Benjamin Paaßen

bpaassen@techfak.uni-bielefeld.de
ORCID logo https://orcid.org/0000-0002-3899-2450

PEVZ-ID
49941564

69 Publikationen

Alle markieren

  • [69]
    2024 | Zeitschriftenaufsatz | PUB-ID: 2987814
    Morgenroth, T.; Begeny, C. T.; Kirby, T. A.; Paaßen, B.; Zeng, Y. (2024): Dissecting Whiteness: consistencies and differences in the stereotypes of lower- and upper-class White US Americans Self and Identity, 1-25.
    PUB | DOI | WoS
     
  • [68]
    2023 | Preprint | Veröffentlicht | PUB-ID: 2980970
    Strotherm, J.; Müller, A.; Hammer, B.; Paaßen, B. (2023): Fairness in KI-Systemen
    PUB | Download (ext.) | arXiv
     
  • [67]
    2022 | Konferenzbeitrag | PUB-ID: 2979001
    Paaßen, B.; Dywel, M.; Fleckenstein, M.; Pinkwart, N. (2022): Sparse Factor Autoencoders for Item Response Theory. In: Alexandra I. Cristea; Chris Brown; Tanja Mitrovic; Nigel Bosch (Hrsg.): Proceedings of the 15th International Conference on Educational Data Mining (EDM 2022). S. 17–26.
    PUB | DOI | Download (ext.)
     
  • [66]
    2022 | Zeitschriftenaufsatz | PUB-ID: 2978970 OA
    Paaßen, B.; Koprinska, I.; Yacef, K. (2022): Recursive Tree Grammar Autoencoders Machine Learning,111: 3393–3423.
    PUB | PDF | DOI | Download (ext.)
     
  • [65]
    2022 | Zeitschriftenaufsatz | PUB-ID: 2979004 OA
    Paaßen, B.; Dehne, J.; Krishnaraja, S.; Kovalkov, A.; Gal, K.; Pinkwart, N. (2022): A conceptual graph-based model of creativity in learning Frontiers in Education,7
    PUB | PDF | DOI | Download (ext.)
     
  • [64]
    2022 | Konferenzbeitrag | PUB-ID: 2979003
    Paaßen, B.; Baumgartner, T.; Geisen, M.; Riedl, N.; Kravčík, M. (2022): Few-shot Keypose Detection for Learning of Psychomotor Skills. In: Khaleel Asyraaf Mat Sanusi; Bibeg Limbu; Jan Schneider; Daniele Di Mitri; Roland Klemke (Hrsg.): Proceedings of the Second International Workshop on Multimodal Immersive Learning Systems ({MILeS} 2022). S. 22–27.
    PUB | Download (ext.)
     
  • [63]
    2022 | Konferenzbeitrag | PUB-ID: 2979002
    Paaßen, B.; Dywel, M.; Fleckenstein, M.; Pinkwart, N. (2022): Interpretable Knowledge Gain Prediction for Vocational Preparatory E-Learnings. In: Jeanine Antoinette DeFalco; Diego Dermeval Medeiros da Cunha Matos; Berit Blanc; Insa Reichow (Hrsg.): Proceedings of the 23rd International Conference on Artificial Intelligence in Education (AIED 2022) Practitioner’s Track. S. 132–137.
    PUB | DOI | Download (ext.)
     
  • [62]
    2022 | Konferenzbeitrag | PUB-ID: 2979000
    Paaßen, B.; Göpfert, C.; Pinkwart, N. (2022): Faster Confidence Intervals for Item Response Theory via an Approximate Likelihood. In: Alexandra I. Cristea; Chris Brown; Tanja Mitrovic; Nigel Bosch (Hrsg.): Proceedings of the 15th International Conference on Educational Data Mining (EDM 2022). S. 555–559.
    PUB | DOI | Download (ext.)
     
