Logo ZeTeM

Zentrum für Technomathematik

ZeTeM > Über das ZeTeM > Mitarbeiter > Jens Behrmann

Kontakt Sitemap Impressum [ English | Deutsch ]
Bild  Jens Behrmann

Jens Behrmann

Wissenschaftlicher Mitarbeiter der AG Technomathematik

Raum: MZH 2070
E-Mail: jensb@math.uni-bremen.de
Telefon: (0421) 218-63812

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)
  3. Entwicklung eines Digital-Staining-Verfahrens als pathologisch-histologisches Diagnosewerkzeug auf Basis der MALDI-Imaging-Technologie (01.07.2014 - 30.06.2016)

Veranstaltungen (Auswahl)vollständige Liste

  1. Mathematical Foundations of Machine Learning (Sommersemester 2019)
  2. Seminar zu Neuronalen Netzen (Wintersemester 2018/2019)
  3. Seminar zu Neuronalen Netzen (Wintersemester 2016/2017)
  4. Seminar zu mathematischen Methoden der Bildverarbeitung (Sommersemester 2016)
  1. Übungen Computerpraktikum (Wintersemester 2016/2017)
  2. Übungen Computerpraktikum (Wintersemester 2015/2016)

Abschlussarbeiten (Auswahl)vollständige Liste

  1. Untersuchung Neuronaler Kapsel-Netze im Kontext der Bildklassifikation und Semantischen Segmentierung (Maximilian Schmidt)
  2. Detektion von kleinen Objekten mittels neuronaler Netze und Spatial Transformern in Echtzeit (Niels Backfisch)
  3. Strukturierte nichtnegative Matrixfaktorisierung für simulierte Temperaturverteilungen bei additiver Fertigung (Lukas Henneke)

Publikationen (Auswahl)vollständige Liste

  1. J. Jacobsen, J. Behrmann, R. Zemel, M. Bethge.
    Excessive Invariance Causes Adversarial Vulnerability.
    International Conference on Learning Representations (ICLR), 2019.

    online unter: https://openreview.net/forum?id=BkfbpsAcF7

  2. J. Jacobsen, J. Behrmann, N. Carlini, F. Tramer, N. Papernot.
    Exploiting Excessive Invariance caused by Norm-Bounded Adversarial Robustness.
    SafeML Workshop, ICLR, 2019.

    online unter: https://arxiv.org/abs/1903.10484

  3. J. Behrmann, W. Grathwohl, R. T. Chen, D. Duvenaud, J. Jacobsen.
    Invertible Residual Networks.
    International Conference on Machine Learning (ICML).
    Proceedings of Machine Learning Research, 97:573-582, 2019.

    Long Oral

    online unter: http://proceedings.mlr.press/v97/behrmann19a.html

  4. R. T. Chen, J. Behrmann, D. Duvenaud, J. Jacobsen.
    Residual Flows for Invertible Generative Modeling.
    Neural Information Processing Systems (NeurIPS), 2019.

    Spotlight

    online unter: https://arxiv.org/abs/1906.02735

  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