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.
    A Closer Look at Double Backpropagation.
    Zur Veröffentlichung eingereicht.

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

  3. 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

  4. 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

  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