6 Publikationen

Alle markieren

[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
PUB | DOI | Download (ext.) | arXiv
 
[5]
2020 | Preprint | Entwurf | PUB-ID: 2942271 OA
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: Michel Verleysen (Hrsg.): Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). Louvain-la-Neuve: i6doc.
PUB | Download (ext.) | arXiv
 
[3]
2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2935456 OA
Pfannschmidt, L.; Göpfert, C.; Neumann, U.; Heider, D.; Hammer, B. (2019): FRI - Feature Relevance Intervals for Interpretable and Interactive Data Exploration.
PUB | PDF | DOI | arXiv
 
[2]
2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2915273 OA
Göpfert, C.; Pfannschmidt, L.; Göpfert, J. P.; Hammer, B. (2018): Interpretation of Linear Classifiers by Means of Feature Relevance Bounds Neurocomputing,298: 69-79.
PUB | PDF | DOI | WoS
 
[1]
2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2908201 OA
Göpfert, C.; Pfannschmidt, L.; Hammer, B. (2017): Feature Relevance Bounds for Linear Classification. 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. 187--192.
PUB | Dateien verfügbar | Download (ext.)
 

Suche

Publikationen filtern

Darstellung / Sortierung

Zitationsstil: wels

Export / Einbettung

6 Publikationen

Alle markieren

[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
PUB | DOI | Download (ext.) | arXiv
 
[5]
2020 | Preprint | Entwurf | PUB-ID: 2942271 OA
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: Michel Verleysen (Hrsg.): Proceedings of the 27th European Symposium on Artificial Neural Networks (ESANN 2019). Louvain-la-Neuve: i6doc.
PUB | Download (ext.) | arXiv
 
[3]
2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2935456 OA
Pfannschmidt, L.; Göpfert, C.; Neumann, U.; Heider, D.; Hammer, B. (2019): FRI - Feature Relevance Intervals for Interpretable and Interactive Data Exploration.
PUB | PDF | DOI | arXiv
 
[2]
2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2915273 OA
Göpfert, C.; Pfannschmidt, L.; Göpfert, J. P.; Hammer, B. (2018): Interpretation of Linear Classifiers by Means of Feature Relevance Bounds Neurocomputing,298: 69-79.
PUB | PDF | DOI | WoS
 
[1]
2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2908201 OA
Göpfert, C.; Pfannschmidt, L.; Hammer, B. (2017): Feature Relevance Bounds for Linear Classification. 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. 187--192.
PUB | Dateien verfügbar | Download (ext.)
 

Suche

Publikationen filtern

Darstellung / Sortierung

Zitationsstil: wels

Export / Einbettung