
    PUB | DOI
     
  • [520]
    2024 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2988165
    Muschalik, M.; Fumagalli, F.; Hammer, B.; Hüllermeier, E. (2024): Beyond TreeSHAP: Efficient Computation of Any-Order Shapley Interactions for Tree Ensembles Proceedings of the AAAI Conference on Artificial Intelligence,38:(13): 14388-14396.
    PUB | DOI
     
  • [519]
    2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2988098
    Vaquet, V.; Hinder, F.; Hammer, B. (2024): Investigating the Suitability of Concept Drift Detection for Detecting Leakages in Water Distribution Networks. In: Proceedings of the 13th International Conference on Pattern Recognition Applications and Methods ICPRAM. Volume 1. SCITEPRESS - Science and Technology Publications. S. 296-303.
    PUB | DOI
     
  • [518]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2984049
    Ashraf, M. I.; Hermes, L.; Artelt, A.; Hammer, B. (2023): Spatial Graph Convolution Neural Networks for Water Distribution Systems. In: Bruno Crémilleux; Sibylle Hess; Siegfried Nijssen (Hrsg.): Advances in Intelligent Data Analysis XXI. 21st International Symposium on Intelligent Data Analysis, IDA 2023, Louvain-la-Neuve, Belgium, April 12–14, 2023, Proceedings. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 29-41.
    PUB | DOI
     
  • [517]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983942
    Muschalik, M.; Fumagalli, F.; Jagtani, R.; Hammer, B.; Hüllermeier, E. (2023): iPDP: On Partial Dependence Plots in Dynamic Modeling Scenarios. In: Luca Longo (Hrsg.): Explainable Artificial Intelligence. First World Conference, xAI 2023, Lisbon, Portugal, July 26–28, 2023, Proceedings, Part I. Cham: Springer Nature Switzerland. (Communications in Computer and Information Science, ). S. 177-194.
    PUB | DOI | WoS
     
  • [516]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983795
    Kuhl, U.; Artelt, A.; Hammer, B. (2023): For Better or Worse: The Impact of Counterfactual Explanations’ Directionality on User Behavior in xAI. In: Luca Longo (Hrsg.): Explainable Artificial Intelligence. First World Conference, xAI 2023, Lisbon, Portugal, July 26–28, 2023, Proceedings, Part III. Cham: Springer Nature Switzerland. (Communications in Computer and Information Science, ). S. 280-300.
    PUB | DOI | WoS
     
  • [515]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2987580
    Fumagalli, F.; Muschalik, M.; Kolpaczki, P.; Hüllermeier, E.; Hammer, B. (2023): SHAP-IQ: Unified Approximation of any-order Shapley Interactions. In: Advances in Neural Information Processing Systems 36 (NeurIPS 2023). (Advances in Neural Information Processing Systems, ).
    PUB | Download (ext.) | WoS | arXiv
     
  • [514]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2980429 OA
    Kummert, J.; Schulz, A.; Hammer, B. (2023): Metric Learning with Self-Adjusting Memory for Explaining Feature Drift SN Computer Science,4:(4):376
    PUB | PDF | DOI
     
  • [513]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2979703
    Liuliakov, A.; Hermes, L.; Hammer, B. (2023): AutoML technologies for the identification of sparse classification and outlier detection models Applied Soft Computing,133:109942
    PUB | DOI | WoS
     
  • [512]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2979026
    Jakob, J.; Artelt, A.; Hasenjäger, M.; Hammer, B. (2023): Interpretable SAM-kNN Regressor for Incremental Learning on High-Dimensional Data Streams Applied Artificial Intelligence,37:(1):2198846
    PUB | DOI | WoS
     
  • [511]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2985684
    Kummert, J.; Schulz, A.; Feldhans, R.; Habigt, M.; Stemmler, M.; Kohler, C.; Abel, D.; Rossaint, R.; Hammer, B. (2023): Generating Cardiovascular Data to Improve Training of Assistive Heart Devices. In: 2023 IEEE Symposium Series on Computational Intelligence (SSCI). IEEE. S. 1292-1297.
    PUB | DOI
     
  • [510]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2969734 OA
    Kuhl, U.; Artelt, A.; Hammer, B. (2023): Let's go to the Alien Zoo: Introducing an experimental framework to study usability of counterfactual explanations for machine learning Frontiers in Computer Science,5:1087929
    PUB | PDF | DOI | Download (ext.) | WoS | arXiv
     
  • [509]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2985683
    Feldhans, R.; Schulz, A.; Kummert, J.; Habigt, M.; Stemmler, M.; Kohler, C.; Abel, D.; Rossaint, R.; Hammer, B. (2023): Data Augmentation for Cardiovascular Time Series Data Using WaveNet. In: 2023 IEEE Symposium Series on Computational Intelligence (SSCI). IEEE. S. 836-841.
    PUB | DOI
     
  • [508]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2980971
    Strotherm, J.; Hammer, B. (2023): Fairness-Enhancing Ensemble Classification in Water Distribution Networks.
    PUB | DOI | Download (ext.)
     
  • [507]
    2023 | Konferenzbeitrag | Angenommen | PUB-ID: 2982899 OA
    Vaquet, V.; Brinkrolf, J.; Hammer, B. (Accepted): Robust Feature Selection and Robust Training to Cope with Hyperspectral Sensor Shifts.
    PUB | PDF
     
  • [506]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2977934
    Hinder, F.; Vaquet, V.; Brinkrolf, J.; Hammer, B. (2023): On the Change of Decision Boundary and Loss in Learning with Concept Drift. In: Bruno Crémilleux; Sibylle Hess; Siegfried Nijssen (Hrsg.): Advances in Intelligent Data Analysis XXI. 21st International Symposium on Intelligent Data Analysis, IDA 2023, Louvain-la-Neuve, Belgium, April 12–14, 2023, Proceedings. Cham: Springer . (Lecture Notes in Computer Science, 13876). S. 182-194.
    PUB | DOI
     
  • [505]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982167
    Hinder, F.; Vaquet, V.; Brinkrolf, J.; Hammer, B. (2023): On the Hardness and Necessity of Supervised Concept Drift Detection. In: Maria De Marsico; Gabriella Sanniti di Baja; Ana Fred (Hrsg.): Proceedings of the 12th International Conference on Pattern Recognition Applications and Methods ICPRAM. Vol. 1. Setúbal: SCITEPRESS - Science and Technology Publications. S. 164-175.
    PUB | DOI
     
  • [504]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969381
    Schroeder, S.; Schulz, A.; Kenneweg, P.; Hammer, B. (2023): So Can We Use Intrinsic Bias Measures or Not? In: Proceedings of the 12th International Conference on Pattern Recognition Applications and Methods. Setúbal, Portugal: SCITEPRESS - Science and Technology Publications. S. 403-410.
    PUB | DOI
     
  • [503]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969382
    Kenneweg, P.; Schroeder, S.; Schulz, A.; Hammer, B. (2023): Debiasing Sentence Embedders Through Contrastive Word Pairs. In: Proceedings of the 12th International Conference on Pattern Recognition Applications and Methods. Setúbal, Portugal: SCITEPRESS - Science and Technology Publications. S. 205-212.
    PUB | DOI
     
  • [502]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969383
    Artelt, A.; Schulz, A.; Hammer, B. (2023): "Why Here and not There?": Diverse Contrasting Explanations of Dimensionality Reduction. In: Proceedings of the 12th International Conference on Pattern Recognition Applications and Methods. Setúbal, Portugal: SCITEPRESS - Science and Technology Publications. S. 27-38.
    PUB | DOI | arXiv
     
  • [501]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2983756
    Fumagalli, F.; Muschalik, M.; Hüllermeier, E.; Hammer, B. (2023): On Feature Removal for Explainability in Dynamic Environments. In: ESANN 2023 proceedings. S. 83-88.
    PUB | DOI
     
  • [500]
    2023 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2983727
    Fumagalli, F.; Muschalik, M.; Hüllermeier, E.; Hammer, B. (2023): Incremental permutation feature importance (iPFI): towards online explanations on data streams Machine Learning
    PUB | DOI | WoS
     
  • [499]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983250
    Vieth, M.; Schulz, A.; Hammer, B. (2023): Extending Drift Detection Methods to Identify When Exactly the Change Happened. In: Ignacio Rojas; Gonzalo Joya; Andreu Catala (Hrsg.): Advances in Computational Intelligence. 17th International Work-Conference on Artificial Neural Networks, IWANN 2023, Ponta Delgada, Portugal, June 19–21, 2023, Proceedings, Part I. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 92-104.
    PUB | DOI
     
  • [498]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983455
    Liuliakov, A.; Schulz, A.; Hermes, L.; Hammer, B. (2023): One-Class Intrusion Detection with Dynamic Graphs. In: Lazaros Iliadis; Antonios Papaleonidas; Plamen Angelov; Chrisina Jayne (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2023. 32nd International Conference on Artificial Neural Networks, Heraklion, Crete, Greece, September 26–29, 2023, Proceedings, Part IV. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 537-549.
    PUB | DOI
     
  • [497]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983943
    Muschalik, M.; Fumagalli, F.; Hammer, B.; Hüllermeier, E. (2023): iSAGE: An Incremental Version of SAGE for Online Explanation on Data Streams. In: Danai Koutra; Claudia Plant; Manuel Gomez Rodriguez; Elena Baralis; Francesco Bonchi (Hrsg.): Machine Learning and Knowledge Discovery in Databases: Research Track. European Conference, ECML PKDD 2023, Turin, Italy, September 18–22, 2023, Proceedings, Part III. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 428-445.
    PUB | DOI
     
  • [496]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2981289
    Hinder, F.; Vaquet, V.; Brinkrolf, J.; Hammer, B. (2023): Model-based explanations of concept drift Neurocomputing,126640
    PUB | DOI | Download (ext.) | WoS
     
  • [495]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2985571
    Artelt, A.; Malialis, K.; Panayiotou, C. G.; Polycarpou, M. M.; Hammer, B. (2023): Unsupervised Unlearning of Concept Drift with Autoencoders. In: 2023 IEEE Symposium Series on Computational Intelligence (SSCI). IEEE. S. 703-710.
    PUB | DOI
     
  • [494]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982830
    Hinder, F.; Hammer, B. (2023): Feature Selection for Concept Drift Detection. In: Michel Verleysen (Hrsg.): ESANN 2023 Proceedings.
    PUB
     
  • [493]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2983759
    Koundouri, P.; Hammer, B.; Kuhl, U.; Velias, A. (2023): Behavioral Economics and Neuroeconomics of Environmental Values Annual Review of Resource Economics,15:(1): 153-176.
    PUB | DOI | Download (ext.) | WoS
     
  • [492]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2984048
    Schulte-Schüren, C.; Wagner, S.; Runge, A.; Bariamis, D.; Hammer, B.; Yoneki, E.; Nardi, L. (2023): Best of both, Structured and Unstructured Sparsity in Neural Networks. In: Proceedings of the 3rd Workshop on Machine Learning and Systems. New York, NY, USA: ACM. S. 104-108.
    PUB | DOI
     
  • [491]
    2023 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2984047
    Kenneweg, P.; Galli, L.; Kenneweg, T.; Hammer, B. (2023): Faster Convergence for Transformer Fine-tuning with Line Search Methods. In: 2023 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1-8.
    PUB | DOI
     
  • [490]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2983728
    Artelt, A.; Visser, R.; Hammer, B. (2023): "I do not know! but why?"- Local model-agnostic example-based explanations of reject Neurocomputing,558:126722
    PUB | DOI | WoS
     
  • [489]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983457
    Schroeder, S.; Schulz, A.; Tarakanov, I.; Feldhans, R.; Hammer, B. (2023): Measuring Fairness with Biased Data: A Case Study on the Effects of Unsupervised Data in Fairness Evaluation. In: Ignacio Rojas; Gonzalo Joya; Andreu Catala (Hrsg.): Advances in Computational Intelligence. 17th International Work-Conference on Artificial Neural Networks, IWANN 2023, Ponta Delgada, Portugal, June 19–21, 2023, Proceedings, Part I. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 134-145.
    PUB | DOI
     
  • [488]
    2023 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2983406
    Stahlhofen, P.; Artelt, A.; Hermes, L.; Hammer, B. (2023): Adversarial Attacks on Leakage Detectors in Water Distribution Networks. In: Ignacio Rojas; Gonzalo Joya; Andreu Catala (Hrsg.): Advances in Computational Intelligence. 17th International Work-Conference on Artificial Neural Networks, IWANN 2023, Ponta Delgada, Portugal, June 19–21, 2023, Proceedings, Part II. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 451-463.
    PUB | DOI | Preprint
     
  • [487]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2978162 OA
    Stallmann, D.; Hammer, B. (2023): Unsupervised Cyclic Siamese Networks Automating Cell Imagery Analysis Algorithms,16:(4):205
    PUB | PDF | DOI | WoS
     
  • [486]
    2023 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2968921
    Schilling, M.; Hammer, B.; Ohl, F. W.; Ritter, H.; Wiskott, L. (2023): Modularity in Nervous Systems-a Key to Efficient Adaptivity for Deep Reinforcement Learning Cognitive Computation
    PUB | DOI | WoS
     
  • [485]
    2022 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2962746 OA
    Artelt, A.; Hinder, F.; Vaquet, V.; Feldhans, R.; Hammer, B. (2022): Contrasting Explanations for Understanding and Regularizing Model Adaptations Neural Processing Letters,55: 5273–5297.
    PUB | PDF | DOI | Download (ext.) | WoS
     
  • [484]
    2022 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2967683 OA
    Kenneweg, P.; Stallmann, D.; Hammer, B. (2022): Novel transfer learning schemes based on Siamese networks and synthetic data Neural Computing and Applications,35: 8423–8436.
    PUB | PDF | DOI | Download (ext.) | WoS | PubMed | Europe PMC
     
  • [483]
    2022 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982135
    Jakob, J.; Hasenjäger, M.; Hammer, B. (2022): Reject Options for Incremental Regression Scenarios. In: Elias Pimenidis; Plamen Angelov; Chrisina Jayne; Antonios Papaleonidas; Mehmet Aydin (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2022. 31st International Conference on Artificial Neural Networks, Bristol, UK, September 6–9, 2022, Proceedings; Part IV. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, ). S. 248-259.
    PUB | DOI
     
  • [482]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969736
    Kuhl, U.; Artelt, A.; Hammer, B. (2022): Keep Your Friends Close and Your Counterfactuals Closer: Improved Learning From Closest Rather Than Plausible Counterfactual Explanations in an Abstract Setting. In: 2022 ACM Conference on Fairness, Accountability, and Transparency. New York, NY, USA: ACM. S. 2125-2137.
    PUB | DOI | Download (ext.)
     
  • [481]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969235
    Castellani, A.; Schmitt, S.; Hammer, B. (2022): Stream-Based Active Learning with Verification Latency in Non-stationary Environments. In: Elias Pimenidis; Plamen Angelov; Chrisina Jayne; Antonios Papaleonidas; Mehmet Aydin (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2022. 31st International Conference on Artificial Neural Networks, Bristol, UK, September 6–9, 2022, Proceedings; Part IV. Cham: Springer Nature Switzerland. (Lecture Notes in Computer Science, 13532). S. 260-272.
    PUB | DOI | Download (ext.)
     
  • [480]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969461
    Artelt, A.; Hammer, B. (2022): “Even if …” – Diverse Semifactual Explanations of Reject. In: Hisao Ishibuchi (Hrsg.): 2022 IEEE Symposium Series on Computational Intelligence (SSCI). Piscataway, NJ: IEEE. S. 854-859.
    PUB | DOI
     
  • [479]
    2022 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2967296
    Velioglu, R.; Göpfert, J. P.; Artelt, A.; Hammer, B. (2022): Explainable Artificial Intelligence for Improved Modeling of Processes. In: Hujun Yin; David Camacho; Peter Tino (Hrsg.): Intelligent Data Engineering and Automated Learning – IDEAL 2022. 23rd International Conference, IDEAL 2022, Manchester, UK, November 24–26, 2022, Proceedings. Cham: Springer International Publishing. (Lecture Notes in Computer Science, 13756). S. 313-325.
    PUB | DOI
     
  • [478]
    2022 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2969459
    Jakob, J.; Artelt, A.; Hasenjäger, M.; Hammer, B. (2022): SAM-kNN Regressor for Online Learning in Water Distribution Networks. In: Elias Pimenidis; Plamen Angelov; Chrisina Jayne; Antonios Papaleonidas; Mehmet Aydin (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2022. 31st International Conference on Artificial Neural Networks, Bristol, UK, September 6–9, 2022, Proceedings, Part III. Cham: Springer Nature . (Lecture Notes in Computer Science, 13531). S. 752-762.
    PUB | DOI
     
  • [477]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969460
    Artelt, A.; Brinkrolf, J.; Visser, R.; Hammer, B. (2022): Explaining Reject Options of Learning Vector Quantization Classifiers. In: Proceedings of the 14th International Joint Conference on Computational Intelligence. SCITEPRESS - Science and Technology Publications. S. 249-261.
    PUB | DOI
     
  • [476]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2966088
    Hinder, F.; Vaquet, V.; Brinkrolf, J.; Artelt, A.; Hammer, B. (2022): Localization of Concept Drift: Identifying the Drifting Datapoints. In: 2022 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1-9.
    PUB | DOI | Download (ext.)
     
  • [475]
    2022 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2967410
    Vieth, M.; Grimmelsmann, N.; Schneider, A.; Hammer, B. (2022): Efficient Sensor Selection for Individualized Prediction Based on Biosignals. In: Hujun Yin; David Camacho; Peter Tino (Hrsg.): Intelligent Data Engineering and Automated Learning – IDEAL 2022. 23rd International Conference, IDEAL 2022, Manchester, UK, November 24–26, 2022, Proceedings. Cham: Springer International Publishing. (Lecture Notes in Computer Science, 13756). S. 326-337.
    PUB | DOI | Download (ext.)
     
  • [474]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2966600
    Kenneweg, P.; Schroeder, S.; Hammer, B. (2022): Neural Architecture Search for Sentence Classification with BERT. In: ESANN 2022 proceedings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 417-422.
    PUB | DOI
     
  • [473]
    2022 | Konferenzbeitrag | Angenommen | PUB-ID: 2964534
    Vaquet, V.; Hinder, F.; Brinkrolf, J.; Menz, P.; Seiffert, U.; Hammer, B. (Accepted): Federated learning vector quantization for dealing with drift between nodes.
    PUB
     
  • [472]
    2022 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2964421
    Muschalik, M.; Fumagalli, F.; Hammer, B.; Hüllermeier, E. (2022): Agnostic Explanation of Model Change based on Feature Importance KI - Künstliche Intelligenz
    PUB | DOI | Download (ext.) | WoS
     
  • [471]
    2022 | Report | Veröffentlicht | PUB-ID: 2965286
    Artelt, A.; Geminn, C.; Hammer, B.; Manzeschke, A.; Mavrina, L.; Weber, C. (2022): Faire Algorithmen und die Fairness von Erklärungen: Informatische, rechtliche und ethische Perspektiven. DuEPublico: Duisburg-Essen Publications online, University of Duisburg-Essen, Germany.
    PUB | DOI | Download (ext.)
     
