17 Publikationen
-
-
2022 | Konferenzbeitrag | PUB-ID: 2979000Paaßen, B., Göpfert, C. & Pinkwart, N. (2022). Faster Confidence Intervals for Item Response Theory via an Approximate Likelihood. In A.I. Cristea, C. Brown, T. Mitrovic & N. Bosch (Hrsg.), Proceedings of the 15th International Conference on Educational Data Mining (EDM 2022) (S. 555–559). Gehalten auf der 15th International Conference on Educational Data Mining (EDM 2022). doi:10.5281/zenodo.6852950.
-
2021 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2957385Risse, N., Göpfert, C. & Göpfert, J.P. (2021). How to Compare Adversarial Robustness of Classifiers from a Global Perspective (Lecture Notes in Computer Science). In I. Farkaš, P. Masulli, S. Otte & S. Wermter (Hrsg.), Artificial Neural Networks and Machine Learning – ICANN 2021. 30th International Conference on Artificial Neural Networks, Bratislava, Slovakia, September 14–17, 2021, Proceedings, Part I (S. 29-41). Gehalten auf der 30th International Conference on Artificial Neural Networks (ICANN 2021), Cham: Springer International Publishing. doi:10.1007/978-3-030-86362-3_3.
-
2021 | Zeitschriftenaufsatz | E-Veröff. vor dem Druck | PUB-ID: 2955115Straat, M., Abadi, F., Kan, Z., Göpfert, C., Hammer, B. & Biehl, M. (2021). Supervised learning in the presence of concept drift: a modelling framework. Neural Computing and Applications. Springer . doi:10.1007/s00521-021-06035-1.
-
2020 | Sammelwerksbeitrag | Veröffentlicht | PUB-ID: 2982081Biehl, M., Abadi, F., Göpfert, C. & Hammer, B. (2020). Prototype-Based Classifiers in the Presence of Concept Drift: A Modelling Framework (Advances in Intelligent Systems and Computing). In A. Vellido, K. Gibert, C. Angulo & J.D. Martín Guerrero (Hrsg.), Advances in Self-Organizing Maps, Learning Vector Quantization, Clustering and Data Visualization. Proceedings of the 13th International Workshop, WSOM+ 2019, Barcelona, Spain, June 26-28, 2019 (S. 210-221). Cham: Springer International Publishing. doi:10.1007/978-3-030-19642-4_21.
-
-
2019 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2935456Pfannschmidt, 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.
-
-
2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2932412Straat, M., Abadi, F., Göpfert, C., Hammer, B. & Biehl, M. (2018). Statistical Mechanics of On-Line Learning Under Concept Drift. ENTROPY, 20(10): 775. MDPI. doi:10.3390/e20100775.
-
2018 | Zeitschriftenaufsatz | Veröffentlicht | PUB-ID: 2911900Paaßen, B., Göpfert, C. & Hammer, B. (2018). Time Series Prediction for Graphs in Kernel and Dissimilarity Spaces. Neural Processing Letters, 48(2), 669-689. Springer. doi:10.1007/s11063-017-9684-5.
-
-
2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2908201Göpfert, 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.
-
2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2913752Göpfert, J.P., Göpfert, C., Botsch, M. & Hammer, B. (2017). Effects of Variability in Synthetic Training Data on Convolutional Neural Networks for 3D Head Reconstruction. 2017 SSCI Proceedings. 2017 IEEE Symposium Series on Computational Intelligence (SSCI). Gehalten auf der IEEE Symposium Series on Computational Intelligence, Piscataway, NJ: IEEE. doi:10.1109/SSCI.2017.8285305.
-
2017 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2915274Göpfert, C., Göpfert, J.P. & Hammer, B. (2017). Analyzing Feature Relevance for Linear Reject Option SVM using Relevance Intervals. Proceedings of the 2017 NIPS workshop on Transparent and Interpretable Machine Learning in Safety Critical Environments. Gehalten auf der NIPS workshop on Transparent and Interpretable Machine Learning in Safety Critical Environments.
-
2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2909367Kummert, J., Paaßen, B., Jensen, J., Göpfert, C. & Hammer, B. (2016). Local Reject Option for Deterministic Multi-class SVM (Lecture Notes in Computer Science). In A. E.P. Villa, P. Masulli & A.J. 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 (S. 251--258). Gehalten auf der 25th International Conference on Artificial Neural Networks, Cham: Springer Nature. doi:10.1007/978-3-319-44781-0_30.
-
2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2900676Paaßen, B., Göpfert, C. & Hammer, B. (2016). Gaussian process prediction for time series of structured data. In M. Verleysen (Hrsg.), Proceedings of the ESANN, 24th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (S. 41--46). Gehalten auf der 24th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN), Louvain-la-Neuve: Ciaco - i6doc.com.
-
2016 | Konferenzbeitrag | Veröffentlicht | PUB-ID: 2905729Göpfert, C., Paaßen, B. & Hammer, B. (2016). Convergence of Multi-pass Large Margin Nearest Neighbor Metric Learning (Lecture Notes in Computer Science). In A. E.P. Villa, P. Masulli & A.J. 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 (S. 510-517). Gehalten auf der 25th International Conference on Artificial Neural Networks, Cham: Springer Nature. doi:10.1007/978-3-319-44778-0_60.