Platzhalterbild der Organisationseinheit

Fachgebiet Maschinelles Lernen

Organisation: Arbeitsgruppe

Forschungs-netzwerk anzeigen
1 - 20 von 84Seitengröße: 20

Publikationen

  1. 2024
  2. Elektronisch veröffentlicht (E-Pub)

    Optimizing Time Series Forecasting Architectures: A Hierarchical Neural Architecture Search Approach

    Deng, D. & Lindauer, M., 10 Juni 2024, (Elektronisch veröffentlicht (E-Pub)) (ArXiv).

    Publikation: Arbeitspapier/Preprint › Preprint

  3. Elektronisch veröffentlicht (E-Pub)

    Hyperparameter Importance Analysis for Multi-Objective AutoML

    Theodorakopoulos, D., Stahl, F. & Lindauer, M., 13 Mai 2024, (Elektronisch veröffentlicht (E-Pub)).

    Publikation: Arbeitspapier/Preprint › Preprint

  4. Veröffentlicht

    Verfahren zum Trainieren eines Algorithmus des maschinellen Lernens durch ein bestärkendes Lernverfahren

    Eimer, T., Hutter, F., Lindauer, M. & Biedenkapp, A., 4 Apr. 2024, IPC Nr. G06N20/00, Patent Nr. DE102022210480A1, 4 Okt. 2022, Prioritätsdatum 4 Okt. 2022, Prioritätsnr. DE202210210480A

    Publikation: Schutzrecht/Patent › Patent

  5. Elektronisch veröffentlicht (E-Pub)

    Towards Leveraging AutoML for Sustainable Deep Learning: A Multi-Objective HPO Approach on Deep Shift Neural Networks

    Hennig, L., Tornede, T. & Lindauer, M., 2 Apr. 2024, (Elektronisch veröffentlicht (E-Pub)) 5th Workshop on practical ML for limited/low resource settings.

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  6. Angenommen/Im Druck

    auto-sktime: Automated Time Series Forecasting

    Zöller, M., Lindauer, M. & Huber, M., Apr. 2024, (Angenommen/Im Druck) Proceedings of the 18TH Learning and Intelligent Optimization Conference (LION).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  7. Elektronisch veröffentlicht (E-Pub)

    Structure in Deep Reinforcement Learning: A Survey and Open Problems

    Mohan, A., Zhang, A. & Lindauer, M., Apr. 2024, (Elektronisch veröffentlicht (E-Pub)) in: Journal of Artificial Intelligence Research.

    Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

  8. Veröffentlicht

    Interactive Hyperparameter Optimization in Multi-Objective Problems via Preference Learning

    Giovanelli, J., Tornede, A., Tornede, T. & Lindauer, M., 24 März 2024, Proceedings of the 38th conference on AAAI. Wooldridge, M., Dy, J. & Natarajan, S. (Hrsg.). S. 12172-12180 9 S. (Proceedings of the AAAI Conference on Artificial Intelligence; Band 38, Nr. 11).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  9. Elektronisch veröffentlicht (E-Pub)

    AutoML in the Age of Large Language Models: Current Challenges, Future Opportunities and Risks

    Tornede, A., Deng, D., Eimer, T., Giovanelli, J., Mohan, A., Ruhkopf, T., Segel, S., Theodorakopoulos, D., Tornede, T., Wachsmuth, H. & Lindauer, M., 9 Feb. 2024, (Elektronisch veröffentlicht (E-Pub)) in: Transactions on Machine Learning Research.

    Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

  10. Elektronisch veröffentlicht (E-Pub)

    Instance Selection for Dynamic Algorithm Configuration with Reinforcement Learning: Improving Generalization

    Benjamins, C., Cenikj, G., Nikolikj, A., Mohan, A., Eftimov, T. & Lindauer, M., 2024, (Elektronisch veröffentlicht (E-Pub)) Genetic and Evolutionary Computation Conference (GECCO).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  11. Veröffentlicht

    Position Paper: A Call to Action for a Human-Centered AutoML Paradigm

    Lindauer, M., Karl, F., Klier, A., Moosbauer, J., Tornede, A., Müller, A., Hutter, F., Feurer, M. & Bischl, B., 2024, Proceedings of the international conference on machine learning.