  • [470]
    2022 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2962928
    Vaquet, V.; Menz, P.; Seiffert, U.; Hammer, B. (2022): Investigating Intensity and Transversal Drift in Hyperspectral Imaging Data Neurocomputing
    PUB | DOI | WoS
     
  • [469]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2962650 OA
    Vaquet, V.; Artelt, A.; Brinkrolf, J.; Hammer, B. (2022): Taking care of our drinking water: Dealing with Sensor Faults in Water Distribution Networks.
    PUB | PDF
     
  • [468]
    2022 | Kurzbeitrag Konferenz / Poster | PUB-ID: 2962861
    Hinder, F.; Vaquet, V.; Brinkrolf, J.; Artelt, A.; Hammer, B. (2022): Localization of Concept Drift: Identifying the Drifting Datapoints.
    PUB
     
  • [467]
    2022 | Preprint | PUB-ID: 2962919 OA
    Artelt, A.; Vrachimis, S.; Eliades, D.; Polycarpou, M.; Hammer, B. (2022): One Explanation to Rule them All — Ensemble Consistent Explanations ArXiv:2205.08974
    PUB | PDF | Download (ext.) | arXiv
     
  • [466]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2967096
    Kenneweg, P.; Schulz, A.; Schroeder, S.; Hammer, B. (2022): Intelligent Learning Rate Distribution to Reduce Catastrophic Forgetting in Transformers. In: Hujun Yin; David Camacho; Peter Tino (Hrsg.): Intelligent Data Engineering and Automated Learning – IDEAL 2022. 23rd International Conference, IDEAL 2022, Manchester, UK, November 24–26, 2022, Proceedings. Cham: Springer International Publishing. (Lecture Notes in Computer Science, 13756). S. 252-261.
    PUB | DOI
     
  • [465]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2987492
    Savic, D.; Hammer, B.; Koundouri, P.; Polycarpou, M. (2022): Long-Term Transitioning of Water Distribution Systems: ERC Water-Futures Project. In: Proceedings - 2nd International Join Conference on Water Distribution System Analysis (WDSA)& Computing and Control in the Water Industry (CCWI). València: Editorial Universitat Politècnica de València.
    PUB | DOI
     
  • [464]
    2022 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2984050
    Hinder, F.; Vaquet, V.; Hammer, B. (2022): Suitability of Different Metric Choices for Concept Drift Detection. In: Tassadit Bouadi; Elisa Fromont; Eyke Hüllermeier (Hrsg.): Advances in Intelligent Data Analysis XX. 20th International Symposium on Intelligent Data Analysis, IDA 2022, Rennes, France, April 20–22, 2022, Proceedings. Cham: Springer International Publishing. (Lecture Notes in Computer Science, ). S. 157-170.
    PUB | DOI
     
  • [463]
    2022 | Zeitschriftenaufsatz | PUB-ID: 2978998
    Paaßen, B.; Schulz, A.; C. Stewart, T.; Hammer, B. (2022): Reservoir Memory Machines as Neural Computers IEEE Transactions on Neural Networks and Learning Systems,33:(6): 2575–2585.
    PUB | DOI | Download (ext.) | arXiv
     
  • [462]
    2022 | Report | Veröffentlicht | PUB-ID: 2965622 OA
    Hammer, B.; Hüllermeier, E.; Lohweg, V.; Schneider, A.; Schenck, W.; Kuhl, U.; Braun, M.; Pfeifer, A.; Holst, C. - A.; Schmidt, M.; Schomaker , G.; Tornede, T. (2022): Schlussbericht ITS.ML: Intelligente Technische Systeme der nächsten Generation durch Maschinelles Lernen. Forschungsvorhaben zur automatisierten Analyse von Daten mittels Maschinellen Lernens. Bielefeld: Univ. Bielefeld, Forschungsinstitut für Kognition und Robotik.
    PUB | PDF | DOI
     
  • [461]
    2022 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2964829
    Langnickel, L.; Schulz, A.; Hammer, B.; Fluck, J. (2022): BERT WEAVER: Using WEight AVERaging to Enable Lifelong Learning for Transformer-based Models arXiv
    PUB | DOI | arXiv
     
  • [460]
    2022 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2961873
    Göpfert, J. P.; Wersing, H.; Hammer, B. (2022): Interpretable locally adaptive nearest neighbors Neurocomputing,470: 344-351.
    PUB | DOI | WoS
     
  • [459]
    2021 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2958662
    Schilling, M.; Melnik, A.; Ohl, F. W.; Ritter, H.; Hammer, B. (2021): Decentralized control and local information for robust and adaptive decentralized Deep Reinforcement Learning Neural Networks,144: 699-725.
    PUB | DOI | Download (ext.) | WoS | PubMed | Europe PMC
     
  • [458]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982134
    Castellani, A.; Schmitt, S.; Hammer, B. (2021): Task-Sensitive Concept Drift Detector with Constraint Embedding. In: 2021 IEEE Symposium Series on Computational Intelligence (SSCI). IEEE. S. 01-08.
    PUB | DOI
     
  • [457]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982136
    Jakob, J.; Hasenjäger, M.; Hammer, B. (2021): On the suitability of incremental learning for regression tasks in exoskeleton control. In: 2021 IEEE Symposium Series on Computational Intelligence (SSCI). IEEE. S. 1-8.
    PUB | DOI
     
  • [456]
    2021 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982165
    Liuliakov, A.; Hammer, B. (2021): AutoML Technologies for the Identification of Sparse Models. In: Hujun Yin; David Camacho; Peter Tino; Richard Allmendinger; Antonio J. Tallón-Ballesteros; Ke Tang; Sung-Bae Cho; Paulo Novais; Susana Nascimento (Hrsg.): Intelligent Data Engineering and Automated Learning – IDEAL 2021. 22nd International Conference, IDEAL 2021, Manchester, UK, November 25–27, 2021, Proceedings. Cham: Springer . (Lecture Notes in Computer Science, 13113). S. 65-75.
    PUB | DOI
     
  • [455]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969237
    Castellani, A.; Schmitt, S.; Hammer, B. (2021): Estimating the Electrical Power Output of Industrial Devices with End-to-End Time-Series Classification in the Presence of Label Noise. In: Nuria Oliver; Fernando Pérez-Cruz; Stefan Kramer; Jesse Read; Jose A. Lozano (Hrsg.): Machine Learning and Knowledge Discovery in Databases. Research Track. European Conference, ECML PKDD 2021, Bilbao, Spain, September 13–17, 2021, Proceedings, Part I. Cham: Springer International Publishing. (Lecture Notes in Computer Science, 12975). S. 469-484.
    PUB | DOI | Download (ext.)
     
  • [454]
    2021 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2957340
    Artelt, A.; Hammer, B. (2021): Efficient computation of counterfactual explanations and counterfactual metrics of prototype-based classifiers Neurocomputing,470:(VSI: ESANN 2020): 304-317.
    PUB | DOI | Download (ext.) | WoS
     
  • [453]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2957373
    Artelt, A.; Hinder, F.; Vaquet, V.; Feldhans, R.; Hammer, B. (2021): Contrastive Explanations for Explaining Model Adaptations. In: Ignacio Rojas; Gonzalo Joya; Andreu Catala (Hrsg.): Advances in Computational Intelligence. 16th International Work-Conference on Artificial Neural Networks, IWANN 2021, Virtual Event, June 16–18, 2021, Proceedings, Part I. Cham: Springer . (Lecture Notes in Computer Science, ). S. 101-112.
    PUB | DOI
     
  • [452]
    2021 | Preprint | PUB-ID: 2959899
    Artelt, A.; Hammer, B. (2021): Convex optimization for actionable & plausible counterfactual explanations arXiv: 2105.07630v1
    PUB | Download (ext.) | arXiv
     
  • [451]
    2021 | Konferenzbeitrag | PUB-ID: 2959428
    Hinder, F.; Vaquet, V.; Brinkrolf, J.; Hammer, B. (2021): Fast Non-Parametric Conditional Density Estimation using Moment Trees IEEE Computational Intelligence Magazine
    PUB
     
  • [450]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2960754
    Hinder, F.; Brinkrolf, J.; Vaquet, V.; Hammer, B. (2021): A Shape-Based Method for Concept Drift Detection and Signal Denoising. In: 2021 IEEE Symposium Series on Computational Intelligence (SSCI) Proceedings. Piscataway, NJ: IEEE. S. 01-08.
    PUB | DOI
     
  • [449]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2960755
    Hinder, F.; Vaquet, V.; Brinkrolf, J.; Hammer, B. (2021): Fast Non-Parametric Conditional Density Estimation using Moment Trees. In: 2021 IEEE Symposium Series on Computational Intelligence (SSCI) Proceedings. Piscataway, NJ: IEEE. S. 1-7.
    PUB | DOI
     
  • [448]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2960685
    Vaquet, V.; Menz, P.; Seiffert, U.; Hammer, B. (2021): Investigating Intensity and Transversal Drift in Hyperspectral Imaging Data. In: Michel Verleysen (Hrsg.): ESANN 2021 proceedings. Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. S. 47-52.
    PUB | DOI
     
  • [447]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2960687
    Vaquet, V.; Hinder, F.; Vaquet, J.; Brinkrolf, J.; Hammer, B. (2021): Online Learning on Non-Stationary Data Streams for Image Recognition using Deep Embeddings, In: IEEE (Hrsg.), IEEE Symposium Series on Computational Intelligence, 1-7.
    PUB | DOI
     
  • [446]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2962747
    Artelt, A.; Vaquet, V.; Velioglu, R.; Hinder, F.; Brinkrolf, J.; Schilling, M.; Hammer, B. (2021): Evaluating Robustness of Counterfactual Explanations. In: 2021 IEEE Symposium Series on Computational Intelligence (SSCI). Piscataway, NJ: IEEE. S. 01-09.
    PUB | DOI
     
  • [445]
    2021 | Report | Veröffentlicht | PUB-ID: 2954239
    Szczuka, J.; Artelt, A.; Geminn, C.; Hammer, B.; Kopp, S.; Manzeschke, A.; Rossnagel, A.; Slawik, P.; Strathmann, C.; Szymczyk, N.; Varonina, L.; Weber, C. (2021): Können Kinder aufgeklärte Nutzer* innen von Sprachassistenten sein? Rechtliche, psychologische, ethische und informatische Perspektiven. Essen: Universität Duisburg-Essen, Universitätsbibliothek.
    PUB | DOI
     
  • [444]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2957588
    Artelt, A.; Hammer, B. (2021): Efficient computation of contrastive explanations. In: 2021 International Joint Conference on Neural Networks (IJCNN). New York: Institute of Electrical and Electronics Engineers (IEEE). S. 1-9.
    PUB | DOI | Download (ext.)
     
  • [443]
    2021 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2949334 OA
    Rohlfing, K.; Cimiano, P.; Scharlau, I.; Matzner, T.; Buhl, H. M.; Buschmeier, H.; Esposito, E.; Grimminger, A.; Hammer, B.; Häb-Umbach, R.; Horwath, I.; Hüllermeier, E.; Kern, F.; Kopp, S.; Thommes, K.; Ngonga Ngomo, A. - C.; Schulte, C.; Wachsmuth, H.; Wagner, P.; Wrede, B. (2021): Explanation as a social practice: Toward a conceptual framework for the social design of AI systems IEEE Transactions on Cognitive and Developmental Systems,13:(3): 717--728.
    PUB | PDF | DOI | WoS
     
  • [442]
    2021 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2954542
    Paaßen, B.; Schulz, A.; Hammer, B. (2021): Reservoir Stack Machines Neurocomputing,470: 352-364.
    PUB | DOI | Download (ext.) | WoS | arXiv
     
  • [441]
    2021 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2959418
    Göpfert, J. P.; Kuhl, U.; Hindemith, L.; Wersing, H.; Hammer, B. (2021): Intuitiveness in Active Teaching IEEE Transactions on Human-Machine Systems, 1-10.
    PUB | DOI | WoS
     
  • [440]
    2021 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2956229
    Paassen, B.; Schulz, A.; Stewart, T. C.; Hammer, B. (2021): Reservoir Memory Machines as Neural Computers IEEE Transactions on Neural Networks and Learning Systems, 1-11.
    PUB | DOI | Download (ext.) | WoS | PubMed | Europe PMC | arXiv
     
  • [439]
    2021 | Zeitschriftenaufsatz | Angenommen | PUB-ID: 2955245
    Stallmann, D.; Göpfert, J. P.; Schmitz, J.; Grünberger, A.; Hammer, B. (Accepted): Towards an automatic analysis of CHO-K1 suspension growth in microfluidic single-cell cultivation Bioinformatics
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [438]
    2021 | Konferenzbeitrag | PUB-ID: 2958664
    Hermes, L.; Hammer, B.; Schilling, M. (2021): Application of Graph Convolutions in a Lightweight Model for Skeletal Human Motion Forecasting. In: ESANN 2021 proceedings, European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. . S. 111-116.
    PUB | arXiv
     
  • [437]
    2021 | Konferenzbeitrag | Angenommen | PUB-ID: 2956774
    Hinder, F.; Hammer, B. (Accepted): Concept Drift Segmentation via Kolmogorov Trees. In: Michel Verleysen (Hrsg.): Proceedings of the ESANN, 29th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning.
    PUB
     
  • [436]
    2021 | Konferenzbeitrag | Angenommen | PUB-ID: 2955948
    Brinkrolf, J.; Hammer, B. (Accepted): Federated Learning Vector Quantization. In: Michel Verleysen (Hrsg.): Proceedings of the ESANN, 29th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning.
    PUB
     
  • [435]
    2021 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2952937 OA
    Kummert, J.; Schulz, A.; Redick, T.; Ayoub, N.; Modabber, A.; Abel, D.; Hammer, B. (2021): Efficient Reject Options for Particle Filter Object Tracking in Medical Applications Sensors,21:(6):2114
    PUB | PDF | DOI | WoS | PubMed | Europe PMC
     
  • [434]
    2021 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2955115
    Straat, M.; Abadi, F.; Kan, Z.; Göpfert, C.; Hammer, B.; Biehl, M. (2021): Supervised learning in the presence of concept drift: a modelling framework Neural Computing and Applications
    PUB | DOI | WoS
     
  • [433]
    2020 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2958328
    Vaquet, V.; Hammer, B. (2020): Balanced SAM-kNN: Online Learning with Heterogeneous Drift and Imbalanced Data. In: Igor Farkaš; Paolo Masulli; Stefan Wermter (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2020. 29th International Conference on Artificial Neural Networks, Bratislava, Slovakia, September 15–18, 2020, Proceedings, Part II. Cham: Springer. (Lecture Notes in Computer Science, 12397). S. 850-862.
    PUB | DOI
     
  • [432]
    2020 | Konferenzbeitrag | PUB-ID: 2946488
    Hinder, F.; Artelt, A.; Hammer, B. (2020): Towards non-parametric drift detection via Dynamic Adapting Window Independence Drift Detection (DAWIDD). In: Proceedings of the 37th International Conference on Machine Learning.
    PUB | Download (ext.)
     
  • [431]
    2020 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2946685
    Artelt, A.; Hammer, B. (2020): Efficient computation of counterfactual explanations of LVQ models. In: Michel Verleysen (Hrsg.): ESANN 2020 - proceedings. Louvain-la-Neuve: Ciaco . S. 19-24.
    PUB | Download (ext.)
     
  • [430]
    2020 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2946761
    Artelt, A.; Hammer, B. (2020): Convex Density Constraints for Computing Plausible Counterfactual Explanations. In: Igor Farkas; Paolo Masulli; Stefan Wermter (Hrsg.): Artificial Neural Networks and Machine Learning - ICANN 2020 - 29th International Conference on Artificial Neural Networks, Bratislava, Slovakia, September 15-18, 2020, Proceedings, Part {I}. Cham: Springer. (Lecture Notes in Computer Science, 12396). S. 353-365.
    PUB | DOI | Download (ext.)
     
  • [429]
    2020 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2957814
    Krämer, N.; Szczuka, J.; Rossnagel, A.; Geminn, C.; Kopp, S.; Hammer, B.; Mavrina, L.; Artelt, A.; Manzeschke, A.; Weber, C. (2020): Improving and Evaluating Conversational User Interfaces for Children. In: IUI '20: Proceedings of the 25th International Conference on Intelligent User Interfaces. New York: Association for Computing Machinery.
    PUB
     
  • [428]
    2020 | Konferenzbeitrag | PUB-ID: 2943260
    Schulz, A.; Hinder, F.; Hammer, B. (2020): DeepView: Visualizing Classification Boundaries of Deep Neural Networks as Scatter Plots Using Discriminative Dimensionality Reduction. In: Proceedings of the Twenty-Ninth International Joint Conference on Artificial Intelligence, {IJCAI-20}.
    PUB | DOI | Download (ext.) | arXiv
     
  • [427]
    2020 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982081
    Biehl, M.; Abadi, F.; Göpfert, C.; Hammer, B. (2020): Prototype-Based Classifiers in the Presence of Concept Drift: A Modelling Framework. In: Alfredo Vellido; Karina Gibert; Cecilio Angulo; José David Martín Guerrero (Hrsg.): Advances in Self-Organizing Maps, Learning Vector Quantization, Clustering and Data Visualization. Proceedings of the 13th International Workshop, WSOM+ 2019, Barcelona, Spain, June 26-28, 2019. Cham: Springer International Publishing. (Advances in Intelligent Systems and Computing, ). S. 210-221.
    PUB | DOI
     
  • [426]
    2020 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2940666
    Brinkrolf, J.; Hammer, B. (2020): Sparse Metric Learning in Prototype-based Classification. In: Michel Verleysen (Hrsg.): Proceedings of the ESANN, 28th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. S. 375-380.
    PUB
     
  • [425]
    2020 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2939517
    Pfannschmidt, L.; Jakob, J.; Hinder, F.; Biehl, M.; Tino, P.; Hammer, B. (2020): Feature Relevance Determination for Ordinal Regression in the Context of Feature Redundancies and Privileged Information Neurocomputing
    PUB | DOI | Download (ext.) | WoS | arXiv
     
  • [424]
    2020 | Report | Veröffentlicht | PUB-ID: 2946614 OA
    Hammer, B.; van der Aalst, W.; Bauckhage, C.; Behnke, S.; Holz, T.; Krämer, N.; Morik, K.; Ngonga Ngomo, A. - C. (2020): Sustainability and Trust for Artificial Intelligence Technologies.
    PUB | PDF | DOI
     
  • [423]
    2020 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2942892
    Iliadis, L. S.; Kurkova, V.; Hammer, B. (2020): Brain-inspired computing and machine learning NEURAL COMPUTING & APPLICATIONS
    PUB | DOI | WoS
     
  • [422]
    2020 | Preprint | Entwurf | PUB-ID: 2942271 OA
    Pfannschmidt, L.; Hammer, B. (Draft): Sequential Feature Classification in the Context of Redundancies
    PUB | PDF | arXiv
     
  • [421]
    2019 | Preprint | PUB-ID: 2959898
    Artelt, A.; Hammer, B. (2019): On the computation of counterfactual explanations - A survey arXiv: 1911.07749v1
    PUB | Download (ext.) | arXiv
     
  • [420]
    2019 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982085
    Göpfert, J. P.; Wersing, H.; Hammer, B. (2019): Recovering Localized Adversarial Attacks. In: Igor V. Tetko; Věra Kůrková; Pavel Karpov; Fabian Theis (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2019: Theoretical Neural Computation. 28th International Conference on Artificial Neural Networks, Munich, Germany, September 17–19, 2019, Proceedings, Part I. Cham: Springer International Publishing. (Lecture Notes in Computer Science, ). S. 302-311.
    PUB | DOI
     
  • [419]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982084
    Losing, V.; Yoshikawa, T.; Hasenjaeger, M.; Hammer, B.; Wersing, H. (2019): Personalized Online Learning of Whole-Body Motion Classes using Multiple Inertial Measurement Units. In: 2019 International Conference on Robotics and Automation (ICRA). IEEE. S. 9530-9536.
    PUB | DOI
     
  • [418]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982082
    Hosseini, B.; Hammer, B. (2019): Large-Margin Multiple Kernel Learning for Discriminative Features Selection and Representation Learning. In: 2019 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1-8.
    PUB | DOI
     
  • [417]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982083
    Li, P.; Niggemann, O.; Hammer, B. (2019): On the Identification of Decision Boundaries for Anomaly Detection in CPPS. In: 2019 IEEE International Conference on Industrial Technology (ICIT). IEEE. S. 1311-1316.
    PUB | DOI
     
  • [416]
    2019 | Monographie | PUB-ID: 2935200 OA
    Paaßen, B.; Artelt, A.; Hammer, B. (2019): Lecture Notes on Applied Optimization. Faculty of Technology, Bielefeld University.
    PUB | Dateien verfügbar
     
  • [415]
    2019 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2934458 OA
    Prahm, C.; Schulz, A.; Paaßen, B.; Schoisswohl, J.; Kaniusas, E.; Dorffner, G.; Hammer, B.; Aszmann, O. (2019): Counteracting Electrode Shifts in Upper-Limb Prosthesis Control via Transfer Learning IEEE Transactions on Neural Systems and Rehabilitation Engineering,27:(5): 956-962.
    PUB | PDF | DOI | WoS | PubMed | Europe PMC
     
  • [414]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2933893
    Pfannschmidt, L.; Jakob, J.; Biehl, M.; Tino, P.; Hammer, B. (2019): Feature Relevance Bounds for Ordinal Regression. In: Michel Verleysen (Hrsg.): Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). Louvain-la-Neuve: i6doc.
    PUB | Download (ext.) | arXiv
     
  • [413]
    2019 | Konferenzbeitrag | Angenommen | PUB-ID: 2937842 OA
    Hosseini, B.; Hammer, B. (Accepted): Deep-Aligned Convolutional Neural Network for Skeleton-based Action Recognition and Segmentation.
    PUB | Datei | arXiv
     
  • [412]
    2019 | Konferenzbeitrag | Angenommen | PUB-ID: 2937841 OA
    Hosseini, B.; Hammer, B. (Accepted): Interpretable Multiple-Kernel Prototype Learning for Discriminative Representation and Feature Selection.
    PUB | Datei | arXiv
     
  • [411]
    2019 | Report | Veröffentlicht | PUB-ID: 2937888
    Krämer, N.; Artelt, A.; Geminn, C.; Hammer, B.; Kopp, S.; Manzeschke, A.; Rossnagel, A.; Slawik, P.; Szczuka, J.; Varonina, L.; Weber, C. (2019): KI-basierte Sprachassistenten im Alltag: Forschungsbedarf aus informatischer, psychologischer, ethischer und rechtlicher Sicht. Universität Duisburg-Essen, Universitätsbibliothek.
    PUB | DOI | Download (ext.)
     
