5 Publikationen
-
2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993740Vaquet, V., Hinder, F., Vaquet, J., Lammers, K., Quakernack, L. & Hammer, B. (2024). Localizing of Anomalies in Critical Infrastructure using Model-Based Drift Explanations. 2024 International Joint Conference on Neural Networks (IJCNN) (S. 1-8). Gehalten auf der 2024 International Joint Conference on Neural Networks (IJCNN), IEEE. doi:10.1109/IJCNN60899.2024.10651472.
-
2024 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2993739Vaquet, 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 (Lecture Notes in Computer Science). In M. Wand, K. Malinovská, J. Schmidhuber & I.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 (S. 155-170). Cham: Springer Nature Switzerland. doi:10.1007/978-3-031-72356-8_11.
-
2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2993744Vaquet, V., Vaquet, J., Hinder, F., Malialis, K., Panayiotou, C., Polycarpou, M. & Hammer, B. (2024). Self-Supervised Learning from Incrementally Drifting Data Streams. ESANN 2024 proceesdings (S. 431-436). Gehalten auf der ESANN 2024, Louvain-la-Neuve (Belgium): Ciaco - i6doc.com. doi:10.14428/esann/2024.ES2024-49.
-
2024 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2992337Zanutto, 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. The 3rd International Joint Conference on Water Distribution Systems Analysis & Computing and Control for the Water Industry (WDSA/CCWI 2024) (S. 60). Gehalten auf der International Joint Conference on Water Distribution Systems Analysis & Computing and Control for the Water Industry, Basel Switzerland: MDPI. doi:10.3390/engproc2024069060.
-
2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2960687Vaquet, V., Hinder, F., Vaquet, J., Brinkrolf, J. & Hammer, B. (2021). Online Learning on Non-Stationary Data Streams for Image Recognition using Deep Embeddings (IEEE Symposium Series on Computational Intelligence). (IEEE, Hrsg.), 1-7. Gehalten auf der 2021 IEEE Symposium Series on Computational Intelligence (SSCI). doi:10.1109/SSCI50451.2021.9659903.