Dr. Christian Etmann

Forschungsgebiete

• Deep Learning
• Imaging mass spectrometry
• Regularisierung bei maschinellem Lernen
• Nonsmooth Analysis

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