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  12. 2023
  13. Veröffentlicht

    AutoML: advanced tool for mining multivariate plant traits

    Shoaib, M., Kotthoff, L., Lindauer, M. & Kant, S., Dez. 2023, in: Trends in Plant Science. 28, 12, S. 1451-1452 2 S.

    Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

  14. Elektronisch veröffentlicht (E-Pub)

    AutoML in Heavily Constrained Applications

    Neutatz, F., Lindauer, M. & Abedjan, Z., 17 Nov. 2023, (Elektronisch veröffentlicht (E-Pub)) in: VLDB Journal.

    Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

  15. Angenommen/Im Druck

    A Patterns Framework for Incorporating Structure in Deep Reinforcement Learning

    Mohan, A., Zhang, A. & Lindauer, M., 17 Sept. 2023, (Angenommen/Im Druck) The 16th European Workshop on Reinforcement Learning (EWRL 2023).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Abstract in Konferenzband › Forschung › Peer-Review

  16. Angenommen/Im Druck

    Extended Abstract: AutoRL Hyperparameter Landscapes

    Mohan, A., Benjamins, C., Wienecke, K., Dockhorn, A. & Lindauer, M., 15 Sept. 2023, (Angenommen/Im Druck) The 16th European Workshop on Reinforcement Learning (EWRL 2023).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  17. Elektronisch veröffentlicht (E-Pub)

    PriorBand: Practical Hyperparameter Optimization in the Age of Deep Learning

    Mallik, N., Bergman, E., Hvarfner, C., Stoll, D., Janowski, M., Lindauer, M., Nardi, L. & Hutter, F., Sept. 2023, (Elektronisch veröffentlicht (E-Pub)) Proceedings of the international Conference on Neural Information Processing Systems (NeurIPS).

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  18. Veröffentlicht

    Hyperparameters in Reinforcement Learning and How to Tune Them

    Eimer, T., Lindauer, M. & Raileanu, R., 23 Juli 2023, ICML'23: Proceedings of the 40th International Conference on Machine Learning. S. 9104–9149 366

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

  19. Elektronisch veröffentlicht (E-Pub)

    AutoRL Hyperparameter Landscapes

    Mohan, A., Benjamins, C., Wienecke, K., Dockhorn, A. & Lindauer, M., 20 Juli 2023, (Elektronisch veröffentlicht (E-Pub)) Second International Conference on Automated Machine Learning.

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung

  20. Veröffentlicht

    Configuration and Evaluation

    Hanselle, J., Hüllermeier, E., Mohr, F., Ngomo, A. C. N., Sherif, M. A., Tornede, A. & Wever, M., 22 Juni 2023, On-The-Fly Computing -- Individualized IT-services in dynamic markets.

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Beitrag in Buch/Sammelwerk › Forschung

  21. Elektronisch veröffentlicht (E-Pub)

    Contextualize Me – The Case for Context in Reinforcement Learning

    Benjamins, C., Eimer, T., Schubert, F. G., Mohan, A., Döhler, S., Biedenkapp, A., Rosenhahn, B., Hutter, F. & Lindauer, M., 5 Juni 2023, (Elektronisch veröffentlicht (E-Pub)) in: Transactions on Machine Learning Research. 2023, 6

    Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review

  22. Angenommen/Im Druck

    Learning Activation Functions for Sparse Neural Networks

    Loni, M., Mohan, A., Asadi, M. & Lindauer, M., 16 Mai 2023, (Angenommen/Im Druck) Second International Conference on Automated Machine Learning.

    Publikation: Beitrag in Buch/Bericht/Sammelwerk/Konferenzband › Aufsatz in Konferenzband › Forschung › Peer-Review

Vorherige 1 2 3 4 5 Nächste