Logo ZeTeM

Zentrum für Technomathematik

ZeTeM > Über das ZeTeM > Mitarbeiter > Dr. Jens Behrmann

Kontakt Sitemap Impressum [ English | Deutsch ]
Bild Dr. Jens Behrmann

Dr. Jens Behrmann

Wissenschaftlicher Mitarbeiter der AG Technomathematik

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

Forschungsgebiete

Projekte

  1. AGENS - Analytisch-generative Netzwerke zur Systemidentifikation (01.04.2020 - 31.03.2023)
  2. Studie zur Qualitätsbewertung, Standardisierung und Reproduzierbarkeit von Daten der bildgebenden MALDI-Massenspektrometrie – MALDISTAR (01.07.2019 - 30.06.2022)
  3. Neuronale Netze im MALDI Imaging (seit 01.10.2016)
  4. BMBF-MaDiPath: Massenspektrometrisches Profiling/Grading für onkologische Routineanwendungen der digitalen Pathologie (01.10.2015 - 30.09.2018)
  5. 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. Oberseminar: Deep Learning, Inverse Probleme und Datenanalyse (Sommersemester 2020)
  2. Mathematical Foundations of Machine Learning (Sommersemester 2019)
  3. Seminar zu Neuronalen Netzen (Wintersemester 2018/2019)
  4. Seminar zu Neuronalen Netzen (Wintersemester 2016/2017)
  5. 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. Ein universelles Approximationstheorem für einschichtige neuronale Netze (Meira Iske)
  2. Untersuchung Neuronaler Kapsel-Netze im Kontext der Bildklassifikation und Semantischen Segmentierung (Maximilian Schmidt)
  3. Detektion von kleinen Objekten mittels neuronaler Netze und Spatial Transformern in Echtzeit (Niels Backfisch)
  4. Strukturierte nichtnegative Matrixfaktorisierung für simulierte Temperaturverteilungen bei additiver Fertigung (Lukas Henneke)

Publikationen (Auswahl)vollständige Liste

  1. F. Tramer, J. Behrmann, N. Carlini, N. Papernot, J. Jacobsen.
    Fundamental Tradeoffs between Invariance and Sensitivity to Adversarial Perturbations.
    International Conference on Machine Learning (ICML), 12.07 - 18.07.2020, Wien, Österreich.

    online unter: https://arxiv.org/abs/2002.04599

  2. J. Behrmann, P. Vicol, K. Wang, R. Grosse, J. Jacobsen.
    Understanding and Mitigating Exploding Inverses in Invertible Neural Networks.
    Zur Veröffentlichung eingereicht.

    online unter: https://arxiv.org/abs/2006.09347

  3. A. Denker, M. Schmidt, J. Leuschner, P. Maaß, J. Behrmann.
    Conditional Normalizing Flows for Low-Dose Computed Tomography Image Reconstruction.
    ICML Workshop on Invertible Neural Networks, Normalizing Flows, and Explicit Likelihood Models, 18.07-18.07.2020, Wien, Österreich.

    online unter: https://invertibleworkshop.github.io/accepted_papers/index.html

  4. R. T. Chen, J. Behrmann, D. Duvenaud, J. Jacobsen.
    Residual Flows for Invertible Generative Modeling.
    Advances in Neural Information Processing Systems (NeurIPS).
    32, S. 9916--9926, 2019.

    Spotlight

    online unter: https://papers.nips.cc/paper/9183-residual-flows-for-invertible-generative-modeling

  5. 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