  • [61]
    2022 | Konferenzbeitrag | PUB-ID: 2978999
    Picones, G.; Paaßen, B.; Koprinska, I.; Yacef, K. (2022): Combining domain modelling and student modelling techniques in a single pipeline to support task-sequencing. In: Alexandra I. Cristea; Chris Brown; Tanja Mitrovic; Nigel Bosch (Hrsg.): Proceedings of the 15th International Conference on Educational Data Mining (EDM 2022). S. 217–227.
    PUB | DOI | Download (ext.)
     
  • [60]
    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
     
  • [59]
    2021 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2978969
    Paaßen, B.; McBroom, J.; Jeffries, B.; Koprinska, I.; Yacef, K. (2021): Mapping Python Programs to Vectors using Recursive Neural Encodings Journal of Educational Datamining,13:(3): 1–35.
    PUB | DOI | Download (ext.)
     
  • [58]
    2021 | Zeitschriftenaufsatz | PUB-ID: 2978997
    Kovalkov, A.; Paaßen, B.; Segal, A.; Pinkwart, N.; Gal, K. (2021): Automatic Creativity Measurement in Scratch Programs Across Modalities IEEE Transactions on Learning Technologies,14:(6): 740–753.
    PUB | DOI | Download (ext.) | arXiv
     
  • [57]
    2021 | Konferenzbeitrag | PUB-ID: 2978996
    Bacciu, D.; Bianchi, F. M.; Paaßen, B.; Alippi, C. (2021): Deep learning for graphs. In: Michel Verleysen (Hrsg.): {Proceedings of the 29th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2021)}. S. 89–98.
    PUB | Download (ext.)
     
  • [56]
    2021 | Konferenzbeitrag | PUB-ID: 2978995
    Paaßen, B.; Kravčík, M. (2021): Teaching psychomotor skills using machine learning for error detection. In: Roland Klemke; Khaleel Asyraaf Mat Sanusi (Hrsg.): Proceedings of the 1st International Workshop on Multimodal Immersive Learning Systems ({MILeS} 2021). S. 8–14.
    PUB | Download (ext.)
     
  • [55]
    2021 | Konferenzbeitrag | PUB-ID: 2978967
    Paaßen, B. (2021): An A*-algorithm for the Unordered Tree Edit Distance with Custom Costs. In: Nora Reyes; Richard Connor; Nils Kriege; Daniyal Kazempour; Ilaria Bartolini; Erich Schubert; Jian-Jia Chen (Hrsg.): Proceedings of the 14th International Conference on Similarity Search and Applications (SISAP 2021). Springer. S. 364–371.
    PUB | DOI | Download (ext.) | arXiv
     
  • [54]
    2021 | Konferenzbeitrag | PUB-ID: 2978966
    Kovalkov, A.; Paaßen, B.; Segal, A.; Gal, K.; Pinkwart, N. (2021): Modeling Creativity in Visual Programming: From Theory to Practice. In: François Bouchet; Jill-Jênn Vie; Sharon Hsiao; Sherry Sahebi (Hrsg.): Proceedings of the 15th {International Conference on Educational Data Mining} ({EDM} 2021). International Educational Datamining Society.
    PUB | Download (ext.)
     
  • [53]
    2021 | Konferenzbeitrag | PUB-ID: 2978965
    Paaßen, B.; Bertsch, A.; Langer-Fischer, K.; Rüdian, S.; Wang, X.; Sinha, R.; Kuzilek, J.; Britsch, S.; Pinkwart, N. (2021): Analyzing Student Success and Mistakes in Virtual Microscope Structure Search Tasks. In: François Bouchet; Jill-Jênn Vie; Sharon Hsiao; Sherry Sahebi (Hrsg.): Proceedings of the 15th {International Conference on Educational Data Mining} ({EDM} 2021). International Educational Datamining Society.
    PUB | Download (ext.)
     