  • [410]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2937839 OA
    Hosseini, B.; Hammer, B. (2019): Interpretable Discriminative Dimensionality Reduction and Feature Selection on the Manifold.
    PUB | Datei | arXiv
     
  • [409]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2935456 OA
    Pfannschmidt, L.; Göpfert, C.; Neumann, U.; Heider, D.; Hammer, B. (2019): FRI - Feature Relevance Intervals for Interpretable and Interactive Data Exploration.
    PUB | PDF | DOI | arXiv
     
  • [408]
    2019 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2933715 OA
    Brinkrolf, J.; Göpfert, C.; Hammer, B. (2019): Differential privacy for learning vector quantization Neurocomputing,342: 125-136.
    PUB | PDF | DOI | WoS
     
  • [407]
    2019 | Konferenzbeitrag | PUB-ID: 2930303
    Hosseini, B.; Hammer, B. (2019): Multiple-Kernel Dictionary Learning for Reconstruction and Clustering of Unseen Multivariate Time-series. In: Michel Verleysen (Hrsg.): Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019).
    PUB | arXiv
     
  • [406]
    2019 | Konferenzbeitrag | PUB-ID: 2934192
    Hosseini, B.; Hammer, B. (2019): Large-Margin Multiple Kernel Learning for Discriminative Features Selection and Representation Learning.
    PUB | arXiv
     
  • [405]
    2019 | Preprint | Veröffentlicht | PUB-ID: 2934181
    Göpfert, J. P.; Wersing, H.; Hammer, B. (2019): Adversarial attacks hidden in plain sight
    PUB | DOI | arXiv
     
  • [404]
    2019 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2932914
    Brinkrolf, J.; Hammer, B. (2019): Time integration and reject options for probabilistic output of pairwise LVQ Neural Computing and Applications
    PUB | DOI | WoS
     
  • [403]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2931283 OA
    Queißer, J.; Ishihara, H.; Hammer, B.; Steil, J. J.; Asada, M. (2018): Skill Memories for Parameterized Dynamic Action Primitives on the Pneumatically Driven Humanoid Robot Child Affetto.
    PUB | PDF
     
  • [402]
    2018 | Datenpublikation | PUB-ID: 2930611 OA
    Hülsmann, F.; Göpfert, J. P.; Hammer, B.; Kopp, S.; Botsch, M. (2018): Classification of motor errors to provide real-time feedback for sports coaching in virtual reality - A case study in squats and Tai Chi pushes (Data). Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [401]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2930862
    Hülsmann, F.; Göpfert, J. P.; Hammer, B.; Kopp, S.; Botsch, M. (2018): Classification of motor errors to provide real-time feedback for sports coaching in virtual reality — A case study in squats and Tai Chi pushes Computers & Graphics,76: 47-59.
    PUB | DOI | Download (ext.) | WoS
     
  • [400]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982092
    Queisser, J. F.; Hammer, B.; Ishihara, H.; Asada, M.; Steil, J. J. (2018): Skill Memories for Parameterized Dynamic Action Primitives on the Pneumatically Driven Humanoid Robot Child Affetto. In: 2018 Joint IEEE 8th International Conference on Development and Learning and Epigenetic Robotics (ICDL-EpiRob). IEEE. S. 39-45.
    PUB | DOI
     
  • [399]
    2018 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982090
    Hosseini, B.; Hammer, B. (2018): Non-negative Local Sparse Coding for Subspace Clustering. In: Wouter Duivesteijn; Arno Siebes; Antti Ukkonen (Hrsg.): Advances in Intelligent Data Analysis XVII. 17th International Symposium, IDA 2018, ’s-Hertogenbosch, The Netherlands, October 24–26, 2018, Proceedings. Cham: Springer International Publishing. (Lecture Notes in Computer Science, ). S. 137-150.
    PUB | DOI
     
  • [398]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982089
    Specht, F.; Otto, J.; Niggemann, O.; Hammer, B. (2018): Generation of Adversarial Examples to Prevent Misclassification of Deep Neural Network based Condition Monitoring Systems for Cyber-Physical Production Systems. In: 2018 IEEE 16th International Conference on Industrial Informatics (INDIN). IEEE. S. 760-765.
    PUB | DOI
     
  • [397]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982088
    Losing, V.; Wersing, H.; Hammer, B. (2018): Enhancing Very Fast Decision Trees with Local Split-Time Predictions. In: 2018 IEEE International Conference on Data Mining (ICDM). IEEE. S. 287-296.
    PUB | DOI
     
  • [396]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982087
    Hosseini, B.; Hammer, B. (2018): Confident Kernel Sparse Coding and Dictionary Learning. In: 2018 IEEE International Conference on Data Mining (ICDM). IEEE. S. 1031-1036.
    PUB | DOI
     
  • [395]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982086
    Li, P.; Niggemann, O.; Hammer, B. (2018): A Geometric Approach to Clustering Based Anomaly Detection for Industrial Applications. In: IECON 2018 - 44th Annual Conference of the IEEE Industrial Electronics Society. IEEE. S. 5345-5352.
    PUB | DOI
     
  • [394]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2932412
    Straat, M.; Abadi, F.; Göpfert, C.; Hammer, B.; Biehl, M. (2018): Statistical Mechanics of On-Line Learning Under Concept Drift ENTROPY,20:(10):775
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [393]
    2018 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2917896
    Lux, M.; Brinkman, R. R.; Chauve, C.; Laing, A.; Lorenc, A.; Abeler-Dörner, L.; Hammer, B. (2018): flowLearn: Fast and precise identification and quality checking of cell populations in flow cytometry Bioinformatics,34:(13): 2245-2253.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [392]
    2018 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2933557
    Meyer, S.; Bertrand, O.; Egelhaaf, M.; Hammer, B. (2018): Inferring Temporal Structure from Predictability in Bumblebee Learning Flight. In: Hujun Yin; David Camacho; Paul. Novais; Antonio J. Tallón-Ballesteros (Hrsg.): Intelligent Data Engineering and Automated Learning – IDEAL 2018. Cham: Springer International Publishing. (Lecture Notes in Computer Science, 11314). S. 508-519.
    PUB | DOI
     
  • [391]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2918254
    Brinkrolf, J.; Berger, K.; Hammer, B. (2018): Differential private relevance learning. In: Michel Verleysen (Hrsg.): Proceedings of the 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2018). S. 555-560.
    PUB | Download (ext.)
     
  • [390]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2911900
    Paaßen, B.; Göpfert, C.; Hammer, B. (2018): Time Series Prediction for Graphs in Kernel and Dissimilarity Spaces Neural Processing Letters,48:(2): 669-689.
    PUB | DOI | Download (ext.) | WoS | arXiv
     
  • [389]
    2018 | Preprint | Veröffentlicht | PUB-ID: 2921209 OA
    Hosseini, B.; Hammer, B. (2018): Non-Negative Local Sparse Coding for Subspace Clustering Advances in Intelligent Data Analysis XVII. IDA 2018
    PUB | Datei | Download (ext.) | arXiv
     
  • [388]
    2018 | Konferenzbeitrag | Im Druck | PUB-ID: 2932116 OA
    Hosseini, B.; Hammer, B. (In Press): Confident Kernel Sparse Coding and Dictionary Learning. In: 2018 IEEE International Conference on Data Mining (ICDM).
    PUB | Datei | arXiv
     
  • [387]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2919598
    Hosseini, B.; Hammer, B. (2018): Feasibility Based Large Margin Nearest Neighbor Metric Learning. In: ESANN 2018. Proceedings of 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. S. 219-224.
    PUB | arXiv
     
  • [386]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2914505
    Paaßen, B.; Schulz, A.; Hahne, J.; Hammer, B. (2018): Expectation maximization transfer learning and its application for bionic hand prostheses Neurocomputing,298: 122-133.
    PUB | DOI | Download (ext.) | WoS | arXiv
     
  • [385]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2921316 OA
    Göpfert, J. P.; Hammer, B.; Wersing, H. (2018): Mitigating Concept Drift via Rejection. In: Vera Kurkova; Yannis Manolopoulos; Barbara Hammer; Lazaros Iliadis; Ilias Maglogiannis (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2018. Proceedings, Part I. Cham: Springer. (Lecture Notes in Computer Science, 11139).
    PUB | PDF | DOI
     
  • [384]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2917201
    Losing, V.; Hammer, B.; Wersing, H. (2018): Tackling heterogeneous concept drift with the Self-Adjusting Memory (SAM) KNOWLEDGE AND INFORMATION SYSTEMS,54:(1): 171-201.
    PUB | DOI | WoS
     
  • [383]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2915273 OA
    Göpfert, C.; Pfannschmidt, L.; Göpfert, J. P.; Hammer, B. (2018): Interpretation of Linear Classifiers by Means of Feature Relevance Bounds Neurocomputing,298: 69-79.
    PUB | PDF | DOI | WoS
     
  • [382]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2913389
    Paaßen, B.; Hammer, B.; Price, T.; Barnes, T.; Gross, S.; Pinkwart, N. (2018): The Continuous Hint Factory - Providing Hints in Vast and Sparsely Populated Edit Distance Spaces Journal of Educational Data Mining,10:(1): 1-35.
    PUB | Download (ext.) | arXiv
     
  • [381]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2919844
    Paaßen, B.; Gallicchio, C.; Micheli, A.; Hammer, B. (2018): Tree Edit Distance Learning via Adaptive Symbol Embeddings. In: Jennifer Dy; Andreas Krause (Hrsg.): Proceedings of the 35th International Conference on Machine Learning (ICML 2018). (Proceedings of Machine Learning Research, 80). S. 3973-3982.
    PUB | Download (ext.) | arXiv
     
  • [380]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2914730 OA
    Losing, V.; Hammer, B.; Wersing, H. (2018): Incremental on-line learning: A review and comparison of state of the art algorithms Neurocomputing,275: 1261-1274.
    PUB | PDF | DOI | WoS
     
  • [379]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2918244
    Brinkrolf, J.; Hammer, B. (2018): Interpretable Machine Learning with Reject Option at - Automatisierungstechnik,66:(4): 283-290.
    PUB | DOI | WoS
     
  • [378]
    2018 | Konferenzbeitrag | PUB-ID: 2916318
    Berger, K.; Schulz, A.; Paaßen, B.; Hammer, B. (2018): Linear Supervised Transfer Learning for the Large Margin Nearest Neighbor Classifier.
    PUB | DOI
     
  • [377]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982095
    Frenay, B.; Hammer, B. (2017): Label-noise-tolerant classification for streaming data. In: 2017 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1748-1755.
    PUB | DOI
     
  • [376]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982091
    Losing, V.; Hammer, B.; Wersing, H. (2017): Personalized maneuver prediction at intersections. In: 2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC). IEEE. S. 1-6.
    PUB | DOI
     
  • [375]
    2017 | Kurzbeitrag Konferenz / Poster | PUB-ID: 2919987 OA
    Hosseini, B.; Hammer, B. (2017): Non-negative Kernel Sparse Coding Frameworks for Efficient Analysis of Motion Data.
    PUB | PDF
     
  • [374]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2909369 OA
    Paaßen, B.; Schulz, A.; Hahne, J.; Hammer, B. (2017): An EM transfer learning algorithm with applications in bionic hand prostheses. In: Michel Verleysen (Hrsg.): Proceedings of the 25th European Symposium on Artificial Neural Networks (ESANN 2017). Bruges: i6doc.com. S. 129-134.
    PUB | PDF
     
  • [373]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2914945
    Brinkrolf, J.; Hammer, B. (2017): Probabilistic extension and reject options for pairwise LVQ. In: 2017 12th International Workshop on Self-Organizing Maps and Learning Vector Quantization, Clustering and Data Visualization (WSOM). Piscataway, NJ: IEEE.
    PUB | DOI
     
  • [372]
    2017 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2909372 OA
    Schulz, A.; Brinkrolf, J.; Hammer, B. (2017): Efficient Kernelization of Discriminative Dimensionality Reduction Neurocomputing,268:(SI): 34-41.
    PUB | PDF | DOI | WoS
     
  • [371]
    2017 | Konferenzbeitrag | PUB-ID: 2909371
    Biehl, M.; Hammer, B.; Villmann, T. (2017): Prototype based models for the supervised learning of classificaton schemes. In: Proc. of the IAU Symposium 325 on Astroinformatics, Sorrento/Italy, October 2016. S. in press.
    PUB
     
  • [370]
    2017 | Konferenzbeitrag | PUB-ID: 2914950
    Brinkrolf, J.; Berger, K.; Hammer, B. (2017): Differential Privacy for Learning Vector Quantization. In: New Challenges in Neural Computation.
    PUB
     
  • [369]
    2017 | Konferenzbeitrag | PUB-ID: 2914734 OA
    Losing, V.; Hammer, B.; Wersing, H. (2017): Self-Adjusting Memory: How to Deal with Diverse Drift Types. International Joint Conferences on Artificial Intelligence.
    PUB | PDF | DOI
     
  • [368]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2908201 OA
    Göpfert, C.; Pfannschmidt, L.; Hammer, B. (2017): Feature Relevance Bounds for Linear Classification. In: Michele Verleysen (Hrsg.): Proceedings of the ESANN, 24th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Louvain-la-Neuve: Ciaco - i6doc.com. S. 187--192.
    PUB | Dateien verfügbar | Download (ext.)
     
  • [367]
    2017 | Konferenzbeitrag | PUB-ID: 2914732 OA
    Losing, V.; Hammer, B.; Wersing, H. (2017): Personalized Maneuver Prediction at Intersections.
    PUB | PDF
     
  • [366]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2913752 OA
    Göpfert, J. P.; Göpfert, C.; Botsch, M.; Hammer, B. (2017): Effects of Variability in Synthetic Training Data on Convolutional Neural Networks for 3D Head Reconstruction. In: 2017 SSCI Proceedings. 2017 IEEE Symposium Series on Computational Intelligence (SSCI). Piscataway, NJ: IEEE.
    PUB | PDF | DOI
     
  • [365]
    2017 | Kurzbeitrag Konferenz / Poster | PUB-ID: 2919990 OA
    Hosseini, B.; Hammer, B. (2017): Task-Driven Sparse Coding for Classification of Motion Data.
    PUB | PDF
     
  • [364]
    2017 | Konferenzbeitrag | PUB-ID: 2909370
    Frenay, B.; Hammer, B. (2017): Label-Noise-Tolerant Classification for Streaming Data. In: IEEE International Joint Conference on Neural Neworks.
    PUB
     
  • [363]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2914141 OA
    Aswolinskiy, W.; Hammer, B. (2017): Unsupervised Transfer Learning for Time Series via Self-Predictive Modelling - First Results. In: Proceedings of the Workshop on New Challenges in Neural Computation (NC2). Bielefeld: Universität Bielefeld, CITEC. (Machine Learning Reports, 03/2017).
    PUB | PDF
     
  • [362]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2909037 OA
    Prahm, C.; Schulz, A.; Paaßen, B.; Aszmann, O.; Hammer, B.; Dorffner, G. (2017): Echo State Networks as Novel Approach for Low-Cost Myoelectric Control. In: Annette ten Telje; Christian Popow; John H. Holmes; Lucia Sacchi (Hrsg.): Proceedings of the 16th Conference on Artificial Intelligence in Medicine (AIME 2017). Springer. (Lecture Notes in Computer Science, 10259). S. 338--342.
    PUB | Dateien verfügbar | DOI
     
  • [361]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2915274 OA
    Göpfert, C.; Göpfert, J. P.; Hammer, B. (2017): Analyzing Feature Relevance for Linear Reject Option SVM using Relevance Intervals. In: Proceedings of the 2017 NIPS workshop on Transparent and Interpretable Machine Learning in Safety Critical Environments.
    PUB | PDF
     
  • [360]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2904469
    Hosseini, B.; Hülsmann, F.; Botsch, M.; Hammer, B. (2016): Non-Negative Kernel Sparse Coding for the Analysis of Motion Data. In: Alessandro E.P. Villa; Paolo Masulli; Antonio Javier Pons Rivero (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2016. Cham: Springer. (Lecture Notes in Computer Science, 9887). S. 506-514.
    PUB | PDF | DOI | Download (ext.) | arXiv
     
  • [359]
    2016 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982097
    Biehl, M.; Hammer, B.; Villmann, T. (2016): Prototype-based Models for the Supervised Learning of Classification Schemes Proceedings of the International Astronomical Union,12:(S325): 129-138.
    PUB | DOI
     
  • [358]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982096
    Fischer, L.; Hammer, B.; Wersing, H. (2016): Online metric learning for an adaptation to confidence drift. In: 2016 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 748-755.
    PUB | DOI
     
  • [357]
    2016 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2907633 OA
    Lux, M.; Krüger, J.; Rinke, C.; Maus, I.; Schlüter, A.; Woyke, T.; Sczyrba, A.; Hammer, B. (2016): acdc – Automated Contamination Detection and Confidence estimation for single-cell genome data BMC Bioinformatics,17:(1):543
    PUB | PDF | DOI | WoS | PubMed | Europe PMC
     
  • [356]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2909367
    Kummert, J.; Paaßen, B.; Jensen, J.; Göpfert, C.; Hammer, B. (2016): Local Reject Option for Deterministic Multi-class SVM. In: Alessandro E.P. Villa; Paolo Masulli; Antonio Javier Pons Rivero (Hrsg.): Artificial Neural Networks and Machine Learning - ICANN 2016 - 25th International Conference on Artificial Neural Networks, Barcelona, Spain, September 6-9, 2016, Proceedings, Part II. Cham: Springer Nature. (Lecture Notes in Computer Science, 9887). S. 251--258.
    PUB | DOI
     
  • [355]
    2016 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2783224 OA
    Paaßen, B.; Mokbel, B.; Hammer, B. (2016): Adaptive structure metrics for automated feedback provision in intelligent tutoring systems Neurocomputing,192:(SI): 3-13.
    PUB | PDF | DOI | WoS
     
  • [354]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2904509
    Paaßen, B.; Jensen, J.; Hammer, B. (2016): Execution Traces as a Powerful Data Representation for Intelligent Tutoring Systems for Programming. In: Tiffany Barnes; Min Chi; Mingyu Feng (Hrsg.): Proceedings of the 9th International Conference on Educational Data Mining. Raleigh, North Carolina, USA: International Educational Datamining Society. S. 183-190.
    PUB | Download (ext.)
     
  • [353]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2900676 OA
    Paaßen, B.; Göpfert, C.; Hammer, B. (2016): Gaussian process prediction for time series of structured data. In: Michele Verleysen (Hrsg.): Proceedings of the ESANN, 24th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Louvain-la-Neuve: Ciaco - i6doc.com. S. 41--46.
    PUB | PDF
     
  • [352]
    2016 | Konferenzbeitrag | E-Veröff. vor dem Druck | PUB-ID: 2904909 OA
    Schulz, A.; Hammer, B. (2016): Discriminative Dimensionality Reduction in Kernel Space. In: ESANN2016 Proceedings. 24th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Bruges, Belgium,27-29 April 2016. i6doc.com.
    PUB | PDF
     
  • [351]
    2016 | Konferenzbeitrag | PUB-ID: 2909365
    Brinkrolf, J.; Mittag, T.; Joppen, R.; Dr\, A.; Pietsch, K. - H.; Hammer, B. (2016): Virtual optimisation for improved production planning. In: New Challenges in Neural Computation.
    PUB
     
  • [350]
    2016 | Konferenzbeitrag | PUB-ID: 2907624 OA
    Losing, V.; Hammer, B.; Wersing, H. (2016): Choosing the Best Algorithm for an Incremental On-line Learning Task.
    PUB | PDF
     
  • [349]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2905729 OA
    Göpfert, C.; Paaßen, B.; Hammer, B. (2016): Convergence of Multi-pass Large Margin Nearest Neighbor Metric Learning. In: Alessandro E.P. Villa; Paolo Masulli; Antonio Javier Pons Rivero (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2016: 25th International Conference on Artificial Neural Networks, Barcelona, Spain, September 6-9, 2016, Proceedings, Part II. Cham: Springer Nature. (Lecture Notes in Computer Science, 9887). S. 510-517.
    PUB | PDF | DOI
     
  • [348]
    2016 | Konferenzbeitrag | PUB-ID: 2908455 OA
    Losing, V.; Hammer, B.; Wersing, H. (2016): Dedicated Memory Models for Continual Learning in the Presence of Concept Drift.
    PUB | PDF
     
  • [347]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2905855
    Paaßen, B.; Schulz, A.; Hammer, B. (2016): Linear Supervised Transfer Learning for Generalized Matrix LVQ. In: Barbara Hammer; Thomas Martinetz; Thomas Villmann (Hrsg.): Proceedings of the Workshop New Challenges in Neural Computation 2016. (Machine Learning Reports, ). S. 11-18.
    PUB | Download (ext.)
     
