25 Publikationen

Alle markieren

  • [25]
    2023 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2981289
    Hinder, F., Vaquet, V., Brinkrolf, J. & Hammer, B. (2023). Model-based explanations of concept drift. Neurocomputing: 126640. Elsevier BV. doi:10.1016/j.neucom.2023.126640.
    PUB | DOI | Download (ext.) | WoS
     
  • [24]
    2023 | Bielefelder E-Dissertation | PUB-ID: 2985339 OA
    Brinkrolf, J. (2023). Learning Vector Quantization for the Real-World: Privacy, Robustness, and Sparsity. Bielefeld: Universität Bielefeld. doi:10.4119/unibi/2985339.
    PUB | PDF | DOI
     
  • [23]
    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
     
  • [22]
    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 M. De Marsico, G. Sanniti di Baja & A. Fred (Hrsg.), Proceedings of the 12th International Conference on Pattern Recognition Applications and Methods ICPRAM. Vol. 1 (S. 164-175). Gehalten auf der 12th International Conference on Pattern Recognition Applications and Methods, Setúbal: SCITEPRESS - Science and Technology Publications. doi:10.5220/0011797500003411.
    PUB | DOI
     
  • [21]
    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 (Lecture Notes in Computer Science). In B. Crémilleux, S. Hess & S. 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 (S. 182-194). Cham: Springer . doi:10.1007/978-3-031-30047-9_15.
    PUB | DOI
     
  • [20]
    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. 2022 International Joint Conference on Neural Networks (IJCNN) (S. 1-9). Gehalten auf der 2022 International Joint Conference on Neural Networks (IJCNN), IEEE. doi:10.1109/IJCNN55064.2022.9892374.
    PUB | DOI | Download (ext.)
     
  • [19]
    2022 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2969460
    Artelt, A., Brinkrolf, J., Visser, R. & Hammer, B. (2022). Explaining Reject Options of Learning Vector Quantization Classifiers. Proceedings of the 14th International Joint Conference on Computational Intelligence (S. 249-261). Gehalten auf der 14th International Conference on Neural Computation Theory and Applications, SCITEPRESS - Science and Technology Publications. doi:10.5220/0011389600003332.
    PUB | DOI
     
  • [18]
    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. Gehalten auf der 30th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2022.
    PUB
     
  • [17]
    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
     
  • [16]
    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. Gehalten auf der 31st International Conference on Artificial Neural Networks.
    PUB | PDF
     
  • [15]
    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). Gehalten auf der IEEE Symposium Series on Computational Intelligence, Piscataway, NJ: IEEE.
    PUB
     
  • [14]
    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 (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.
    PUB | DOI
     
  • [13]
    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. 2021 IEEE Symposium Series on Computational Intelligence (SSCI) Proceedings (S. 01-08). Gehalten auf der 2021 IEEE Symposium Series on Computational Intelligence (SSCI), Piscataway, NJ: IEEE. doi:10.1109/SSCI50451.2021.9660111.
    PUB | DOI
     
  • [12]
    2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2960755
    Hinder, F., Vaquet, V., Brinkrolf, J. & Hammer, B. (2021). Fast Non-Parametric Conditional Density Estimation using Moment Trees. 2021 IEEE Symposium Series on Computational Intelligence (SSCI) Proceedings (S. 1-7). Gehalten auf der 2021 IEEE Symposium Series on Computational Intelligence (SSCI), Piscataway, NJ: IEEE. doi:10.1109/SSCI50451.2021.9660031.
    PUB | DOI
     
  • [11]
    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. 2021 IEEE Symposium Series on Computational Intelligence (SSCI) (S. 01-09). Gehalten auf der 2021 IEEE Symposium Series on Computational Intelligence (SSCI), Piscataway, NJ: IEEE. doi:10.1109/SSCI50451.2021.9660058.
    PUB | DOI
     
  • [10]
    2021 | Konferenzbeitrag | Angenommen | PUB-ID: 2955948
    Brinkrolf, J. & Hammer, B. (Accepted). Federated Learning Vector Quantization. In M. Verleysen (Hrsg.), Proceedings of the ESANN, 29th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. Gehalten auf der 29th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN) .
    PUB
     
  • [9]
    2020 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2940666
    Brinkrolf, J. & Hammer, B. (2020). Sparse Metric Learning in Prototype-based Classification. In M. Verleysen (Hrsg.), Proceedings of the ESANN, 28th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (S. 375-380). Gehalten auf der 28th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN) .
    PUB
     
  • [8]
    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. Elsevier BV. doi:10.1016/j.neucom.2018.11.095.
    PUB | PDF | DOI | WoS
     
  • [7]
    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. Springer Nature. doi:10.1007/s00521-018-03966-0.
    PUB | DOI | WoS
     
  • [6]
    2018 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2918254
    Brinkrolf, J., Berger, K. & Hammer, B. (2018). Differential private relevance learning. In M. Verleysen (Hrsg.), Proceedings of the 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2018) (S. 555-560). Gehalten auf der 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN) .
    PUB | Download (ext.)
     
  • [5]
    2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2918244
    Brinkrolf, J. & Hammer, B. (2018). Interpretable Machine Learning with Reject Option. at - Automatisierungstechnik, 66(4), 283-290. De Gruyter. doi:10.1515/auto-2017-0123.
    PUB | DOI | WoS
     
  • [4]
    2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2914945
    Brinkrolf, J. & Hammer, B. (2017). Probabilistic extension and reject options for pairwise LVQ. 2017 12th International Workshop on Self-Organizing Maps and Learning Vector Quantization, Clustering and Data Visualization (WSOM). Gehalten auf der 12th International Workshop on Self-Organizing Maps and Learning Vector Quantization, Clustering and Data Visualization, Piscataway, NJ: IEEE. doi:10.1109/WSOM.2017.8020028.
    PUB | DOI
     
  • [3]
    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. Elsevier BV. doi:10.1016/j.neucom.2017.01.104.
    PUB | PDF | DOI | WoS
     
  • [2]
    2017 | Konferenzbeitrag | PUB-ID: 2914950
    Brinkrolf, J., Berger, K. & Hammer, B. (2017). Differential Privacy for Learning Vector Quantization. New Challenges in Neural Computation.
    PUB
     
  • [1]
    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. New Challenges in Neural Computation.
    PUB
     

Suche

Publikationen filtern

Darstellung / Sortierung

Export / Einbettung