  • [52]
    2021 | Konferenzbeitrag | PUB-ID: 2978964
    McBroom, J.; Paaßen, B.; Jeffries, B.; Koprinska, I.; Yacef, K. (2021): Progress Networks as a Tool for Analysing Student Programming Difficulties. In: Claudia Szabo; Judy Sheard (Hrsg.): Proceedings of the Twenty-Third Australasian Computing Education Conference (ACE '21). Association for Computing Machinery. S. 158–167.
    PUB | DOI
     
  • [51]
    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
     
  • [50]
    2020 | Konferenzbeitrag | PUB-ID: 2978963
    Paaßen, B.; Koprinska, I.; Yacef, K. (2020): Tree Echo State Autoencoders with Grammars. In: Asim Roy (Hrsg.): Proceedings of the 2020 International Joint Conference on Neural Networks ({IJCNN} 2020). S. 1–8.
    PUB | DOI | Download (ext.) | arXiv
     
  • [49]
    2020 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2941931
    Paaßen, B.; Schulz, A. (2020): Reservoir memory machines. In: Michel Verleysen (Hrsg.): Proceedings of the 28th European Symposium on Artificial Neural Networks (ESANN 2020). Bruges: i6doc. S. 567-572.
    PUB | Download (ext.) | arXiv
     
  • [48]
    2020 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2944191
    Morgenroth, T.; Stratemeyer, M.; Paaßen, B. (2020): The Gendered Nature and Malleability of Gamer Stereotypes Cyberpsychology, Behavior, and Social Networking,23:(8): 557-561.
    PUB | DOI | WoS | PubMed | Europe PMC
     
  • [47]
    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
     
  • [46]
    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
     
  • [45]
    2019 | Datenpublikation | PUB-ID: 2941052 OA
    Paaßen, B. (2019): Python Programming Dataset. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [44]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2937053
    Paaßen, B. (2019): Adversarial Edit Attacks for Tree Data. In: Hujun Yin; David Camacho; Peter Tino (Hrsg.): Proceedings of the 20th International Conference on Intelligent Data Engineering and Automated Learning (IDEAL 2019). Cham: Springer. (Lecture Notes in Computer Science, 11871). S. 359-366.
    PUB | DOI | Download (ext.) | arXiv
     
  • [43]
    2019 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2935953
    Price, T. W.; Dong, Y.; Zhi, R.; Paaßen, B.; Lytle, N.; Cateté, V.; Barnes, T. (2019): A Comparison of the Quality of Data-Driven Programming Hint Generation Algorithms International Journal of Artificial Intelligence in Education,29:(3): 368-395.
    PUB | DOI | WoS
     
  • [42]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2933502
    Paaßen, B.; Bunge, A.; Hainke, C.; Sindelar, L.; Vogelsang, M. (2019): Dynamic fairness - Breaking vicious cycles in automatic decision making. In: Michel Verleysen (Hrsg.): Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). Louvain-la-Neuve: i6doc. S. 477-482.
    PUB | Download (ext.) | arXiv
     
  • [41]
    2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2934571
    Paaßen, B.; Gallicchio, C.; Micheli, A.; Sperduti, A. (2019): Embeddings and Representation Learning for Structured Data. In: Michel Verleysen (Hrsg.): Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). S. 85-94.
    PUB | Download (ext.) | arXiv
     
  • [40]
    2019 | Bielefelder E-Dissertation | PUB-ID: 2935545 OA
    Paaßen, B. (2019): Metric Learning for Structured Data. Bielefeld: Universität Bielefeld.
    PUB | PDF | DOI
     
  • [39]
    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
     
  • [38]
    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
     
  • [37]
    2018 | Datenpublikation | PUB-ID: 2916863 OA
    Paaßen, B.; Ahmaro, A. (2018): VBB Shortest Path Data 2018. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [36]
    2018 | Datenpublikation | PUB-ID: 2919994 OA
    Paaßen, B. (2018): Tree Edit Distance Learning via Adaptive Symbol Embeddings. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [35]
    2018 | Datenpublikation | PUB-ID: 2916990 OA
    Paaßen, B. (2018): Median Generalized Learning Vector Quantization for Distance Data. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [34]
    2018 | Datenpublikation | PUB-ID: 2916980 OA
    Paaßen, B. (2018): Relational Neural Gas. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [33]
    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
     
  • [32]
    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
     
  • [31]
    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
     
  • [30]
    2018 | Preprint | Entwurf | PUB-ID: 2919918
    Paaßen, B. (Draft): Revisiting the tree edit distance and its backtracing: A tutorial arXiv:1805.06869
    PUB | Download (ext.) | arXiv
     