  • [346]
    2016 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2903457
    Schleif, F. - M.; Hammer, B.; Gonzalez Monroy, J.; Gonzalez Jimenez, J.; Blanco-Claraco, J. - L.; Biehl, M.; Petkov, N. (2016): Odor recognition in robotics applications by discriminative time-series modeling PATTERN ANALYSIS AND APPLICATIONS,19:(1): 207-220.
    PUB | DOI | WoS
     
  • [345]
    2016 | Konferenzbeitrag | PUB-ID: 2909368
    Geppert, er; Hammer, B. (2016): Incremental learning algorithms and applications. In: ESANN.
    PUB
     
  • [344]
    2016 | Konferenzbeitrag | PUB-ID: 2905195
    Fischer, L.; Hammer, B.; Wersing, H. (2016): Online Metric Learning for an Adaptation to Confidence Drift. In: Proceedings of International Joint Conference on Neural Networks (IJCNN). Vancouver: IEEE. S. 748-755.
    PUB
     
  • [343]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2904178 OA
    Prahm, C.; Paaßen, B.; Schulz, A.; Hammer, B.; Aszmann, O. (2016): Transfer Learning for Rapid Re-calibration of a Myoelectric Prosthesis after Electrode Shift. In: Jaime Ibáñez; José Gonzáles-Vargas; José María Azorín; Metin Akay; José Luis Pons (Hrsg.): Converging Clinical and Engineering Research on Neurorehabilitation II: Proceedings of the 3rd International Conference on NeuroRehabilitation (ICNR2016). Springer. S. 153--157.
    PUB | PDF | DOI | Download (ext.)
     
  • [342]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2907622 OA
    Losing, V.; Hammer, B.; Wersing, H. (2016): KNN Classifier with Self Adjusting Memory for Heterogeneous Concept Drift. In: 2016 IEEE 16th International Conference on Data Mining (ICDM). Piscataway, NJ: IEEE. S. 291-300.
    PUB | PDF | DOI
     
  • [341]
    2016 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2910957
    Biehl, M.; Hammer, B.; Villmann, T. (2016): Prototype-based models in machine learning Wiley Interdisciplinary Reviews: Cognitive Science,7:(2): 92-111.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [340]
    2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2909366
    Villmann, T.; Kaden, M.; Bohnsack, A.; Villmann, J. M.; Drogies, T.; Saralajew, S.; Hammer, B. (2016): Self-Adjusting Reject Options in Prototype Based Classification. In: Erzsébet Merényi; Michael J. Mendenhall; Patrick O'Driscoll (Hrsg.): Advances in Self-Organizing Maps and Learning Vector Quantization - Proceedings of the 11th International Workshop WSOM 2016, Houston, Texas, USA, January 6-8, 2016. Cham: Springer International Publishing. (Advances in Intelligent Systems and Computing, 428). S. 269-279.
    PUB | DOI
     
  • [339]
    2016 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2905193
    Fischer, L.; Hammer, B.; Wersing, H. (2016): Optimal local rejection for classifiers Neurocomputing,214: 445-457.
    PUB | DOI | WoS
     
  • [338]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982098
    Fischer, L.; Hammer, B.; Wersing, H. (2015): Combining offline and online classifiers for life-long learning. In: 2015 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1-8.
    PUB | DOI
     
  • [337]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2752948 OA
    Gross, S.; Mokbel, B.; Hammer, B.; Pinkwart, N. (2015): Learning Feedback in Intelligent Tutoring Systems. Report of the FIT Project, Conducted from December 2011 to March 2015 KI - Künstliche Intelligenz,29:(4): 413-418.
    PUB | PDF | DOI | Download (ext.) | WoS
     
  • [336]
    2015 | Preprint | Veröffentlicht | PUB-ID: 2901613
    Lux, M.; Hammer, B.; Sczyrba, A. (2015): Automated Contamination Detection in Single-Cell Sequencing bioRxiv
    PUB
     
  • [335]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2671047 OA
    Gisbrecht, A.; Schulz, A.; Hammer, B. (2015): Parametric nonlinear dimensionality reduction using kernel t-SNE Neurocomputing,147: 71-82.
    PUB | PDF | DOI | WoS
     
  • [334]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2909226
    Gisbrecht, A.; Hammer, B. (2015): Data visualization by nonlinear dimensionality reduction Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery,5:(2): 51-73.
    PUB | DOI | WoS
     
  • [333]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2759763
    Schleif, F. - M.; Zhu, X.; Hammer, B. (2015): Sparse conformal prediction for dissimilarity data Annals of Mathematics and Artificial Intelligence,74:(1-2): 95-116.
    PUB | DOI | WoS
     
  • [332]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2783165
    Hosseini, B.; Hammer, B. (2015): Efficient Metric Learning for the Analysis of Motion Data. In: 2015 IEEE International Conference on Data Science and Advanced Analytics (DSAA). Piscataway, NJ: IEEE.
    PUB | DOI | Download (ext.) | arXiv
     
  • [331]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2903777 OA
    Schulz, A.; Mokbel, B.; Biehl, M.; Hammer, B. (2015): Inferring Feature Relevances From Metric Learning. In: 2015 IEEE Symposium Series on Computational Intelligence. Piscataway, NJ: IEEE.
    PUB | PDF | DOI
     
  • [330]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2724156 OA
    Paaßen, B.; Mokbel, B.; Hammer, B. (2015): Adaptive structure metrics for automated feedback provision in Java programming. In: Michel Verleysen (Hrsg.): Proceedings of the ESANN, 23rd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. S. 307-312.
    PUB | PDF
     
  • [329]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2710031 OA
    Mokbel, B.; Paaßen, B.; Schleif, F. - M.; Hammer, B. (2015): Metric learning for sequences in relational LVQ Neurocomputing,169:(SI): 306-322.
    PUB | PDF | DOI | Download (ext.) | WoS
     
  • [328]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2766822 OA
    Schulz, A.; Gisbrecht, A.; Hammer, B. (2015): Using Discriminative Dimensionality Reduction to Visualize Classifiers Neural Processing Letters,42:(1): 27-54.
    PUB | PDF | DOI | WoS
     
  • [327]
    2015 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2900303 OA
    Schulz, A.; Hammer, B. (2015): Visualization of Regression Models Using Discriminative Dimensionality Reduction. In: Computer Analysis of Images and Patterns. Cham: Springer Science + Business Media. (Lecture Notes in Computer Science, 9257). S. 437-449.
    PUB | PDF | DOI
     
  • [326]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2900325 OA
    Blöbaum, P.; Schulz, A.; Hammer, B. (2015): Unsupervised Dimensionality Reduction for Transfer Learning. In: Michel Verleysen (Hrsg.): Proceedings. 23rd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Louvain-la-Neuve: Ciaco. S. 507-512.
    PUB | PDF
     
  • [325]
    2015 | Zeitschriftenaufsatz | PUB-ID: 2909364
    Hammer, B.; Toussaint, M. (2015): Special Issue on Autonomous Learning {KI},29:(4): 323--327.
    PUB | DOI | WoS
     
  • [324]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2900319
    Schulz, A.; Hammer, B. (2015): Discriminative dimensionality reduction for regression problems using the Fisher metric. In: 2015 International Joint Conference on Neural Networks (IJCNN). Institute of Electrical & Electronics Engineers (IEEE). S. 1-8.
    PUB | DOI
     
  • [323]
    2015 | Preprint | PUB-ID: 2774656
    Fischer, L.; Hammer, B.; Wersing, H. (2015): Optimum Reject Options for Prototype-based Classification
    PUB | arXiv
     
  • [322]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2774707
    Fischer, L.; Hammer, B.; Wersing, H. (2015): Certainty-based Prototype Insertion/Deletion for Classification with Metric Adaptation. In: ESANN, European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. S. 7-12.
    PUB
     
  • [321]
    2015 | Konferenzbeitrag | PUB-ID: 2774721
    Fischer, L.; Hammer, B.; Wersing, H. (2015): Combining Offline and Online Classifiers for Life-long Learning. In: IJCNN, International Joint Conference on Neural Networks. S. 2808-2815.
    PUB
     
  • [320]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2772407
    Nebel, D.; Hammer, B.; Frohberg, K.; Villmann, T. (2015): Median variants of learning vector quantization for learning of dissimilarity data Neurocomputing,169:(SI): 295-305.
    PUB | DOI | WoS
     
  • [319]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2762087
    Paaßen, B.; Mokbel, B.; Hammer, B. (2015): A Toolbox for Adaptive Sequence Dissimilarity Measures for Intelligent Tutoring Systems. In: Olga Christina Santos; Jesus Gonzalez Boticario; Cristobal Romero; Mykola Pechenizkiy; Agathe Merceron; Piotr Mitros; Jose Maria Luna; Christian Mihaescu; Pablo Moreno; Arnon Hershkovitz; Sebastian Ventura; Michel Desmarais (Hrsg.): Proceedings of the 8th International Conference on Educational Data Mining. International Educational Datamining Society. S. 632-632.
    PUB | Download (ext.)
     
  • [318]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2752955 OA
    Walter, O.; Häb-Umbach, R.; Mokbel, B.; Paaßen, B.; Hammer, B. (2015): Autonomous Learning of Representations KI - Künstliche Intelligenz,29:(4): 339–351.
    PUB | PDF | DOI | Download (ext.) | WoS
     
  • [317]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2695196
    Hofmann, D.; Gisbrecht, A.; Hammer, B. (2015): Efficient approximations of robust soft learning vector quantization for non-vectorial data Neurocomputing,147: 96-106.
    PUB | DOI | WoS
     
  • [316]
    2015 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2772413
    Fischer, L.; Hammer, B.; Wersing, H. (2015): Efficient rejection strategies for prototype-based classification Neurocomputing,169:(SI): 334-342.
    PUB | DOI | WoS
     
  • [315]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2901612
    Lux, M.; Sczyrba, A.; Hammer, B. (2015): Automatic discovery of metagenomic structure. In: 2015 International Joint Conference on Neural Networks (IJCNN). Institute of Electrical & Electronics Engineers (IEEE).
    PUB | DOI
     
  • [314]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2900318
    Schulz, A.; Hammer, B. (2015): Metric Learning in Dimensionality Reduction. In: Proceedings of the International Conference on Pattern Recognition Applications and Methods. Scitepress. S. 232-239.
    PUB | DOI
     
  • [313]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2776021 OA
    Losing, V.; Hammer, B.; Wersing, H. (2015): Interactive Online Learning for Obstacle Classification on a Mobile Robot. IEEE.
    PUB | PDF | DOI
     
  • [312]
    2015 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2910954
    Biehl, M.; Hammer, B.; Schleif, F. - M.; Schneider, P.; Villmann, T. (2015): Stationarity of Matrix Relevance LVQ. In: 2015 International Joint Conference on Neural Networks (IJCNN). IEEE.
    PUB | DOI
     
  • [311]
    2014 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982100
    Gross, S.; Mokbel, B.; Hammer, B.; Pinkwart, N. (2014): How to Select an Example? A Comparison of Selection Strategies in Example-Based Learning. In: Stefan Trausan-Matu; Kristy Elizabeth Boyer; Martha Crosby; Kitty Panourgia (Hrsg.): Intelligent Tutoring Systems. Cham: Springer International Publishing. (Lecture Notes in Computer Science, ). S. 340-347.
    PUB | DOI
     
  • [310]
    2014 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982099
    Biehl, M.; Hammer, B.; Villmann, T. (2014): Distance Measures for Prototype Based Classification. In: Lucio Grandinetti; Thomas Lippert; Nicolai Petkov (Hrsg.): Brain-Inspired Computing. International Workshop, BrainComp 2013, Cetraro, Italy, July 8-11, 2013, Revised Selected Papers. Cham: Springer International Publishing. (Lecture Notes in Computer Science, ). S. 100-116.
    PUB | DOI
     
  • [309]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2900320 OA
    Frenay, B.; Hofmann, D.; Schulz, A.; Biehl, M.; Hammer, B. (2014): Valid interpretation of feature relevance for linear data mappings. In: 2014 IEEE Symposium on Computational Intelligence and Data Mining (CIDM). Piscataway, NJ: Institute of Electrical & Electronics Engineers (IEEE). S. 149-156.
    PUB | PDF | DOI
     
  • [308]
    2014 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2678214
    Hofmann, D.; Schleif, F. - M.; Paaßen, B.; Hammer, B. (2014): Learning interpretable kernelized prototype-based models Neurocomputing,141: 84-96.
    PUB | DOI | Download (ext.) | WoS
     
  • [307]
    2014 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2672504
    Zhu, X.; Schleif, F. - M.; Hammer, B. (2014): Adaptive Conformal Semi-Supervised Vector Quantization for Dissimilarity Data Pattern Recognition Letters,49: 138-145.
    PUB | DOI | WoS
     
  • [306]
    2014 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2615730
    Hammer, B.; Hofmann, D.; Schleif, F. - M.; Zhu, X. (2014): Learning vector quantization for (dis-)similarities NeuroComputing,131: 43-51.
    PUB | DOI | WoS
     
  • [305]
    2014 | Konferenzbeitrag | PUB-ID: 2909360
    Gross, S.; Mokbel, B.; Hammer, B.; Pinkwart, N. (2014): How to Select an Example? A Comparison of Selection Strategies in Example-Based Learning. In: Stefan Trausan-Matu; Kristy Elizabeth Boyer; Martha E. Crosby; Kitty Panourgia (Hrsg.): Intelligent Tutoring Systems. Springer. (Lecture Notes in Computer Science, 8474). S. 340-347.
    PUB
     
  • [304]
    2014 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2694967
    Jin, Y.; Hammer, B. (2014): Computational Intelligence in Big Data IEEE Computational Intelligence Magazine,9:(3): 12-13.
    PUB | DOI | WoS
     
  • [303]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2774643
    Fischer, L.; Nebel, D.; Villmann, T.; Hammer, B.; Wersing, H. (2014): Rejection Strategies for Learning Vector Quantization – A Comparison of Probabilistic and Deterministic Approaches. In: Thomas Villmann; Frank-Michael Schleif; Marika Kaden; Mandy Lange (Hrsg.): Advances in Self-Organizing Maps and Learning Vector Quantization. Cham: Springer International Publishing. (Advances in Intelligent Systems and Computing, 295). S. 109-118.
    PUB | DOI
     
  • [302]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2673548
    Fischer, L.; Hammer, B.; Wersing, H. (2014): Rejection strategies for learning vector quantization. In: Michel Verleysen (Hrsg.): ESANN, 22nd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Bruges, Belgium: i6doc.com. S. 41-46.
    PUB
     
  • [301]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2774498
    Fischer, L.; Hammer, B.; Wersing, H. (2014): Local Rejection Strategies for Learning Vector Quantization. In: Stefan Wermter; Cornelius Weber; Włodzisław Duch; Timo Honkela; Petia Koprinkova-Hristova; Sven Magg; Günther Palm; Alessandro E. P. Villa (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2014. Cham: Springer International Publishing. (Lecture Notes in Computer Science, 8681). S. 563-570.
    PUB | DOI
     
  • [300]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2673554 OA
    Mokbel, B.; Paaßen, B.; Hammer, B. (2014): Adaptive distance measures for sequential data. In: Michel Verleysen (Hrsg.): ESANN, 22nd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Bruges, Belgium: i6doc.com. S. 265-270.
    PUB | PDF
     
  • [299]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2673559
    Hammer, B.; He, H.; Martinetz, T. (2014): Learning and modeling big data. In: Michel Verleysen (Hrsg.): ESANN, 22nd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Bruges, Belgium: i6doc.com. S. 343-352.
    PUB
     
  • [298]
    2014 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2734058
    Gross, S.; Mokbel, B.; Paaßen, B.; Hammer, B.; Pinkwart, N. (2014): Example-based feedback provision using structured solution spaces International Journal of Learning Technology,9:(3): 248-280.
    PUB | DOI | Download (ext.)
     
  • [297]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2710067 OA
    Mokbel, B.; Paaßen, B.; Hammer, B. (2014): Efficient Adaptation of Structure Metrics in Prototype-Based Classification. In: Stefan Wermter; Cornelius Weber; Włodzisław Duch; Timo Honkela; Petia Koprinkova-Hristova; Sven Magg; Günther Palm; Allessandro Villa (Hrsg.): Artificial Neural Networks and Machine Learning - ICANN 2014 - 24th International Conference on Artificial Neural Networks, Hamburg, Germany, September 15-19, 2014. Proceedings. Springer. (Lecture Notes in Computer Science, 8681). S. 571-578.
    PUB | PDF | DOI | Download (ext.)
     
  • [296]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2673545
    Nebel, D.; Hammer, B.; Villmann, T. (2014): Supervised Generative Models for Learning Dissimilarity Data. In: Michel Verleysen (Hrsg.): ESANN, 22nd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Bruges, Belgium: i6doc.com. S. 35-40.
    PUB
     
  • [295]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2673557
    Schulz, A.; Gisbrecht, A.; Hammer, B. (2014): Relevance learning for dimensionality reduction. In: Michel Verleysen (Hrsg.): ESANN, 22nd European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Bruges, Belgium: i6doc.com. S. 165-170.
    PUB
     
  • [294]
    2014 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2900324
    Gisbrecht, A.; Schulz, A.; Hammer, B. (2014): Discriminative Dimensionality Reduction for the Visualization of Classifiers. In: Pattern Recognition Applications and Methods. Cham: Springer Science + Business Media. (Advances in Intelligent Systems and Computing, 318). S. 39-56.
    PUB | DOI
     
  • [293]
    2014 | Konferenzbeitrag | PUB-ID: 2909361
    Hammer, B.; Nebel, D.; Riedel, M.; Villmann, T. (2014): Generative versus Discriminative Prototype Based Classification. In: Advances in Self-Organizing Maps and Learning Vector Quantization - Proceedings of the 10th International Workshop, {WSOM} 2014, Mittweida, Germany, July, 2-4, 2014. Cham: Springer International Publishing. S. 123--132.
    PUB | DOI
     
  • [292]
    2013 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982105
    Schleif, F. - M.; Zhu, X.; Hammer, B. (2013): Sparse Prototype Representation by Core Sets. In: Hujun Yin; Ke Tang; Yang Gao; Frank Klawonn; Minho Lee; Thomas Weise; Bin Li; Xin Yao (Hrsg.): Intelligent Data Engineering and Automated Learning – IDEAL 2013. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 302-309.
    PUB | DOI
     
  • [291]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982104
    Strickert, M.; Hammer, B.; Villmann, T.; Biehl, M. (2013): Regularization and improved interpretation of linear data mappings and adaptive distance measures. In: 2013 IEEE Symposium on Computational Intelligence and Data Mining (CIDM). IEEE. S. 10-17.
    PUB | DOI
     
  • [290]
    2013 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982102
    Hofmann, D.; Gisbrecht, A.; Hammer, B. (2013): Efficient Approximations of Kernel Robust Soft LVQ. In: Pablo A. Estévez; José C. Príncipe; Pablo Zegers (Hrsg.): Advances in Self-Organizing Maps. Berlin, Heidelberg: Springer Berlin Heidelberg. (Advances in Intelligent Systems and Computing, ). S. 183-192.
    PUB | DOI
     
  • [289]
    2013 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982101
    Nebel, D.; Hammer, B.; Villmann, T. (2013): A Median Variant of Generalized Learning Vector Quantization. In: Minho Lee; Akira Hirose; Zeng-Guang Hou; Rhee Man Kil (Hrsg.): Neural Information Processing. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 19-26.
    PUB | DOI
     
  • [288]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2623500
    Gisbrecht, A.; Hammer, B.; Mokbel, B.; Sczyrba, A. (2013): Nonlinear dimensionality reduction for cluster identification in metagenomic samples. In: Ebad Banissi (Hrsg.): 17th International Conference on Information Visualisation IV 2013. Piscataway, NJ: IEEE. S. 174-179.
    PUB | DOI
     
  • [287]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2622454
    Hammer, B.; Gisbrecht, A.; Schulz, A. (2013): Applications of discriminative dimensionality reduction. In: Proceedings of the 2nd International Conference on Pattern Recognition Applications and Methods. SCITEPRESS. S. 33-41.
    PUB | DOI
     
  • [286]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625185
    Mokbel, B.; Gross, S.; Paaßen, B.; Pinkwart, N.; Hammer, B. (2013): Domain-Independent Proximity Measures in Intelligent Tutoring Systems. In: S. K. D'Mello; R. A. Calvo; A. Olney (Hrsg.): Proceedings of the 6th International Conference on Educational Data Mining (EDM). S. 334-335.
    PUB | Download (ext.)
     
