Logo Uni Bremen

Zentrum für Industriemathematik

ZeTeM > Über das ZeTeM > Mitarbeiter*innen > Dr. Christian Etmann

Kontakt Sitemap Impressum [ English | Deutsch ]
Bild Dr. Christian Etmann

Dr. Christian Etmann

Ehemaliger Mitarbeiter der AG Technomathematik, Research Training Group π3


Forschungsgebiete

Projekte

  1. Neuronale Netze im MALDI Imaging (seit 01.10.2016)
  2. BMBF-MaDiPath: Massenspektrometrisches Profiling/Grading für onkologische Routineanwendungen der digitalen Pathologie (01.10.2015 - 30.09.2018)

Veranstaltungen (Auswahl)vollständige Liste

  1. Machine Learning (Sommersemester 2018)
  2. Mathematical Foundations of Machine Learning (Sommersemester 2019)

Abschlussarbeiten (Auswahl)vollständige Liste

  1. A Representer Theorem for the Activation Functions of Neural Networks (Daniel Klosa)
  2. Deep-Learning-Konzepte zur Optimierung von ISTA-Verfahren (Alexander Denker)

Publikationen (Auswahl)vollständige Liste

  1. C. Etmann.
    Double Backpropagation with Applications to Robustness and Saliency Map Interpretability.
    Dissertationsschrift, Universität Bremen, 2020.
  2. C. Etmann, S. Lunz, P. Maaß, C. Schönlieb.
    On the Connection Between Adversarial Robustness and Saliency Map Interpretability.
    36th International Conference on Machine Learning, 09.06.-15.06.2019, Los Angeles, USA.
    PMLR 97, 97:1823-1832, 2019.

    online unter: http://proceedings.mlr.press/v97/etmann19a.html

  3. C. Etmann, M. Schmidt, J. Behrmann, T. Boskamp, L. Hauberg-Lotte, A. Peter, R. Casadonte, J. Kriegsmann, P. Maaß.
    Deep Relevance Regularization: Interpretable and Robust Tumor Typing of Imaging Mass Spectrometry Data.
    Zur Veröffentlichung eingereicht.

    online unter: https://arxiv.org/abs/1912.05459

  4. C. Etmann.
    A Closer Look at Double Backpropagation.
    Zur Veröffentlichung eingereicht.

    online unter: https://arxiv.org/abs/1906.06637

  5. J. Behrmann, C. Etmann, T. Boskamp, R. Casadonte, J. Kriegsmann, P. Maaß.
    Deep Learning for Tumor Classification in Imaging Mass Spectrometry.
    Bioinformatics, 34(7):1215-1223, Oxford University Press, 2018.

    DOI: 10.1093/bioinformatics/btx724