PUB - Publikationen an der Universität Bielefeld

Alle markieren

• [8]
  

  2024 | Bielefelder E-Dissertation | PUB-ID: 2990589

  Jakob, J. (2024). Incremental Learning in Regression Contexts. Bielefeld: Universität Bielefeld.

  PUB | PDF
   
• [7]
  

  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. Taylor & Francis . doi:10.1080/08839514.2023.2198846.

  PUB | DOI | WoS
   
• [6]
  

  2022 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982135

  Jakob, J., Hasenjäger, M. & Hammer, B. (2022). Reject Options for Incremental Regression Scenarios (Lecture Notes in Computer Science). In E. Pimenidis, P. Angelov, C. Jayne, A. Papaleonidas & M. 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 (S. 248-259). Cham: Springer Nature Switzerland. doi:10.1007/978-3-031-15937-4_21.

  PUB | DOI
   
• [5]
  

  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 (Lecture Notes in Computer Science). In E. Pimenidis, P. Angelov, C. Jayne, A. Papaleonidas & M. 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 (S. 752-762). Cham: Springer Nature . doi:10.1007/978-3-031-15934-3_62.

  PUB | DOI
   
• [4]
  

  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. 2021 IEEE Symposium Series on Computational Intelligence (SSCI) (S. 1-8). Gehalten auf der 2021 IEEE Symposium Series on Computational Intelligence (SSCI), IEEE. doi:10.1109/SSCI50451.2021.9660138.

  PUB | DOI
   
• [3]
  

  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. Elsevier. doi:10.1016/j.neucom.2019.12.133.

  PUB | DOI | Download (ext.) | WoS | arXiv
   
• [2]
  

  2019 | Kurzbeitrag Konferenz / Poster | PUB-ID: 2935044

  Artelt, A., Jakob, J. & Vaquet, V. (2019). Continuous online user authentication based on keystroke dynamics. Gehalten auf der Interdisciplinary College (IK).

  PUB | Dateien verfügbar
   
• [1]
  

  2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2933893

  Pfannschmidt, L., Jakob, J., Biehl, M., Tino, P. & Hammer, B. (2019). Feature Relevance Bounds for Ordinal Regression. In M. Verleysen (Hrsg.), Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). Gehalten auf der European Symposium on Artificial Neural Networks (ESANN 2019), Louvain-la-Neuve: i6doc.

  PUB | Download (ext.) | arXiv