  • [285]
    2013 | Konferenzbeitrag | PUB-ID: 2909358
    Strickert, M.; Hammer, B.; Villmann, T.; Biehl, M. (2013): Regularization and Improved Interpretation of Linear Data Mappings and Adaptive Distance Measures. In: IEEE SSCI CIDM 2013. IEEE Computational Intelligence Society. S. 10-17.
    PUB
     
  • [284]
    2013 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2612736
    Mokbel, B.; Lueks, W.; Gisbrecht, A.; Hammer, B. (2013): Visualizing the quality of dimensionality reduction Neurocomputing,112: 109-123.
    PUB | DOI | WoS
     
  • [283]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2622456
    Schulz, A.; Gisbrecht, A.; Hammer, B. (2013): Using Nonlinear Dimensionality Reduction to Visualize Classifiers. In: Ignacio Rojas; Gonzalo Joya; Joan Gabestany (Hrsg.): Advances in computational intelligence. Proceedings. Vol 1. Springer. (Lecture Notes in Computer Science, 7902). S. 59-68.
    PUB | DOI | WoS
     
  • [282]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2670686
    Gross, S.; Mokbel, B.; Hammer, B.; Pinkwart, N. (2013): Towards a Domain-Independent ITS Middleware Architecture. In: 2013 IEEE 13th International Conference on Advanced Learning Technologies. IEEE. S. 408-409.
    PUB | DOI | WoS
     
  • [281]
    2013 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2607146
    Hammer, B.; Keim, D.; Lawrence, N.; Lebanon, G. (2013): Preface: Intelligent interactive data visualization Data Mining and Knowledge Discovery,27:(1): 1-3.
    PUB | DOI | WoS
     
  • [280]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2622467
    Schulz, A.; Gisbrecht, A.; Hammer, B. (2013): Classifier inspection based on different discriminative dimensionality reductions. In: Workshop NC^2 2013. TR Machine Learning Reports. S. 77-86.
    PUB
     
  • [279]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625194
    Gisbrecht, A.; Miche, Y.; Hammer, B.; Lendasse, A. (2013): Visualizing Dependencies of Spectral Features using Mutual Information. In: ESANN, 21st European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. S. 573-578.
    PUB
     
  • [278]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625199
    Hofmann, D.; Hammer, B. (2013): Sparse approximations for kernel learning vector quantization. In: ESANN.
    PUB
     
  • [277]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625202
    Schleif, F. - M.; Zhu, X.; Hammer, B. (2013): Sparse prototype representation by core sets. In: et.al Hujun Yin (Hrsg.): IDEAL 2013.
    PUB
     
  • [276]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625207
    Gross, S.; Mokbel, B.; Hammer, B.; Pinkwart, N. (2013): Towards Providing Feedback to Students in Absence of Formalized Domain Models. In: AIED. S. 644-648.
    PUB
     
  • [275]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2615717
    Zhu, X.; Schleif, F. - M.; Hammer, B. (2013): Secure Semi-supervised Vector Quantization for Dissimilarity Data. In: Ignacio Rojas; Gonzalo Joya; Joan Cabestany (Hrsg.): IWANN (1). Springer. (Lecture Notes in Computer Science, 7902). S. 347-356.
    PUB | DOI
     
  • [274]
    2013 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2615701
    Zhu, X.; Schleif, F. - M.; Hammer, B. (2013): Semi-Supervised Vector Quantization for proximity data. In: Proceedings of ESANN 2013. S. 89-94.
    PUB
     
  • [273]
    2013 | Konferenzbeitrag | PUB-ID: 2909359
    Nebel, D.; Hammer, B.; Villmann, T. (2013): A Median Variant of Generalized Learning Vector Quantization. In: ICONIP (2). S. 19-26.
    PUB
     
  • [272]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982108
    Gisbrecht, A.; Mokbel, B.; Hammer, B. (2012): Linear basis-function t-SNE for fast nonlinear dimensionality reduction. In: The 2012 International Joint Conference on Neural Networks (IJCNN). IEEE. S. 1-8.
    PUB | DOI
     
  • [271]
    2012 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982106
    Gisbrecht, A.; Hofmann, D.; Hammer, B. (2012): Discriminative Dimensionality Reduction Mappings. In: Jaakko Hollmén; Frank Klawonn; Allan Tucker (Hrsg.): Advances in Intelligent Data Analysis XI. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 126-138.
    PUB | DOI
     
  • [270]
    2012 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982107
    Hofmann, D.; Hammer, B. (2012): Kernel Robust Soft Learning Vector Quantization. In: Nadia Mana; Friedhelm Schwenker; Edmondo Trentin (Hrsg.): Artificial Neural Networks in Pattern Recognition. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 14-23.
    PUB | DOI
     
  • [269]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2625232
    Gisbrecht, A.; Mokbel, B.; Schleif, F. - M.; Zhu, X.; Hammer, B. (2012): Linear Time Relational Prototype Based Learning International Journal of Neural Systems,22:(05):1250021
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [268]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2622449
    Schulz, A.; Gisbrecht, A.; Bunte, K.; Hammer, B. (2012): How to visualize a classifier? In: Proceedings of the Workshop - New Challenges in Neural Computation 2012. Machine Learning Reports. S. 73-83.
    PUB
     
  • [267]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625260
    Gisbrecht, A.; Lueks, W.; Mokbel, B.; Hammer, B. (2012): Out-of-sample kernel extensions for nonparametric dimensionality reduction. In: ESANN 2012. S. 531-536.
    PUB
     
  • [266]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625265
    Gisbrecht, A.; Sovilj, D.; Hammer, B.; Lendasse, A. (2012): Relevance learning for time series inspection. In: Michel Verleysen (Hrsg.): ESANN 2012. S. 489-494.
    PUB
     
  • [265]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2625225
    Hammer, B. (2012): Special Issue on Neural Learning Paradigms Künstliche Intelligenz :KI,26:(4): 329-332.
    PUB | DOI
     
  • [264]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2509858
    Kaestner, M.; Hammer, B.; Biehl, M.; Villmann, T. (2012): Functional relevance learning in generalized learning vector quantization Neurocomputing,90: 85-95.
    PUB | DOI | WoS
     
  • [263]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2671172
    Hofmann, D.; Gisbrecht, A.; Hammer, B. (2012): Discriminative probabilistic prototype based models in kernel space. In: Workshop NC^2 2012. TR Machine Learning Reports.
    PUB
     
  • [262]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2536426 OA
    Mokbel, B.; Gross, S.; Lux, M.; Pinkwart, N.; Hammer, B. (2012): How to Quantitatively Compare Data Dissimilarities for Unsupervised Machine Learning? In: Nadia Mana; Friedhelm Schwenker; Edmondo Trentin (Hrsg.): Artificial Neural Networks in Pattern Recognition. 5th INNS IAPR TC 3 GIRPR Workshop, ANNPR 2012. Proceedings. Springer Berlin Heidelberg. (Lecture Notes in Artificial Intelligence, 7477). S. 1-13.
    PUB | PDF | DOI
     
  • [261]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625238
    Hofmann, D.; Gisbrecht, A.; Hammer, B. (2012): Efficient Approximations of Kernel Robust Soft LVQ. In: WSOM.
    PUB
     
  • [260]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625271
    Bouveyron, C.; Hammer, B.; Villmann, T. (2012): Recent developments in clustering algorithms. In: Michel Verleysen (Hrsg.): ESANN 2012. S. 447-458.
    PUB
     
  • [259]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625276
    Gisbrecht, A.; Mokbel, B.; Hammer, B. (2012): Linear Basis-Function t-SNE for Fast Nonlinear Dimensionality Reduction. In: IJCNN.
    PUB
     
  • [258]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2622453
    Hammer, B.; Gisbrecht, A.; Schulz, A. (2012): How to Visualize Large Data Sets?
    PUB | DOI
     
  • [257]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2625223
    Hammer, B. (2012): Challenges in Neural Computation Künstliche Intelligenz : KI,26:(4): 333-340.
    PUB | DOI
     
  • [256]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625242
    Gross, S.; Mokbel, B.; Hammer, B.; Pinkwart, N. (2012): Feedback Provision Strategies in Intelligent Tutoring Systems Based on Clustered Solution Spaces. In: DeLFI. S. 27-38.
    PUB
     
  • [255]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625247
    Gisbrecht, A.; Hofmann, D.; Hammer, B. (2012): Discriminative Dimensionality Reduction Mappings. In: Jaakko Hollmén; Frank Klawonn; Allan Tucker (Hrsg.): Advances in Intelligent Data Analysis XI - 11th International Symposium, IDA 2012, Helsinki, Finland, October 25-27, 2012. Proceedings. Springer. (Lecture Notes in Computer Science, 7619). S. 126-138.
    PUB
     
  • [254]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2625254
    Hofmann, D.; Hammer, B. (2012): Kernel Robust Soft Learning Vector Quantization. In: Nadia Mana; Friedhelm Schwenker; Edmondo Trentin (Hrsg.): Artificial Neural Networks in Pattern Recognition - 5th INNS IAPR TC 3 GIRPR Workshop, ANNPR 2012, Trento, Italy, September 17-19, 2012. Proceedings. Springer. (Lecture Notes in Computer Science, 7477). S. 14-23.
    PUB
     
  • [253]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2615750
    Schleif, F. - M.; Zhu, X.; Gisbrecht, A.; Hammer, B. (2012): Fast approximated relational and kernel clustering. In: Proceedings of ICPR 2012. IEEE. S. 1229-1232.
    PUB
     
  • [252]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2671281
    Hammer, B.; Villmann, T. (2012): Special issue on new challenges in neural computation 2012 Neurocomputing,131:1
    PUB | DOI | WoS
     
  • [251]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2536437 OA
    Gross, S.; Zhu, X.; Hammer, B.; Pinkwart, N. (2012): Cluster based feedback provision strategies in intelligent tutoring systems. In: Proceedings of the 11th international conference on Intelligent Tutoring Systems. Berlin, Heidelberg: Springer-Verlag. S. 699-700.
    PUB | PDF | DOI | Download (ext.)
     
  • [250]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2536444 OA
    Gross, S.; Mokbel, B.; Hammer, B.; Pinkwart, N. (2012): Feedback Provision Strategies in Intelligent Tutoring Systems Based on Clustered Solution Spaces. In: Jörg Desel; Joerg M. Haake; Christian Spannagel; Gesellschaft für Informatik (Hrsg.): DeLFI 2012: Die 10. e-Learning Fachtagung Informatik. Hagen, Germany: Köllen. (GI-Edition : Proceedings, 207). S. 27-38.
    PUB | PDF
     
  • [249]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2615756
    Schleif, F. - M.; Zhu, X.; Hammer, B. (2012): Soft Competitive Learning for large data sets. In: Proceedings of MCSD 2012. Berlin, Heidelberg: Springer Berlin Heidelberg. S. 141-151.
    PUB | DOI
     
  • [248]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2534877
    Schleif, F. - M.; Mokbel, B.; Gisbrecht, A.; Theunissen, L.; Dürr, V.; Hammer, B. (2012): Learning Relevant Time Points for Time-Series Data in the Life Sciences. In: ICANN (2). Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, 7553). S. 531-539.
    PUB | DOI
     
  • [247]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2489405
    Bunte, K.; Schneider, P.; Hammer, B.; Schleif, F. - M.; Villmann, T.; Biehl, M. (2012): Limited Rank Matrix Learning, discriminative dimension reduction and visualization Neural Networks,26: 159-173.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [246]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2474292
    Bunte, K.; Biehl, M.; Hammer, B. (2012): A General Framework for Dimensionality-Reducing Data Visualization Mapping Neural Computation,24:(3): 771-804.
    PUB | DOI | WoS
     
  • [245]
    2012 | Konferenzbeitrag | PUB-ID: 2909356
    Mokbel, B.; Lueks, W.; Gisbrecht, A.; Biehl, M.; Hammer, B. (2012): Visualizing the quality of dimensionality reduction. In: Michel Verleysen (Hrsg.): ESANN 2012. S. 179--184.
    PUB
     
  • [244]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2534888
    Schleif, F. - M.; Zhu, X.; Hammer, B. (2012): A Conformal Classifier for Dissimilarity Data. In: AIAI (2). Berlin, Heidelberg: Springer Berlin Heidelberg. S. 234-243.
    PUB | DOI
     
  • [243]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2534910
    Zhu, X.; Schleif, F. - M.; Hammer, B. (2012): Patch Processing for Relational Learning Vector Quantization. In: ISNN (1). Berlin, Heidelberg: Springer Berlin Heidelberg. S. 55-63.
    PUB | DOI
     
  • [242]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2534868
    Hammer, B.; Mokbel, B.; Schleif, F. - M.; Zhu, X. (2012): White Box Classification of Dissimilarity Data. In: HAIS (1). Berlin, Heidelberg: Springer Berlin Heidelberg. S. 309-321.
    PUB | DOI | WoS
     
  • [241]
    2012 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2534905
    Schleif, F. - M.; Gisbrecht, A.; Hammer, B. (2012): Relevance learning for short high-dimensional time series in the life sciences. In: IEEE Computational Intelligence Society; Institute of Electrical and Electronics Engineers (Hrsg.): IJCNN. Piscataway, NJ: IEEE. S. 1-8.
    PUB | DOI
     
  • [240]
    2012 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2509852
    Zhu, X.; Gisbrecht, A.; Schleif, F. - M.; Hammer, B. (2012): Approximation techniques for clustering dissimilarity data Neurocomputing,90: 72-84.
    PUB | DOI | WoS
     
  • [239]
    2011 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982113
    Hammer, B.; Gisbrecht, A.; Hasenfuss, A.; Mokbel, B.; Schleif, F. - M.; Zhu, X. (2011): Topographic Mapping of Dissimilarity Data. In: Jorma Laaksonen; Timo Honkela (Hrsg.): Advances in Self-Organizing Maps. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 1-15.
    PUB | DOI
     
  • [238]
    2011 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982112
    Hammer, B.; Schleif, F. - M.; Zhu, X. (2011): Relational Extensions of Learning Vector Quantization. In: Bao-Liang Lu; Liqing Zhang; James Kwok (Hrsg.): Neural Information Processing. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 481-489.
    PUB | DOI
     
  • [237]
    2011 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982111
    Hammer, B.; Mokbel, B.; Schleif, F. - M.; Zhu, X. (2011): Prototype-Based Classification of Dissimilarity Data. In: João Gama; Elizabeth Bradley; Jaakko Hollmén (Hrsg.): Advances in Intelligent Data Analysis X. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 185-197.
    PUB | DOI
     
  • [236]
    2011 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982110
    Schleif, F. - M.; Gisbrecht, A.; Hammer, B. (2011): Accelerating Kernel Neural Gas. In: Timo Honkela; Włodzisław Duch; Mark Girolami; Samuel Kaski (Hrsg.): Artificial Neural Networks and Machine Learning – ICANN 2011. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 150-158.
    PUB | DOI
     
  • [235]
    2011 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982109
    Hammer, B.; Biehl, M.; Bunte, K.; Mokbel, B. (2011): A General Framework for Dimensionality Reduction for Large Data Sets. In: Jorma Laaksonen; Timo Honkela (Hrsg.): Advances in Self-Organizing Maps. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 277-287.
    PUB | DOI
     
  • [234]
    2011 | Preprint | Veröffentlicht | PUB-ID: 2534994
    Schleif, F. - M.; Gisbrecht, A.; Hammer, B. (2011): Supervised learning of short and high-dimensional temporal sequences for life science measurements
    PUB | arXiv
     
  • [233]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276480
    Gisbrecht, A.; Schleif, F. - M.; Zhu, X.; Hammer, B. (2011): Linear time heuristics for topographic mapping of dissimilarity data. In: Intelligent Data Engineering and Automated Learning - IDEAL 2011: IDEAL 2011, 12th international conference, Norwich, UK, September 7 - 9, 2011 ; proceedings. Berlin, Heidelberg: Springer. (Lecture Notes in Computer Science, 6936). S. 25-33.
    PUB | DOI
     
  • [232]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276485
    Hammer, B.; Gisbrecht, A.; Hasenfuss, A.; Mokbel, B.; Schleif, F. - M.; Zhu, X. (2011): Topographic Mapping of Dissimilarity Data. In: WSOM'11.
    PUB
     
  • [231]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276492
    Schleif, F. - M.; Gisbrecht, A.; Hammer, B. (2011): Accelerating Kernel Neural Gas. In: S. Kaski; T. Honkela; Mark Gitolami; W. Dutch (Hrsg.): ICANN'2011.
    PUB
     
  • [230]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276500
    Kaestner, M.; Hammer, B.; Biehl, M.; Villmann, T. (2011): Generalized Functional Relevance Learning Vector Quantization. In: Michel Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. D side. S. pp. 93-98.
    PUB
     
  • [229]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276512
    Hammer, B.; Biehl, M.; Bunte, K.; Mokbel, B. (2011): A general framework for dimensionality reduction for large data sets. In: WSOM'11.
    PUB
     
  • [228]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276517
    Bunte, K.; Biehl, M.; Hammer, B. (2011): Supervised dimension reduction mappings. In: Michel Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. D side. S. pp. 281-286.
    PUB
     
  • [227]
    2011 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2276531
    Gisbrecht, A.; Mokbel, B.; Hammer, B. (2011): Relational Generative Topographic Mapping Neurocomputing,74:(9): 1359-1371.
    PUB | DOI | WoS
     
  • [226]
    2011 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2276506
    Bunte, K.; Hammer, B.; Villmann, T.; Biehl, M.; Wismueller, A. (2011): Neighbor embedding XOM for dimension reduction and visualization Neurocomputing,74:(9): 1340-1350.
    PUB | DOI | WoS
     
  • [225]
    2011 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2309980
    Schleif, F. - M.; Villmann, T.; Hammer, B.; Schneider, P. (2011): Efficient Kernelized Prototype-based Classification International Journal of Neural Systems,21:(06): 443-457.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [224]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276522
    Gisbrecht, A.; Hammer, B.; Schleif, F. - M.; Zhu, X. (2011): Accelerating dissimilarity clustering for biomedical data analysis. In: IEEE Symposium on Computational Intelligence in Bioinformatics and Computational Biology. S. pp.154-161.
    PUB
     
  • [223]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276527
    Bunte, K.; Biehl, M.; Hammer, B. (2011): Dimensionality Reduction Mappings. In: IEEE Computational Intelligence Society (Hrsg.): IEEE Symposium on Computational Intelligence and Data Mining. Piscataway, NJ: IEEE. S. pp. 349-356.
    PUB | DOI
     
  • [222]
    2011 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2091665
    Zhu, X.; Hammer, B. (2011): Patch Affinity Propagation. In: Michel Verleysen (Hrsg.): . Louvain-la-Neuve: Ciaco - i6doc.com. S. 99-104.
    PUB
     
  • [221]
    2011 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993288
    Arnonkijpanich, B.; Hasenfuss, A.; Hammer, B. (2011): Local matrix adaptation in topographic neural maps Neurocomputing,74:(4): 522-539.
    PUB | DOI | WoS
     
  • [220]
    2011 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2276540
    Gisbrecht, A.; Hammer, B. (2011): Relevance learning in generative topographic mapping Neurocomputing,74:(9): 1351-1358.
    PUB | DOI | WoS
     
  • [219]
    2010 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982117
    Gisbrecht, A.; Mokbel, B.; Hasenfuss, A.; Hammer, B. (2010): Visualizing Dissimilarity Data Using Generative Topographic Mapping. In: Rüdiger Dillmann; Jürgen Beyerer; Uwe D. Hanebeck; Tanja Schultz (Hrsg.): KI 2010: Advances in Artificial Intelligence. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 227-237.
    PUB | DOI
     
  • [218]
    2010 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982116
    Villmann, T.; Haase, S.; Schleif, F. - M.; Hammer, B.; Biehl, M. (2010): The Mathematics of Divergence Based Online Learning in Vector Quantization. In: Friedhelm Schwenker; Neamat El Gayar (Hrsg.): Artificial Neural Networks in Pattern Recognition. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 108-119.
    PUB | DOI
     
  • [217]
    2010 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982115
    Arnonkijpanich, B.; Hammer, B. (2010): Global Coordination Based on Matrix Neural Gas for Dynamic Texture Synthesis. In: Friedhelm Schwenker; Neamat El Gayar (Hrsg.): Artificial Neural Networks in Pattern Recognition. 4th IAPR TC3 Workshop, ANNPR 2010, Cairo, Egypt, April 11-13, 2010. Proceedings. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 84-95.
    PUB | DOI
     
  • [216]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982114
    Haupt, A.; Wolf, F.; Bohn, C.; Hammer, B. (2010): Automated generation of classifier based monitoring functions and its application to automotive steering control IFAC Proceedings Volumes,43:(7): 721-726.
    PUB | DOI
     
  • [215]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276543
    Gisbrecht, A.; Mokbel, B.; Hammer, B. (2010): The Nystrom approximation for relational generative topographic mappings. In: NIPS workshop on challenges of Data Visualization.
    PUB
     