  • [29]
    2017 | Datenpublikation | PUB-ID: 2913104 OA
    Paaßen, B. (2017): Time Series Prediction for Relational and Kernel Data. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [28]
    2017 | Datenpublikation | PUB-ID: 2912671 OA
    Paaßen, B.; Schulz, A. (2017): Linear Supervised Transfer Learning Toolbox. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [27]
    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
     
  • [26]
    2017 | Kurzbeitrag Konferenz / Poster | Veröffentlicht | PUB-ID: 2914663 OA
    Paaßen, B. (2017): Two or three things we do (not) know about distances. In: Frank-Michael Schleif; Thomas Villmann (Hrsg.): Proceedings of the Ninth Mittweida Workshop on Computational Intelligence (MiWoCI 2017). (Machine Learning Reports, ). S. 32-33.
    PUB | PDF | Download (ext.)
     
  • [25]
    2017 | Datenpublikation | PUB-ID: 2913083 OA
    Paaßen, B. (2017): BinaryAdder UML Dataset. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [24]
    2017 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2905302 OA
    Paaßen, B.; Morgenroth, T.; Stratemeyer, M. (2017): What is a True Gamer? The Male Gamer Stereotype and the Marginalization of Women in Video Game Culture Sex Roles,76:(7-8): 421-435.
    PUB | PDF | DOI | WoS
     
  • [23]
    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
     
  • [22]
    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
     
  • [21]
    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
     
  • [20]
    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
     
  • [19]
    2016 | Datenpublikation | PUB-ID: 2900684 OA
    Paaßen, B. (2016): Java Sorting Programs. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [18]
    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.)
     
  • [17]
    2016 | Datenpublikation | PUB-ID: 2900666 OA
    Paaßen, B. (2016): MiniPalindrome. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [16]
    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
     
  • [15]
    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.)
     
  • [14]
    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.)
     
  • [13]
    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
     
  • [12]
    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
     
  • [11]
    2015 | Report | PUB-ID: 2712107 OA
    Stöckel, A.; Paaßen, B.; Dickfelder, R.; Göpfert, J. P.; Brazda, N.; Müller, H. W.; Cimiano, P.; Hartung, M.; Klinger, R. (2015): SCIE: Information Extraction for Spinal Cord Injury Preclinical Experiments – A Webservice and Open Source Toolkit. bioRxive.org.
    PUB | PDF | DOI | Download (ext.)
     
  • [10]
    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.)
     
  • [9]
    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
     
  • [8]
    2015 | Bielefelder Masterarbeit | PUB-ID: 2736686 OA
    Paaßen, B. (2015): Adaptive Affine Sequence Alignment Using Algebraic Dynamic Programming. Bielefeld: Bielefeld University.
    PUB | PDF
     
  • [7]
    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
     
  • [6]
    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
     
  • [5]
    2014 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2683760 OA
    Paaßen, B.; Stöckel, A.; Dickfelder, R.; Göpfert, J. P.; Brazda, N.; Kirchhoffer, T.; Müller, H. W.; Klinger, R.; Hartung, M.; Cimiano, P. (2014): Ontology-based Extraction of Structured Information from Publications on Preclinical Experiments for Spinal Cord Injury Treatments. In: Diana Maynard; Marieke Erp van; Brian Davis (Hrsg.): Third Workshop on Semantic Web and Information Extraction (SWAIE). The 25th International Conference on Computational Linguistics (COLING). Dublin, Ireland. S. 25-32.
    PUB | PDF | Download (ext.)
     
  • [4]
    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.)
     
  • [3]
    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.)
     
  • [2]
    2013 | Datenpublikation | PUB-ID: 2692491 OA
    Paaßen, B. (2013): VBB Midi Dataset. Bielefeld University.
    PUB | Dateien verfügbar | DOI
     
  • [1]
    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.)
     
Markierte Publikation(en)

Suche

Publikationen filtern

Darstellung / Sortierung

Export / Einbettung