PUB - Publikationen an der Universität Bielefeld

Alle markieren

• [7]
  

  2021 | Bielefelder E-Dissertation | PUB-ID: 2959861

  Pfannschmidt, L. (2021). Relevance learning for redundant features. Bielefeld: Universität Bielefeld. doi:10.4119/unibi/2959861.

  PUB | PDF | DOI
   
• [6]
  

  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
   
• [5]
  

  2020 | Preprint | Entwurf | PUB-ID: 2942271

  Pfannschmidt, L. & Hammer, B. (Draft). Sequential Feature Classification in the Context of Redundancies.

  PUB | PDF | arXiv
   
• [4]
  

  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
   
• [3]
  

  2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2935456

  Pfannschmidt, L., Göpfert, C., Neumann, U., Heider, D. & Hammer, B. (2019). FRI - Feature Relevance Intervals for Interpretable and Interactive Data Exploration. Gehalten auf der 16th IEEE International Conference on Computational Intelligence in Bioinformatics and Computational Biology. doi:10.1109/CIBCB.2019.8791489.

  PUB | PDF | DOI | arXiv
   
• [2]
  

  2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2915273

  Göpfert, C., Pfannschmidt, L., Göpfert, J.P. & Hammer, B. (2018). Interpretation of Linear Classifiers by Means of Feature Relevance Bounds. Neurocomputing, 298, 69-79. Elsevier. doi:10.1016/j.neucom.2017.11.074.

  PUB | PDF | DOI | WoS
   
• [1]
  

  2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2908201

  Göpfert, C., Pfannschmidt, L. & Hammer, B. (2017). Feature Relevance Bounds for Linear Classification. In M. Verleysen (Hrsg.), Proceedings of the ESANN, 24th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (S. 187--192). Gehalten auf der 25th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN), Louvain-la-Neuve: Ciaco - i6doc.com.

  PUB | Dateien verfügbar | Download (ext.)