  • [214]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994127
    Villmann, T.; Haase, S.; Schleif, F. - M.; Hammer, B. (2010): Divergence Based Online Learning in Vector Quantization. In: Leszek Rutkowski; Rafal Scherer; Ryszard Tadeusiewicz; Lotfi Zadeh; Jacek Zurada (Hrsg.): Artificial Intelligence and Soft Computing. Lecture Notes in Computer Science, 6113. Berlin, Heidelberg: Springer. S. 479-486.
    PUB | DOI
     
  • [213]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1796018
    Arnonkijpanich, B.; Hasenfuss, A.; Hammer, B. (2010): Local matrix learning in clustering and applications for manifold visualization Neural Networks,23:(4): 476-486.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [212]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1796195
    Schneider, P.; Biehl, M.; Hammer, B. (2010): Hyperparameter learning in probabilistic prototype-based models Neurocomputing,73:(7-9): 1117-1124.
    PUB | DOI | WoS
     
  • [211]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993273
    Arnonkijpanich, B.; Hammer, B. (2010): Global Coordination based on Matrix Neural Gas for Dynamic Texture Synthesis. In: N. El Gayar; F. Schwenker (Hrsg.): ANNPR'2010. Lecture Notes in Artificial Intelligence, 5998. Springer. S. 84-95.
    PUB
     
  • [210]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993367
    Bunte, K.; Hammer, B.; Villmann, T.; Biehl, M.; Wismüller, A. (2010): Exploratory Observation Machine (XOM) with Kullback-Leibler Divergence for Dimensionality Reduction and Visualization. In: M. Verleysen (Hrsg.): ESANN'10. Proceedings of the 18th European Symposium on Artificial Neural Networks. Evere: D side. S. 87-92.
    PUB
     
  • [209]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1929672
    Witoelar, A. W.; Ghosh, A.; de Vries, J. J. G.; Hammer, B.; Biehl, M. (2010): Window-Based Example Selection in Learning Vector Quantization Neural Computing,22:(11): 2924-2961.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [208]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1796189
    Bunte, K.; Hammer, B.; Wismueller, A.; Biehl, M. (2010): Adaptive local dissimilarity measures for discriminative dimension reduction of labeled data Neurocomputing,73:(7-9): 1074-1092.
    PUB | DOI | WoS
     
  • [207]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1794373
    Hammer, B.; Hasenfuss, A. (2010): Topographic Mapping of Large Dissimilarity Data Sets Neural Computation,22:(9): 2229-2284.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [206]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1795962
    Schneider, P.; Bunte, K.; Stiekema, H.; Hammer, B.; Villmann, T.; Biehl, M. (2010): Regularization in Matrix Relevance Learning IEEE Transactions on Neural Networks,21:(5): 831-840.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [205]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993978
    Schleif, F. - M.; Villmann, T.; Hammer, B.; Schneider, P.; Biehl, M. (2010): Generalized derivative based Kernelized learning vector quantization. In: Colin Fyfe; Peter Tino; Darryl Charles; Cesar Garcia-Osorio; Hujun Yin (Hrsg.): Intelligent Data Engineering and Automated Learning – IDEAL 2010 11th International Conference, Paisley, UK, September 1-3, 2010. Proceedings. Berlin u.a.: Springer. S. 21-28.
    PUB | DOI
     
  • [204]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994034
    Simmuteit, S.; Schleif, F. - M.; Villmann, T.; Hammer, B. (2010): Evolving trees for the retrieval of mass spectrometry-based bacteria fingerprints Knowledge and Information Systems,25:(2): 327-343.
    PUB | DOI | WoS
     
  • [203]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993435
    Geweniger, T.; Zülke, D.; Hammer, B.; Villmann, T. (2010): Median fuzzy-c-means for clustering dissimilarity data Neurocomputing,73:(7-9): 1109-1116.
    PUB | DOI | WoS
     
  • [202]
    2010 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993466
    Gori, M.; Hammer, B.; Hitzler, P.; Palm, G. (2010): Perspectives and challenges for recurrent neural network training Logic Journal of the IGPL,18:(5): 617-619.
    PUB | DOI | WoS
     
  • [201]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993536
    Hammer, B.; Hasenfuss, A. (2010): Clustering very large dissimilarity data sets. In: Friedhelm Schwenker; Neamat El Gayar (Hrsg.): Artificial Neural Networks in Pattern Recognition (ANNPR 2010). Proceedings. Berlin: Springer. (Lecture Notes in Artificial Intelligence, 5998). S. 259-273.
    PUB | DOI
     
  • [200]
    2010 | Konferenzband | Veröffentlicht | PUB-ID: 2276535
    Barbara Hammer; P. Hitzler; W. Maass; M. Toussaint (Hrsg.) (2010): Learning paradigms in dynamic environments, 25.07.10-30.07.20. Internationales Begegnungs- und Forschungszentrum fuer Informatik (IBFI), Schloss Dagstuhl, Germany.
    PUB
     
  • [199]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2276547
    Mokbel, B.; Gisbrecht, A.; Hammer, B. (2010): On the effect of clustering on quality assessment measures for dimensionality reduction. In: NIPS workshop on Challenges of Data Visualization.
    PUB
     
  • [198]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993448
    Gisbrecht, A.; Hammer, B. (2010): Relevance learning in generative topographic maps. In: M. Verleysen (Hrsg.): ESANN'10. Evere: D side. S. 387-392.
    PUB
     
  • [197]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993452
    Gisbrecht, A.; Mokbel, B.; Hammer, B. (2010): Relational Generative Topographic Map. In: M. Verleysen (Hrsg.): ESANN'10. Evere: D side. S. 277-282.
    PUB
     
  • [196]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993457
    Gisbrecht, A.; Mokbel, B.; Hasenfuss, A.; Hammer, B. (2010): Visualizing Dissimilarity Data using generative topographic mapping. In: R Dillmann; J Beyerer; U.D. Hanebeck; T. Schulz (Hrsg.): KI'2010. S. 227-237.
    PUB
     
  • [195]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994138
    Villmann, T.; Haase, S.; Schleif, F. - M.; Hammer, B.; Biehl, M. (2010): The Mathematics of Divergence Based Online Learning in Vector Quanitzation. In: N. El Gayar; F. Schwenker (Hrsg.): ANNPR'2010. Berlin, Heidelberg: Springer. S. 108-119.
    PUB
     
  • [194]
    2010 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994227
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2010): Sparse representation of data. In: M. Verleysen (Hrsg.): ESANN'10. D side. S. 225-234.
    PUB
     
  • [193]
    2009 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982118
    Villmann, T.; Hammer, B. (2009): Functional Principal Component Learning Using Oja’s Method and Sobolev Norms. In: José C. Príncipe; Risto Miikkulainen (Hrsg.): Advances in Self-Organizing Maps. 7th International Workshop, WSOM 2009, St. Augustine, FL, USA, June 8-10, 2009. Proceedings. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 325-333.
    PUB | DOI
     
  • [192]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993679
    Hammer, B.; Schrauwen, B.; Steil, J. J. (2009): Recent advances in efficient learning of recurrent networks. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. Brugge: d-facto. S. 213-226.
    PUB
     
  • [191]
    2009 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993984
    Schleif, F. - M.; Villmann, T.; Kostrzewa, M.; Hammer, B.; Gammerman, A. (2009): Cancer Informatics by Prototype-networks in Mass Spectrometry Artificial Intelligence in Medicine,45:(2-3): 215-228.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [190]
    2009 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1994160
    Villmann, T.; Hammer, B.; Biehl, M. (2009): Some theoretical aspects of the neural gas vector quantizer. In: M. Biehl; B. Hammer; M. Verleysen; T. Villmann (Hrsg.): Similarity Based Clustering. Berlin, Heidelberg: Springer. (Lecture Notes Artificial Intelligence, 5400, ). S. 23-34.
    PUB | DOI
     
  • [189]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994305
    Witolaer, A.; Biehl, M.; Hammer, B. (2009): Equilibrium properties of offline LVQ. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. d-side publications. S. 535-540.
    PUB
     
  • [188]
    2009 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993326
    Biehl, M.; Hammer, B.; Schneider, P.; Villmann, T. (2009): Metric learning for prototype based classification. In: M. Bianchini; M. Maggini; F. Scarselli (Hrsg.): Innovations in Neural Information – Paradigms and Applications. Berlin: Springer. (Studies in Computational Intelligence, 247, ). S. 183-199.
    PUB | DOI
     
  • [187]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993422
    Geweniger, T.; Zühlke, D.; Hammer, B.; Villmann, T. (2009): Fuzzy variant of affinity propagation in comparison to median fuzzy c-means. In: J.C. Principe; R. Miikkulainen (Hrsg.): Advances in Self-Organizing Maps. S. 72-79.
    PUB | DOI
     
  • [186]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993994
    Schneider, P.; Biehl, M.; Hammer, B. (2009): Hyperparameter Learning in robust soft LVQ. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. d-side publications. S. 517-522.
    PUB
     
  • [185]
    2009 | Konferenzband | Veröffentlicht | PUB-ID: 1994310
    M. Biehl; Barbara Hammer; S. Hochreiter; S.C. Kremer; T. Villmann (Hrsg.) (2009): Similarity-based learning on structures. Internationales Begegnungs- und Forschungszentrum fuer Informatik (IBFI), Schloss Dagstuhl, Germany.
    PUB
     
  • [184]
    2009 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994008
    Schneider, P.; Biehl, M.; Hammer, B. (2009): Distance learning in discriminative vector quantization Neural Computation,21:(10): 2942-2969.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [183]
    2009 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993269
    Alex, N.; Hasenfuss, A.; Hammer, B. (2009): Patch Clustering for Massive Data Sets Neurocomputing,72:(7-9): 1455-1469.
    PUB | DOI | WoS
     
  • [182]
    2009 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993555
    Hammer, B.; Hasenfuss, A.; Rossi, F. (2009): Median topographic maps for biological data sets. In: M. Biehl; B. Hammer; M. Verleysen; T. Villmann (Hrsg.): Similarity Based Clustering. Berlin, Heidelberg: Springer. (Lecture Notes Artificial Intelligence, 5400, ). S. 92-117.
    PUB | DOI
     
  • [181]
    2009 | Report | Veröffentlicht | PUB-ID: 1993316
    Biehl, M.; Hammer, B.; Schleif, F. - M.; Schneider, P.; Villmann, T. (2009): Stationarity of Matrix Relevance Learning Vector Quantization. Leipzig: Universität Leipzig.
    PUB
     
  • [180]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993361
    Bunte, K.; Hammer, B.; Biehl, M. (2009): Nonlinear dimension reduction and visualization of labeled data. In: X. Jiang; N. Petkov (Hrsg.): International Conference on Computer Analysis of Images and Patterns. Berlin: Springer. (Lecture Notes in Computer Science, 5702, 5702). S. 1162-1170.
    PUB | DOI
     
  • [179]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993429
    Geweniger, T.; Zühlke, D.; Hammer, B.; Villmann, T. (2009): Median variant of fuzzy-c-means. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. Evere: d-side publications. S. 523-528.
    PUB
     
  • [178]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993835
    Mokbel, B.; Hasenfuss, A.; Hammer, B. (2009): Graph-based Representation of Symbolic Musical Data. In: Andrea Torsello; Francisco Escolano; Luc Brun; International Association for Pattern Recognition. Technical Committee on Graph Based Representations (Hrsg.): Graph-Based Representation in Pattern Recognition (GbRPR 2009). Lecture Notes in Computer Science, 5534. Berlin: Springer. (Lecture notes in computer science, 5534). S. 42-51.
    PUB | DOI
     
  • [177]
    2009 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994004
    Schneider, P.; Biehl, M.; Hammer, B. (2009): Adaptive relevance matrices in learning vector quantization Neural Computation,21:(12): 3532-3561.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [176]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993356
    Bunte, K.; Biehl, M.; Hammer, B. (2009): Nonlinear discriminative data visualization. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. Evere: d-side publications. S. 65-70.
    PUB
     
  • [175]
    2009 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994152
    Villmann, T.; Hammer, B. (2009): Functional principal component learning using Oja's method and Sobolev norms. In: J.C. Principe; R. Miikkulainen (Hrsg.): Advances in Self-Organizing Maps. S. 325-333.
    PUB
     
  • [174]
    2009 | Herausgeber*in Sammelwerk | Veröffentlicht | PUB-ID: 1994316
    Michael Biehl; Barbara Hammer; Michel Verleysen; Thomas Villmann (Hrsg.) (2009): Similarity Based Clustering. Berlin, Heidelberg: Springer.
    PUB | DOI
     
  • [173]
    2008 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982119
    Arnonkijpanich, B.; Hammer, B.; Hasenfuss, A.; Lursinsap, C. (2008): Matrix Learning for Topographic Neural Maps. In: Véra Kůrková; Roman Neruda; Jan Koutník (Hrsg.): Artificial Neural Networks - ICANN 2008. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 572-582.
    PUB | DOI
     
  • [172]
    2008 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993939
    Schleif, F. - M.; Villmann, T.; Hammer, B. (2008): Pattern Recognition by Supervised Relevance Neural Gas and its Application to Spectral Data in Bioinformatics. In: Juan Ram-n Rabu-al Dopico; Julian Dorado; Alejandro Pazos (Hrsg.): Encyclopedia of Artificial Intelligence. IGI Global. S. 1337-1342.
    PUB
     
  • [171]
    2008 | Konferenzband | Veröffentlicht | PUB-ID: 1994329
    Luc de Raedt; Barbara Hammer; Pascal Hitzler; Wolfgang Maass (Hrsg.) (2008): Recurrent Neural Networks - Models, Capacities, and Applications. Internationales Begegnungs- und Forschungszentrum fuer Informatik (IBFI).
    PUB
     
  • [170]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993282
    Arnonkijpanich, B.; Hammer, B.; Hasenfuss, A.; Lursinsap, C. (2008): Matrix Learning for Topographic Neural Maps. In: Vera Kurková; Roman Neruda; Jan Koutn'ık (Hrsg.): ICANN (1). Lecture Notes in Computer Science, 5163. Berlin: Springer. S. 572-582.
    PUB
     
  • [169]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993261
    Alex, N.; Hammer, B. (2008): Parallelizing single pass patch clustering. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. Evere, Belgium: d-side publications. S. 227-232.
    PUB
     
  • [168]
    2008 | Report | Veröffentlicht | PUB-ID: 1993278
    Arnonkijpanich, B.; Hammer, B.; Hasenfuss, A. (2008): Local Matrix Adaptation in Topographic Neural Maps. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [167]
    2008 | Report | Veröffentlicht | PUB-ID: 1993379
    Bunte, K.; Schneider, P.; Hammer, B.; Schleif, F. - M.; Villmann, T.; Biehl, M. (2008): Discriminative Visualization by Limited Rank Matrix Learning. Leipzig: Universität Leipzig.
    PUB
     
  • [166]
    2008 | Report | Veröffentlicht | PUB-ID: 1994012
    Schneider, P.; Biehl, M.; Hammer, B. (2008): Matrix Adaptation in Discriminative Vector Quantization. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [165]
    2008 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994290
    Witoelar, A.; Biehl, M.; Ghosh, A.; Hammer, B. (2008): Learning dynamics and robustness of vector quantization and neural gas Neurocomputing,71:(7-9): 1210-1219.
    PUB | DOI | WoS
     
  • [164]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993776
    Hasenfuss, A.; Boerger, W.; Hammer, B. (2008): Topographic processing of very large text datasets. In: C.H. Daglie (Hrsg.): Smart Systems Engineering: Computational Intelligence in Architecting Systes (ANNIE 2008). ASME Press. S. 525-532.
    PUB | DOI
     
  • [163]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993788
    Hasenfuss, A.; Hammer, B. (2008): Single Pass Clustering and Classification of Large Dissimilarity Datasets. In: Bhanu Prasad; Pawan Sinha; Ashwin Ram; Etienne E. Kerre (Hrsg.): Artificial Intelligence and Pattern Recognition. ISRST. S. 219-223.
    PUB
     
  • [162]
    2008 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993966
    Schleif, F. - M.; Villmann, T.; Hammer, B. (2008): Prototype based Fuzzy Classification in Clinical Proteomics International Journal of Approximate Reasoning,47:(1): 4-16.
    PUB | DOI | WoS
     
  • [161]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994072
    Strickert, M.; Schneider, P.; Keilwagen, J.; Villmann, T.; Biehl, M.; Hammer, B. (2008): Discriminatory Data Mapping by Matrix-Based Supervised Learning Metrics. In: Lionel Prevost; Simone Marinai; Friedhelm Schwenker (Hrsg.): Artificial Neural Networks in Pattern Recognition. Third IAPR Workshop. Proceedings. Berlin: Springer. (Lecture Notes in Computer Science, 5064, ). S. 78-89.
    PUB | DOI
     
  • [160]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994089
    Strickert, M.; Sreenivasulu, N.; Villmann, T.; Hammer, B. (2008): Robust Centroid-Based Clustering using Derivatives of Pearson Correlation. In: Pedro Encarnação; António Veloso (Hrsg.): BIOSIGNALS (2). INSTICC - Institute for Systems and Technologies of Information, Control and Communication. S. 197-203.
    PUB
     
  • [159]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994281
    Winkler, T.; Drieseberg, J.; Hasenfuß, A.; Hammer, B.; Hormann, K. (2008): Thinning Mesh Animations. In: O. Deussen; D. Keim; D. Saupe (Hrsg.): Proceedings of Vision, Modeling, and Visualization 2008. Konstanz, Germany: Aka. S. 149-158.
    PUB
     
  • [158]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993804
    Hasenfuss, A.; Hammer, B.; Rossi, F. (2008): Patch Relational Neural Gas - Clustering of Huge Dissimilarity Datasets. In: Lionel Prevost; Simone Marinai; Friedhelm Schwenker (Hrsg.): Artificial Neural Networks in Pattern Recognition, Third IAPR Workshop. Proceedings. Lecture Notes in Computer Science, 5064. Berlin: Springer. S. 1-12.
    PUB | DOI
     
  • [157]
    2008 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993900
    Schleif, F. - M.; Hammer, B.; Villmann, T. (2008): Analysis of Spectral Data in Clinical Proteomics by use of Learning Vector Quantizers. In: M. Van de Werff; A. Delder; R. Tollenaar (Hrsg.): Computational Intelligence in Biomedicine and Bioinformatics: Current Trends and Applications. Berlin: Springer. S. 141-167.
    PUB | DOI
     
  • [156]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993798
    Hasenfuss, A.; Hammer, B.; Geweniger, T.; Villmann, T. (2008): Magnification Control in Relational Neural Gas. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. Brussels: d-side publications. S. 325-330.
    PUB
     
  • [155]
    2008 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994253
    Villmann, T.; Schleif, F. - M.; Kostrzewa, M.; Walch, A.; Hammer, B. (2008): Classification of mass-spectrometric data in clinical proteomics using learning vector quantization methods Briefings in Bioinformatics,9:(2): 129-143.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [154]
    2008 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2017617
    Villmann, T.; Hammer, B.; Schleif, F. - M.; Hermann, W.; Cottrell, M. (2008): Fuzzy Classification Using Information Theoretic Learning Vector Quantization Neurocomputing,71:(16-18): 3070-3076.
    PUB | DOI | WoS
     
  • [153]
    2008 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2001836
    Geweniger, T.; Schleif, F. - M.; Hasenfuss, A.; Hammer, B.; Villmann, T. (2008): Comparison of cluster algorithms for the analysis of text data using Kolmogorov complexity. In: Mario Köppen; Nikola K. Kasabov; George G. Coghill (Hrsg.): ICONIP 2008. Berlin, Heidelberg: Springer. S. 61-69.
    PUB | DOI
     
  • [152]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993848 OA
    Rossi, F.; Hasenfuß, A.; Hammer, B. (2007): Accelerating Relational Clustering Algorithms With Sparse Prototype Representation. In: Proceedings of 6th International Workshop on Self-Organizing Maps (WSOM 2007). Bielefeld: Bielefeld University.
    PUB | PDF | DOI
     
  • [151]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994016 OA
    Schneider, P.; Biehl, M.; Schleif, F. - M.; Hammer, B. (2007): Advanced metric adaptation in Generalized LVQ for classification of mass spectrometry data. In: Proceedings of 6th International Workshop on Self-Organizing Maps (WSOM 2007). Bielefeld: Bielefeld University.
    PUB | PDF | DOI
     
  • [150]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994267 OA
    Villmann, T.; Schleif, F. - M.; Merenyi, E.; Strickert, M.; Hammer, B. (2007): Class imaging of hyperspectral satellite remote sensing data using FLSOM. In: Proceedings of 6th International Workshop on Self-Organizing Maps (WSOM 2007). Bielefeld: Bielefeld University.
    PUB | PDF | DOI
     
  • [149]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994295 OA
    Witoelar, A.; Biehl, M.; Hammer, B. (2007): Learning Vector Quantization: generalization ability and dynamics of competing prototypes. In: Proceedings of 6th International Workshop on Self-Organizing Maps (WSOM 2007). Bielefeld: Bielefeld University.
    PUB | PDF | DOI
     
