Logo Uni Bremen

Zentrum für Technomathematik

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

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

Dr. Jens Behrmann

Ehemaliger Mitarbeiter der AG Technomathematik

E-Mail: jensb@uni-bremen.de
Persönliche Homepage:  https://jens-behrmann.netlify.app/

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 (Wintersemester 2020/2021)
  2. Oberseminar: Deep Learning, Inverse Probleme und Datenanalyse (Sommersemester 2020)
  3. Mathematical Foundations of Machine Learning (Sommersemester 2019)
  4. Seminar zu Neuronalen Netzen (Wintersemester 2018/2019)
  5. Seminar zu Neuronalen Netzen (Wintersemester 2016/2017)
  1. Übungen Computerpraktikum (Wintersemester 2016/2017)
  2. Übungen Computerpraktikum (Wintersemester 2015/2016)

Abschlussarbeiten (Auswahl)vollständige Liste

  1. Long-Term Time Series Forecasting and Uncertainty Estimation with Bayesian Neural Networks (David Erzmann)
  2. Application of Neural Networks For Solving Inverse Problems (Alexander Denker)
  3. Ein universelles Approximationstheorem für einschichtige neuronale Netze (Meira Iske)
  4. Untersuchung Neuronaler Kapsel-Netze im Kontext der Bildklassifikation und Semantischen Segmentierung (Maximilian Schmidt)
  5. Detektion von kleinen Objekten mittels neuronaler Netze und Spatial Transformern in Echtzeit (Niels Backfisch)

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. 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, P. Vicol, K. Wang, R. Grosse, J. Jacobsen.
    On the Invertibility of Invertible Neural Networks.
    NeurIPS workshop on Machine Learning with Guarantees, 2019.

    online unter: https://sites.google.com/view/mlwithguarantees/accepted-papers