  • [148]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993265 OA
    Alex, N.; Hammer, B.; Klawonn, F. (2007): Single pass clustering for large data sets. In: Proceedings of 6th International Workshop on Self-Organizing Maps (WSOM 2007). Bielefeld: Bielefeld University.
    PUB | PDF | DOI
     
  • [147]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993563 OA
    Hammer, B.; Hasenfuß, A.; Rossi, F.; Strickert, M. (2007): Topographic Processing of Relational Data. In: Proceedings of 6th International Workshop on Self-Organizing Maps (WSOM 2007). Bielefeld: Bielefeld University.
    PUB | PDF | DOI
     
  • [146]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993547
    Hammer, B.; Hasenfuss, A.; Schleif, F. - M.; Villmann, T.; Strickert, M.; Seiffert, U. (2007): Intuitive Clustering of Biological Data. In: Proceedings of International Joint Conference on Neural Networks. IEEE. S. 1877-1882.
    PUB | DOI
     
  • [145]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993782
    Hasenfuss, A.; Hammer, B. (2007): Relational topographic maps. In: Michael R. Berthold; John Shawe-Taylor; Nada Lavrac (Hrsg.): Advances in Intelligent Data Analysis VII, Proceedings of the 7th International Symposium on Intelligent Data Analysis. Berlin: Springer. (4723). S. 93-105.
    PUB | DOI
     
  • [144]
    2007 | Report | Veröffentlicht | PUB-ID: 1993922
    Schleif, F. - M.; Hasenfuss, A.; Hammer, B. (2007): Aggregation of multiple peak lists by use of an improved neural gas network. Leipzig: Universität Leipzig.
    PUB
     
  • [143]
    2007 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993297
    Biehl, M.; Ghosh, A.; Hammer, B. (2007): Dynamics and generalization ability of LVQ algorithms Journal of Machine Learning Research,8: 323-360.
    PUB
     
  • [142]
    2007 | Report | Veröffentlicht | PUB-ID: 1993533
    Hammer, B.; Hasenfuss, A. (2007): Relational topographic Maps. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [141]
    2007 | Report | Veröffentlicht | PUB-ID: 1993831
    Melato, M.; Hammer, B.; Hormann, K. (2007): Neural Gas for Surface Reconstruction. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [140]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993970
    Schleif, F. - M.; Villmann, T.; Hammer, B. (2007): Analysis of Proteomic Spectral Data by Multi Resolution Analysis and Self-Organizing-Maps. In: Francesco Masulli; Sushmita Mitra; Gabriella Pasi (Hrsg.): Application of Fuzzy Sets Theory. Proceedings of the 7th International Workshop on Fuzzy Logic and Applications. LNAI 4578. Berlin, Heidelberg: Springer. S. 563-570.
    PUB | DOI
     
  • [139]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993999
    Schneider, P.; Biehl, M.; Hammer, B. (2007): Relevance matrices in LVQ. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks. Brussels, Belgium: d-side publications. S. 37-42.
    PUB
     
  • [138]
    2007 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993911
    Schleif, F. - M.; Hammer, B.; Villmann, T. (2007): Margin based Active Learning for LVQ Networks Neurocomputing,70:(7-9): 1215-1224.
    PUB | DOI | WoS
     
  • [137]
    2007 | Report | Veröffentlicht | PUB-ID: 1993334
    Blazewicz, J.; Ecker, K.; Hammer, B. (2007): ICOLE-2007, German-Polish Workshop on Computational Biology, Scheduling and Machine Learning. Lessach, Austria, 27.05.-02.06.2007. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [136]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993746
    Hammer, B.; Villmann, T. (2007): How to process uncertainty in machine learning. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks (ESANN'2007). Brussels, Belgium: d-side publications. S. 79-90.
    PUB
     
  • [135]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993811
    Hasenfuss, A.; Hammer, B.; Schleif, F. - M.; Villmann, T. (2007): Neural gas clustering for dissimilarity data with continuous prototypes. In: F. Sandoval; A. Prieto; J. Cabestany; M. Grana (Hrsg.): Computational and Ambient Intelligence – Proceedings of the 9th Work-conference on Artificial Neural Networks. LNCS 4507. Berlin: Springer. S. 539-546.
    PUB | DOI
     
  • [134]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994299
    Witolaer, A.; Biehl, M.; Ghosh, A.; Hammer, B. (2007): On the dynamics of vector quantization and neural gas. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks (ESANN'2007). Brussels, Belgium: d-side publications. S. 127-132.
    PUB
     
  • [133]
    2007 | Konferenzband | Veröffentlicht | PUB-ID: 1994321
    Michael Biehl; Barbara Hammer; Michel Verleysen; Thomas Villmann (Hrsg.) (2007): Similarity-based Clustering and its Application to Medicine and Biology. Internationales Begegnungs- und Forschungszentrum fuer Informatik (IBFI).
    PUB
     
  • [132]
    2007 | Herausgeber*in Sammelwerk | Veröffentlicht | PUB-ID: 1994326
    Barbara Hammer; P. Hitzler (Hrsg.) (2007): Perspectives of Neural-Symbolic Integration. Berlin: Springer.
    PUB | DOI
     
  • [131]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993541
    Hammer, B.; Hasenfuss, A. (2007): Relational Neural Gas. In: J. Hertzberg; M. Beetz; R. Englert (Hrsg.): KI 2007: Advances in Artificial Intelligence. Lecture Notes in Artificial Intelligence, 4667. Berlin: Springer. S. 190-204.
    PUB | DOI
     
  • [130]
    2007 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993616
    Hammer, B.; Hasenfuss, A.; Villmann, T. (2007): Magnification control for batch neural gas Neurocomputing,70:(7-9): 1225-1234.
    PUB | DOI | WoS
     
  • [129]
    2007 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993630
    Hammer, B.; Micheli, A.; Sperduti, A. (2007): Adaptive Contextual Processing of Structured Data by Recursive Neural Networks: A Survey of Computational Properties. In: B. Hammer; P. Hitzler (Hrsg.): Perspectives of Neural-Symbolic Integration. Berlin: Springer. (Studies in computational Intelligence, 77, ). S. 67-94.
    PUB | DOI
     
  • [128]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993820
    Hasenfuss, A.; Hammer, B.; Schleif, F. - M.; Villmann, T. (2007): Neural gas clustering for sparse proximity data. In: Francisco Sandoval; Alberto Prieto; Joan Cabestany; Manuel Grana (Hrsg.): Proceedings of the 9th International Work-Conference on Artificial Neural Networks.LNCS 4507. Berlin, Heidelberg, Germany: Springer. S. 539-546.
    PUB
     
  • [127]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993907
    Schleif, F. - M.; Hammer, B.; Villmann, T. (2007): Supervised Neural Gas for Functional Data and its Application to the Analysis of Clinical Proteom Spectra. In: F. Sandoval; A. Prieto; J. Cabestany; M. Grana (Hrsg.): Computational and Ambient Intelligence. Proceedings of the 9th International Work-Conference on Artificial Neural Networks. LNCS, 4507. Berlin, Heidelberg: Springer. S. 1036-1044.
    PUB | DOI
     
  • [126]
    2007 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1994102
    Tino, P.; Hammer, B.; Boden, M. (2007): Markovian Bias of Neural-based Architectures With Feedback Connections. In: B. Hammer; P. Hitzler (Hrsg.): Perspectives of Neural-Symbolic Integration. Berlin: Springer. (Studies in computational Intelligence, 77, ). S. 95-134.
    PUB | DOI
     
  • [125]
    2007 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994258
    Villmann, T.; Schleif, F. - M.; Merenyi, E.; Hammer, B. (2007): Fuzzy Labeled Self Organizing Map for Clasification of Spectra. In: F. Sandoval; A. Prieto; J. Cabestany; M. Grana (Hrsg.): Computational and Ambient Intelligence. Proceedings of the 9th Work-conference on Artificial Neural Networks. LNCS, 4507. Berlin: Springer. S. 556-563.
    PUB | DOI
     
  • [124]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993578
    Hammer, B.; Hasenfuss, A.; Schleif, F. - M.; Villmann, T. (2006): Supervised Batch Neural Gas. In: F. Schwenker (Hrsg.): Proceedings of Conference Artificial Neural Networks in Pattern Recognition (ANNPR). Berlin: Springer Verlag. S. 33-45.
    PUB | DOI
     
  • [123]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993895
    Schleif, F. - M.; Hammer, B.; Villmann, T. (2006): Margin based Active Learning for LVQ Networks. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks. Brussels, Belgium: d-side publications. S. 539-544.
    PUB
     
  • [122]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994184
    Villmann, T.; Hammer, B.; Schleif, F. - M.; Geweniger, T.; Fischer, T.; Cottrell, M. (2006): Prototype based classification using information theoretic learning. In: Irwin King; Jun Wang; Laiwan Chan; DeLiang L. Wang (Hrsg.): Neural Information Processing, 13th International Conference. Proceedings. Berlin: Springer. (Lecture Notes in Computer Science, 4233, Part II). S. 40-49.
    PUB
     
  • [121]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994273
    Villmann, T.; Seiffert, U.; Schleif, F. - M.; Brüß, C.; Geweniger, T.; Hammer, B. (2006): Fuzzy Labeled Self-Organizing Map with Label-Adjusted Prototypes. In: F. Schwenker (Hrsg.): Proceedings of Conference Artificial Neural Networks in Pattern Recognition. Berlin: Springer. S. 46-56.
    PUB | DOI
     
  • [120]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993889
    Schleif, F. - M.; Elssner, T.; Kostrzewa, M.; Villmann, T.; Hammer, B. (2006): Machine Learning and Soft-Computing in Bioinformatics. A Short Journey. In: Proc. of FLINS 2006. World Scientific Press. S. 541-548.
    PUB
     
  • [119]
    2006 | Report | Veröffentlicht | PUB-ID: 1993322
    Biehl, M.; Hammer, B.; Schneider, P. (2006): Matrix Learning in Learning Vector Quantization. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [118]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993391
    Cottrell, M.; Hammer, B.; Hasenfuss, A.; Villmann, T. (2006): Batch and Median Neural Gas Neural Networks,19:(6-7): 762-771.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [117]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993568
    Hammer, B.; Hasenfuss, A.; Schleif, F. - M.; Villmann, T. (2006): Supervised median neural gas. In: C. Dagli; A. Buczak; D. Enke; A. Embrechts; O. Ersoy (Hrsg.): Smart Engineering System Design. Intelligent Engineering Systems Through Artificial Neural Networks, 16. ASME Press. S. 623-633.
    PUB
     
  • [116]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993594
    Hammer, B.; Hasenfuss, A.; Schleif, F. - M.; Villmann, T. (2006): Supervised median clustering. In: Cihan H. Dagli (Hrsg.): Smart systems engineering : infra-structure systems engineering, bio-informatics and computational biology and evolutionary computation : proceedings of the Artificial Neural Networks in Engineering Conference (ANNIE 2006). New York, NY: ASME Press. (ASME Press series on intelligent engineering systems through artificial neural networks, 16, ). S. 623-632.
    PUB
     
  • [115]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993878
    Schleif, F. - M.; Elssner, T.; Kostrzewa, M.; Villmann, T.; Hammer, B. (2006): Analysis and Visualization of Proteomic Data by Fuzzy labeled Self-Organizing Maps. In: D.J. Lee; B. Nutter; S. Antani; S. Mitra; J. Archibald (Hrsg.): 19th IEEE International Symposium on Computer- based Medical Systems. Los Alamitos: IEEE Computer Society Press. S. 919-924.
    PUB | DOI
     
  • [114]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994028
    Seiffert, U.; Hammer, B.; Kaski, S.; Villmann, T. (2006): Neural Networks and Machine Learning in Bioinformatics - Theory and Applications. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks. Brussels, Belgium: d-side publications. S. 521-532.
    PUB
     
  • [113]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994201
    Villmann, T.; Hammer, B.; Seiffert, U. (2006): Perspectives of Self-adapted Self-organizing Clustering in Organic Computing. In: Auke Jan Ijspeert; Toshimitsu Masuzawa; Shinji Kusumoto (Hrsg.): Biologically Inspired Approaches to Advanced Information Technology, Second International Workshop. Proceedings. Lecture Notes in Computer Science, 3853. Berlin: Springer. S. 141-159.
    PUB | DOI
     
  • [112]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994237
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2006): Comparison of relevance learning vector quantization with other metric adaptive classification methods Neural Networks,19:(5): 610-622.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [111]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993301
    Biehl, M.; Ghosh, A.; Hammer, B. (2006): Learning vector quantization: The dynamics of winner-takes-all algorithms Neurocomputing,69:(7-9): 660-670.
    PUB | DOI | WoS
     
  • [110]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993440
    Ghosh, A.; Biehl, M.; Hammer, B. (2006): Performance analysis of LVQ algorithms: a statistical physics approach Neural Networks,19:(6-7): 817-829.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [109]
    2006 | Report | Veröffentlicht | PUB-ID: 1993584
    Hammer, B.; Hasenfuss, A.; Schleif, F. - M.; Villmann, T. (2006): Supervised median clustering. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [108]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993611
    Hammer, B.; Hasenfuss, A.; Villmann, T. (2006): Magnification Control for Batch Neural Gas. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks. Brussels: d-side publications. S. 7-12.
    PUB
     
  • [107]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993659
    Hammer, B.; Neubauer, N. (2006): On the capacity of unsupervised recursive neural networks for symbol processing. In: Artur d'Avila Garcez; Pascal Hitzler; Guglielmo Tamburrini (Hrsg.): Workshop proceedings of NeSy'06.
    PUB
     
  • [106]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993762
    Hammer, B.; Villmann, T. (2006): Effizient Klassifizieren und Clustern: Lernparadigmen von Vektorquantisierern Künstliche Intelligenz,3:(6): 5-11.
    PUB
     
  • [105]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994082
    Strickert, M.; Seiffert, U.; Sreenivasulu, N.; Weschke, W.; Villmann, T.; Hammer, B. (2006): Generalized relevance LVQ (GRLVQ) with correlation measures for gene expression analysis Neurocomputing,69:(7-9): 651-659.
    PUB | DOI | WoS
     
  • [104]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994195
    Villmann, T.; Hammer, B.; Schleif, F. - M.; Geweniger, T.; Herrmann, W. (2006): Fuzzy Classification by Fuzzy Labeled Neural Gas Neural Networks,19:(6-7): 772-779.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [103]
    2006 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994241
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2006): Prototype-based fuzzy classification with local relevance for proteomics Neurocomputing,69:(16-18): 2425-2428.
    PUB | DOI | WoS
     
  • [102]
    2006 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2017225
    Hammer, B.; Villmann, T.; Schleif, F. - M.; Albani, C.; Hermann, W. (2006): Learning vector quantization classification with local relevance determination for medical data. In: L. Rutkowski; R. Tadeusiewicz; L.A. Zadeh; J. Zurada (Hrsg.): Artificial Intelligence and Soft-Computing - Proceedings of ICAISC 2006. LNAI, 4029. Berlin, Heidelberg: Springer. (Lecture notes in computer science ; 4029 : Lecture notes in artificial intelligence, 4029). S. 603-612.
    PUB | DOI
     
  • [101]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982120
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2005): Fuzzy Labeled Soft Nearest Neighbor Classification with Relevance Learning. In: Fourth International Conference on Machine Learning and Applications (ICMLA'05). IEEE. S. 11-15.
    PUB | DOI
     
  • [100]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993624
    Hammer, B.; Micheli, A.; Neubauer, N.; Sperduti, A.; Strickert, M. (2005): Self Organizing Maps for Time Series. In: Proceedings of WSOM 2005. S. 115-122.
    PUB
     
  • [99]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994057
    Strickert, M.; Hammer, B. (2005): Merge SOM for temporal data Neurocomputing,64: 39-71.
    PUB | DOI | WoS
     
  • [98]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994172
    Villmann, T.; Hammer, B.; Schleif, F. - M.; Geweniger, T. (2005): Fuzzy Labeled Neural GAS for Fuzzy Classification. In: Marie Cottrell (Hrsg.): Proceedings of the 5th Workshop on Self-Organizing Maps [on CD-ROM]. Paris, France: University Paris-1-Pantheon-Sorbonne. S. 283-290.
    PUB
     
  • [97]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993305
    Biehl, M.; Gosh, A.; Hammer, B. (2005): The dynamics of Learning Vector Quantization. In: M. Verleysen (Hrsg.): ESANN'05. Evere: d-side publishing. S. 13-18.
    PUB
     
  • [96]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993386
    Cottrell, M.; Hammer, B.; Hasenfuss, A.; Villmann, T. (2005): Batch NG. In: Proceedings of WSOM 2005. S. 275-282.
    PUB
     
  • [95]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993406
    DasGupta, B.; Hammer, B. (2005): On approximate learning by multi-layered feedforward circuits Theoretical Computer Science,348:(1): 95-127.
    PUB | DOI | WoS
     
  • [94]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993444
    Ghosh, A.; Biehl, M.; Hammer, B. (2005): Dynamical Analysis of LVQ type learning rules. In: Proceedings of WSOM. S. 578-594.
    PUB
     
  • [93]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993641
    Hammer, B.; Micheli, A.; Sperduti, A. (2005): Universal approximation capability of cascade correlation for structures Neural Computation,17:(5): 1109-1159.
    PUB | DOI | WoS
     
  • [92]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993665
    Hammer, B.; Rechtien, A.; Strickert, M.; Villmann, V. (2005): Relevance learning for mental disease classification. In: M. Verleysen (Hrsg.): ESANN'05. d-side publishing. S. 139-144.
    PUB
     
  • [91]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994118
    Tluk von Toschanowitz, K.; Hammer, B.; Ritter, H. (2005): Relevance determination in reinforcement learning. In: M. Verleysen (Hrsg.): ESANN'05. d-side publishing. S. 369-374.
    PUB
     
  • [90]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994219
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2005): Fuzzy Classification for Classification of Mass Spectrometric Data Based on Learning Vector Quantization. In: International Workshop on Integrative Bioinformatics.
    PUB
     
  • [89]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993396
    Cottrell, M.; Hammer, B.; Villmann, T. (2005): New Aspects in Neurocomputing. Neurocomputing,63: 1-3.
    PUB | DOI | WoS
     
  • [88]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993416
    Gersmann, K.; Hammer, B. (2005): Improving iterative repair strategies for scheduling with the SVM Neurocomputing,63: 271-292.
    PUB | DOI | WoS
     
  • [87]
    2005 | Report | Veröffentlicht | PUB-ID: 1993675
    Hammer, B.; Schleif, F. - M.; Villmann, T. (2005): On the Generalization Ability of Prototype-Based Classifiers with Local Relevance Determination. Clausthal-Zellerfeld: Clausthal University of Technology.
    PUB
     
  • [86]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993721
    Hammer, B.; Strickert, M.; Villmann, T. (2005): Supervised neural gas with general similarity measure Neural Processing Letters,21:(1): 21-44.
    PUB | DOI | WoS
     
  • [85]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993671
    Hammer, B.; Saunders, C.; Sperduti, A. (2005): Special issue on neural networks and kernel methods for structured domains Neural Networks,18:(8): 1015-1018.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [84]
    2005 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993710
    Hammer, B.; Strickert, M.; Villmann, T. (2005): Prototype based recognition of splice sites. In: U. Seiffert; L.C. Jain; P. Schweitzer (Hrsg.): Bioinformatics using computational intelligence paradigms. Berlin: Springer. S. 25-55.
    PUB
     
  • [83]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993974
    Schleif, F. - M.; Villmann, T.; Hammer, B. (2005): Local Metric Adaptation for Soft Nearest Prototype Classification to Classify Proteomic Data. In: Isabelle Bloch; Alfredo Petrosino; Andrea G.B. Tettamanzi (Hrsg.): Proceedings of the 6th Workshop on Fuzzy Logic and Applications. Berlin, Heidelberg: Springer. S. 290-296.
    PUB | DOI
     
  • [82]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994249
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2005): Fuzzy labeled soft nearest neighbor classification with relevance learning. In: M. Arif Wani; Krzysztof J. Cios; Khalid Hafeez (Hrsg.): Proceedings of the International Conference of Machine Learning Applications. Los Angeles: IEEE Press. S. 11-15.
    PUB
     
  • [81]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993717
    Hammer, B.; Strickert, M.; Villmann, T. (2005): On the generalization ability of GRLVQ networks Neural Processing Letters,21:(2): 109-120.
    PUB | DOI | WoS
     
  • [80]
    2005 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993750
    Hammer, B.; Villmann, T. (2005): Classification using non standard metrics. In: M. Verleysen (Hrsg.): ESANN'05. Brussels: d-side publishing. S. 303-316.
    PUB
     
  • [79]
    2005 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994063
    Strickert, M.; Hammer, B.; Blohm, S. (2005): Unsupervised recursive sequences processing Neurocomputing,63: 69-97.
    PUB | DOI | WoS
     
  • [78]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982121
    Gersmann, K.; Hammer, B. (2004): A reinforcement learning algorithm to improve scheduling search heuristics with the SVM. In: 2004 IEEE International Joint Conference on Neural Networks (IEEE Cat. No.04CH37541). IEEE. (3). S. 1811-1816.
    PUB | DOI
     
  • [77]
    2004 | Report | Veröffentlicht | PUB-ID: 1993732
    Hammer, B.; Tino, P.; Micheli, A. (2004): A mathematical characterization of the architectural bias of recursive models. Osnabrück: Universität Osnabrück.
    PUB
     
  • [76]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994168
    Villmann, T.; Hammer, B.; Schleif, F. - M. (2004): Metrik Adaptation for Optimal Feature Classification in Learning Vector Quantization Applied to Environment Detection. In: H.-M. Groß; K. Debes; H.-J. Böhme (Hrsg.): Proceedings of Selbstorganisation Von Adaptivem Verfahren. Fortschritts-Berichte VDI Reihe 10, Nr. 742. VDI Verlag. S. 592-597.
    PUB
     
  • [75]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994111
    Tluk von Toschanowitz, K.; Hammer, B.; Ritter, H. (2004): Mapping the Design Space of Reinforcement Learning Problems - a Case Study. In: H.-M. Gross; K. Debes; H.-J. Böhme (Hrsg.): SOAVE 2004, 3rd Workshop on SelfOrganization of AdaptiVE Behavior. VDI Verlag. S. 251-261.
    PUB
     
  • [74]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994212
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2004): Metric adaptation for optimal feature classification in learning vector quantization applied to environment detection. In: H.-M. Groß; K. Debes; H.-J. Böhme (Hrsg.): SOAVE 2004, 3rd Workshop on SelfOrganization of AdaptiVE Behavior. VDI Verlag.
    PUB
     
  • [73]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993620
    Hammer, B.; Jain, B. J. (2004): Neural methods for non-standard data. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks'2004. D-side publications. S. 281-292.
    PUB
     
  • [72]
    2004 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993649
    Hammer, B.; Micheli, A.; Sperduti, A.; Strickert, M. (2004): Recursive self-organizing network models Neural Networks,17:(8-9): 1061-1085.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [71]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993702
    Hammer, B.; Strickert, M.; Villmann, T. (2004): Relevance LVQ versus SVM. In: L. Rutkowski; J. Siekmann; R. Tadeusiewicz; L.A. Zadeh (Hrsg.): Artificial Intelligence and Softcomputing, Lecture Notes in Artificial Intelligence, 3070. Berlin: Springer. S. 592-597.
    PUB
     
  • [70]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993419
    Gersmann, K.; Hammer, B. (2004): A reinforcement learning algorithm to improve scheduling search heuristics with the SVM. In: IJCNN.
    PUB
     
  • [69]
    2004 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993654
    Hammer, B.; Micheli, A.; Sperduti, A.; Strickert, M. (2004): A general framework for unsupervised processing of structured data Neurocomputing,57: 3-35.
    PUB | DOI | WoS
     
  • [68]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993870
    Schleif, F. - M.; Clauss, U.; Villmann, T.; Hammer, B. (2004): Supervised Relevance Neural Gas and Unified Maximum Separability Analysis for Classification of Mass Spectrometric Data. In: M. Arif Wani; Krzysztof J. Cios; Khalid Hafeez (Hrsg.): Proceedings of the 3rd International Conference on Machine Learning and Applications (ICMLA) 2004. Los Alamitos, CA, USA: IEEE Press. S. 374-379.
    PUB
     
  • [67]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994049
    Strickert, M.; Hammer, B. (2004): Self-organizing context learning. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. D-side publications. S. 39-44.
    PUB
     
  • [66]
    2004 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994099
    Tino, P.; Hammer, B. (2004): On early stages of learning in connectionist models with feedback connections. In: Compositional Connectionism in Cognitive Science.
    PUB
     
  • [65]
    2003 | Preprint | PUB-ID: 2999891 OA
    Hammer, B. (2003): Mathematical Aspects of Neural Netorks (Habilitation) Habilitationsschrift (kumulativ)
    PUB | PDF
     
  • [64]
    2003 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982124
    Hammer, B.; Tiňo, P. (2003): Recurrent Neural Networks with Small Weights Implement Definite Memory Machines Neural Computation,15:(8): 1897-1929.
    PUB | DOI
     
  • [63]
    2003 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982123
    Villmann, T.; Merényi, E.; Hammer, B. (2003): Neural maps in remote sensing image analysis Neural Networks,16:(3-4): 389-403.
    PUB | DOI
     
  • [62]
    2003 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982122
    Tiňo, P.; Hammer, B. (2003): Architectural Bias in Recurrent Neural Networks: Fractal Analysis Neural Computation,15:(8): 1931-1957.
    PUB | DOI
     
  • [61]
    2003 | Report | Veröffentlicht | PUB-ID: 1993725
    Hammer, B.; Strickert, M.; Villmann, T. (2003): On the generalization ability of GRLVQ. Osnabrück: Universität Osnabrück.
    PUB
     
  • [60]
    2003 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994108
    Tiño, P.; Hammer, B. (2003): Architectural Bias in Recurrent Neural Networks: Fractal Analysis Neural Computation,15:(8): 1931-1957.
    PUB
     
  • [59]
    2003 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994223
    Villmann, T.; Schleif, F. - M.; Hammer, B. (2003): Supervised Neural Gas and Relevance Learning in Learning Vector Quantization. In: Takeshi Yamakawa (Hrsg.): Proceedings of the 4th Workshop on Self Organizing Maps [on CD-ROM]. Hibikino, Kitakyushu, Japan: Kyushu Institute of Technology. S. 47-52.
    PUB
     
  • [58]
    2003 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993338
    Bojer, T.; Hammer, B.; Koeers, C. (2003): Monitoring technical systems with prototype based clustering. In: Michel Verleysen (Hrsg.): ESANN 2003, 10th European Symposium on Artificial Neural Network. Proceedings. Evere: D-side publication. S. 433-439.
    PUB
     
  • [57]
    2003 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993530
    Hammer, B.; Gersmann, K. (2003): A Note on the Universal Approximation Capability of Support Vector Machines Neural Processing Letters,17:(1): 43-53.
    PUB
     
  • [56]
    2003 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993487
    Hammer, B. (2003): Perspectives on learning symbolic data with connectionistic systems. In: R. Kühn; R. Menzel; W. Menzel; U. Ratsch; M.M. Richter; I. Stamatescu (Hrsg.): Adaptivity and Learning. Berlin: Springer. S. 141-160.
    PUB
     
  • [55]
    2003 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993754
    Hammer, B.; Villmann, T. (2003): Mathematical Aspects of Neural Networks. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks (ESANN'2003). Brussels, Belgium: d-side. S. 59-72.
    PUB
     
  • [54]
    2003 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994053
    Strickert, M.; Hammer, B. (2003): Unsupervised recursive sequence processing. In: Michel Verleysen (Hrsg.): 10th European Symposium on Artificial Neural Networks. Proceedings. D-side publication. S. 27-32.
    PUB
     
  • [53]
    2003 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994060
    Strickert, M.; Hammer, B. (2003): Neural Gas for Sequences. In: WSOM'03. S. 53-57.
    PUB
     
  • [52]
    2003 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993412
    Gersmann, K.; Hammer, B. (2003): Improving iterative repair strategies for scheduling with the SVM. In: Michel Verleysen (Hrsg.): ESANN 2003, 10th European Symposium on Artificial Neural Networks. Proceedings. Evere: D-side publication. S. 235-240.
    PUB
     
  • [51]
    2003 | Report | Veröffentlicht | PUB-ID: 1993645
    Hammer, B.; Micheli, a.; Sperduti, A. (2003): A general framework for self-organizing structure processing neural networks. Pisa: Universita di Pisa, Dipartimento die Informatica.
    PUB
     
  • [50]
    2003 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993349
    Bojer, T.; Hammer, B.; Strickert, M.; Villmann, T. (2003): Determining Relevant Input Dimensions for the Self-Organizing Map. In: L. Rutkowski; J. Kacprzyk (Hrsg.): Neural Networks and Soft Computing (Proc. ICNNSC 2002). Physica-Verlag. S. 388-393.
    PUB
     
  • [49]
    2003 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993736
    Hammer, B.; Tiño, P. (2003): Recurrent Neural Networks with Small Weights Implement Definite Memory Machines Neural Computation,15:(8): 1897-1929.
    PUB
     
  • [48]
    2003 | Report | Veröffentlicht | PUB-ID: 1994157
    Villmann, T.; Hammer, B. (2003): Metric adaptation and relevance learning in learning vector quantization. Osnabrück: Universität Osnabrück.
    PUB
     
  • [47]
    2003 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994208
    Villmann, T.; Merényi, E.; Hammer, B. (2003): Neural maps in remote sensing image analysis Neural Networks,16:(3-4): 389-403.
    PUB
     
  • [46]
    2002 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982126
    Hammer, B. (2002): Recurrent networks for structured data – A unifying approach and its properties Cognitive Systems Research,3:(2): 145-165.
    PUB | DOI
     
  • [45]
    2002 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982125
    Hammer, B.; Villmann, T. (2002): Generalized relevance learning vector quantization Neural Networks,15:(8-9): 1059-1068.
    PUB | DOI
     
  • [44]
    2002 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993636
    Hammer, B.; Micheli, A.; Sperduti, A. (2002): A general framework for unsupervised processing of structured data. In: Michel Verleysen (Hrsg.): ESANN 2002, 10th European Symposium on Artificial Neural Network. Proceedings. De-side publication. S. 389-394.
    PUB
     
  • [43]
    2002 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994095
    Tino, P.; Hammer, B. (2002): Architectural bias in recurrent neural networks – fractal analysis. In: J.R. Dorronsoro (Hrsg.): Proc. International Conf. on Artificial Neural Networks. Lecture Notes in Computer Science, 2415. Berlin: Springer. S. 370-376.
    PUB
     
  • [42]
    2002 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994146
    Villmann, T.; Hammer, B. (2002): Supervised Neural Gas for Learning Vector Quantization. In: D. Polani; J. Kim; T. Martinetz (Hrsg.): Proc. of the 5th German Workshop on Artificial Life. Berlin: Akademische Verlagsgesellschaft - infix - IOS Press. S. 9-16.
    PUB
     
  • [41]
    2002 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993688
    Hammer, B.; Steil, J. J. (2002): Perspectives on Learning with Recurrent Neural Networks. In: Michel Verleysen (Hrsg.): Proc. European Symposium Artificial Neural Networks. D-side publication. S. 357-368.
    PUB
     
  • [40]
    2002 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993758
    Hammer, B.; Villmann, T. (2002): Batch-GRLVQ. In: M. Verleysen (Hrsg.): Proc. Of European Symposium on Artificial Neural Networks (ESANN'2002). Brussels, Belgium: d-side. S. 295-300.
    PUB
     
  • [39]
    2002 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993765
    Hammer, B.; Villmann, T. (2002): Generalized Relevance Learning Vector Quantization Neural Networks,15:(8-9): 1059-1068.
    PUB
     
  • [38]
    2002 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 1993471
    Hammer, B. (2002): Compositionality in Neural Systems. In: M. Arbib (Hrsg.): Handbook of Brain Theory and Neural Networks. 2nd. MIT Press. S. 244-248.
    PUB
     
  • [37]
    2002 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993508
    Hammer, B. (2002): Recurrent neural networks for structured data – a unifying approach and its properties Cognitive Systems Research,3:(2): 145-165.
    PUB
     
  • [36]
    2002 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993692
    Hammer, B.; Strickert, M.; Villmann, T. (2002): Learning Vector Quantization for Multimodal Data. In: J.R. Dorronsoro (Hrsg.): Proc. International Conf. on Artificial Neural Networks (ICANN). Lecture Notes in Computer Science, 2415. Berlin: Springer Verlag. S. 370-376.
    PUB
     
  • [35]
    2002 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993697
    Hammer, B.; Strickert, M.; Villmann, T. (2002): Rule Extraction from Self-Organizing Networks. In: J.R. Dorronsoro (Hrsg.): Proc. International Conf. on Artificial Neural Networks (ICANN). Lecture Notes in Computer Science, 2415. Berlin: Springer Verlag. S. 877-883.
    PUB
     
  • [34]
    2002 | Report | Veröffentlicht | PUB-ID: 1993729
    Hammer, B.; Tino, P. (2002): Neural networks with small weights implement finite memory machines. Osnabrück: Universität Osnabrück.
    PUB
     
  • [33]
    2001 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2982130
    Hammer, B. (2001): On the Generalization Ability of Recurrent Networks. In: Georg Dorffner; Horst Bischof; Kurt Hornik (Hrsg.): Artificial Neural Networks — ICANN 2001. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, 2130). S. 731-736.
    PUB | DOI
     
  • [32]
    2001 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982129
    Strickert, M.; Bojer, T.; Hammer, B. (2001): Generalized Relevance LVQ for Time Series. In: Georg Dorffner; Horst Bischof; Kurt Hornik (Hrsg.): Artificial Neural Networks — ICANN 2001. Berlin, Heidelberg: Springer Berlin Heidelberg. (Lecture Notes in Computer Science, ). S. 677-683.
    PUB | DOI
     
  • [31]
    2001 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982128
    Hammer, B. (2001): Generalization ability of folding networks IEEE Transactions on Knowledge and Data Engineering,13:(2): 196-206.
    PUB | DOI
     
  • [30]
    2001 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982127
    Vidyasagar, M.; Balaji, S.; Hammer, B. (2001): Closure properties of uniform convergence of empirical means and PAC learnability under a family of probability measures Systems & Control Letters,42:(2): 151-157.
    PUB | DOI
     
  • [29]
    2001 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993768
    Hammer, B.; Villmann, T. (2001): Input Pruning for Neural Gas Architectures. In: Proc. Of European Symposium on Artificial Neural Networks (ESANN'2001). Brussels, Belgium: D facto publications. S. 283-288.
    PUB
     
  • [28]
    2001 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993343
    Bojer, T.; Hammer, B.; Schunk, D.; Tluk von Toschanowitz, K. (2001): Relevance determination in learning vector quantization. In: M. Verleysen (Hrsg.): ESANN'2001. D-facto publications. S. 271-276.
    PUB
     
  • [27]
    2001 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1994123
    Vidyasagar, M.; Balaji, S.; Hammer, B. (2001): Closure properties of uniform convergence of empirical means and PAC learnability under a family of probability measures System and Control Letters,42: 151-157.
    PUB
     
  • [26]
    2001 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993474
    Hammer, B. (2001): On the Generalization Ability of Recurrent Networks. In: Georg Dorffner; Horst Bischof; Kurt Hornik (Hrsg.): Artificial Neural Networks. Proceedings. Lecture Notes in Computer Science, 2130. Berlin: Springer. S. 731-736.
    PUB
     
  • [25]
    2001 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993739
    Hammer, B.; Villmann, T. (2001): Estimating Relevant Input Dimensions for Self-Organizing Algorithms. In: N.M. Allinson; H. Yin; L. Allinson; J. Slack (Hrsg.): Advances in Self-Organising Maps. London: Springer. S. 173-180.
    PUB
     
  • [24]
    2001 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1994042
    Strickert, M.; Bojer, T.; Hammer, B. (2001): Generalized Relevance LVQ for Time Series. In: Georg Dorffner; Horst Bischof; Kurt Hornik (Hrsg.): Artificial Neural Networks. International Conference. Proceedings. Lecture Notes in Computer Science, 2130. Berlin: Springer. S. 677-683.
    PUB
     
  • [23]
    2001 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993510
    Hammer, B. (2001): Generalization Ability of Folding Networks. IEEE Trans. Knowl. Data Eng.,13:(2): 196-206.
    PUB
     
  • [22]
    2000 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982131
    Hammer, B. (2000): On the approximation capability of recurrent neural networks Neurocomputing,31:(1-4): 107-123.
    PUB | DOI
     
  • [21]
    2000 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993499
    Hammer, B. (2000): Limitations of hybrid systems. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. D-facto publications. S. 213-218.
    PUB
     
  • [20]
    2000 | Monographie | Veröffentlicht | PUB-ID: 1993514
    Hammer, B. (2000): Learning with Recurrent Neural Networks. Berlin: Springer.
    PUB
     
  • [19]
    2000 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993512
    Hammer, B. (2000): On the approximation capability of recurrent neural networks Neurocomputing,31:(1-4): 107-123.
    PUB
     
  • [18]
    2000 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993400
    DasGupta, B.; Hammer, B. (2000): On Approximate Learning by Multi-layered Feedforward Circuits. In: Hiroki Arimura; Sanjay Jain; Arun Sharma (Hrsg.): Algorithmic Learning Theory, 11th International Conference. Proceedings. Lecture Notes in Computer Science, 1968. Berlin: Springer. S. 264-278.
    PUB
     
  • [17]
    2000 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993479
    Hammer, B. (2000): Approximation and generalization issues of recurrent networks dealing with structured data. In: P. Frasconi; A. Sperduti; M. Gori (Hrsg.): ECAI workshop: Foundations of connectionist-symbolic integration: representation, paradigms, and algorithms.
    PUB
     
  • [16]
    2000 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993495
    Hammer, B. (2000): Neural networks classifying symbolic data. In: L. de Raedt; S. Kramer (Hrsg.): ICML workshop on attribute-value and relational learning: crossing the boundaries. S. 61-65.
    PUB
     
  • [15]
    1999 | Dissertation | PUB-ID: 2999889 OA
    Hammer, B. (1999): Learning with Recurrent Neural Networks (PhD thesis). Universität Osnabrück.
    PUB | PDF
     
  • [14]
    1999 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2982132
    Hammer, B. (1999): On the Learnability of Recursive Data Mathematics of Control, Signals, and Systems,12:(1): 62-79.
    PUB | DOI
     
  • [13]
    1999 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 1993516
    Hammer, B. (1999): On the learnability of recursive data Mathematics of Control, Signals and Systems,12: 62-79.
    PUB
     
  • [12]
    1999 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993502
    Hammer, B. (1999): Approximation capabilities of folding networks. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. D-facto publications. S. 33-38.
    PUB
     
  • [11]
    1999 | Report | Veröffentlicht | PUB-ID: 1993409
    DasGupta, B.; Hammer, B. (1999): Hardness of approximation of the loading problem for multi-layered feedforward neural networks. DIMACS Center, Rutgers University.
    PUB
     
  • [10]
    1998 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993484
    Hammer, B. (1998): On the Approximation Capability of Recurrent Neural Networks. In: Michael Heiss (Hrsg.): Proceedings of the International ICSC / IFAC Symposium on Neural Computation (NC 1998). ICSC Academic Press. S. 512-518.
    PUB
     
  • [9]
    1998 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993505
    Hammer, B. (1998): Training a sigmoidal network is difficult. In: M. Verleysen (Hrsg.): European Symposium on Artificial Neural Networks. D-facto publications. S. 255-260.
    PUB
     
  • [8]
    1998 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993518
    Hammer, B. (1998): Some complexity results for perceptron networks. In: International Conference on artificial Neural Networks. S. 639-644.
    PUB
     
  • [7]
    1997 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993526
    Hammer, B. (1997): Generalization of Elman Networks. In: Artificial Neural Networks - ICANN '97, 7th International Conference. Proceedings. Lecture Notes in Computer Science, 1327. Berlin: Springer. S. 409-414.
    PUB
     
  • [6]
    1997 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 1993684
    Hammer, B.; Sperschneider, V. (1997): Neural networks can approximate mappings on structured objects. In: P.P. Wang (Hrsg.): International conference on Computational Intelligence and Neural Networks. S. 211-214.
    PUB
     
  • [5]
    1997 | Report | Veröffentlicht | PUB-ID: 1993524
    Hammer, B. (1997): On the generalization ability of simple recurrent neural networks. Osnabrück: Universität Osnabrück.
    PUB
     
  • [4]
    1997 | Report | Veröffentlicht | PUB-ID: 1993520
    Hammer, B. (1997): Learning recursive data is intractable. Osnabrück: Universität Osnabrück.
    PUB
     
  • [3]
    1997 | Report | Veröffentlicht | PUB-ID: 1993522
    Hammer, B. (1997): A NP-hardness result for a sigmoidal 3-node neural network. Osnabrück: Universität Osnabrück.
    PUB
     
  • [2]
    1996 | Report | Veröffentlicht | PUB-ID: 1993528
    Hammer, B. (1996): Universal approximation of mappings on structured objects using the folding architecture. Osnabrück: Universität Osnabrück.
    PUB
     
  • [1]
    1996 | Monographie | Veröffentlicht | PUB-ID: 1994039
    Sperschneider, V.; Hammer, B. (1996): Theoretische Informatik. Eine problemorientierte Einführung. erlin: Springer.
    PUB
     
Markierte Publikation(en)

Suche

Publikationen filtern

Darstellung / Sortierung

Export / Einbettung