克里斯托夫·舒特
人员信息
优化列表
![笔记](https://dblp.uni-trier.de/img/note-mark.dark.12x12.png)
2020年–今天
2023 【i15】 Tuan乐 , 朱利安·克莱默 , Frank Noé , 乔克·阿内·克利夫特 , 克里斯托夫·舒特 :
在基于等变扩散的生成模型的设计空间中导航以生成新的3D分子。 CoRR公司 abs/2309.17296 ( 2023 ) 2022 [注2] 托马斯·施纳克 , 奥利弗·埃伯勒 , 乔纳斯·莱德勒 , 中岛信一 , 克里斯托夫·舒特 , 克劳斯·罗贝特·米勒 , 格雷戈里·蒙塔冯 :
通过相关走动对图神经网络进行高阶解释。 IEEE传输。 模式分析。 机器。 智力。 44 ( 11 ) : 7581-7596 ( 2022 ) [第14条] 乔纳斯·莱德勒 , 迈克尔·加斯泰格 , 克里斯托夫·舒特 , 迈克尔·坎普费梅尔 , 克劳斯·罗贝特·米勒 , 奥利弗·T·恩克 :
化学成分的自动识别。 CoRR公司 腹肌/2203.16205 ( 2022 ) 2021 【c6】 克里斯托夫·舒特 , 奥利弗·T·恩克 , 迈克尔·加斯特格尔 :
用于张量性质和分子光谱预测的等变信息传递。 ICML公司 2021 : 9377-9388 [i13] 克里斯托夫·舒特 , 奥利弗·T·恩克 , 迈克尔·加斯特格尔 :
用于张量性质和分子光谱预测的等变信息传递。 CoRR公司 abs/2102.03150 ( 2021 ) [i12] 奥利弗·T·恩克 , 斯特凡·切米埃拉 , 迈克尔·加斯特格尔 , 克里斯托夫·舒特 , Huziel E.Sauceda公司 , 克劳斯·罗贝特·米勒 :
SpookyNet:具有电子自由度和非局部效应的学习力场。 CoRR公司 abs/2105.00304 ( 2021 ) [i11] 尼古拉斯·W·A·盖鲍尔 , 迈克尔·加斯特格尔 , 斯特凡·西蒙·皮埃尔·赫斯曼 , 克劳斯·罗贝特·米勒 , 克里斯托夫·舒特 :
利用条件生成神经网络进行三维分子结构的逆向设计。 CoRR公司 abs/2109.04824 ( 2021 ) 2020 [i10] 菲利普·莱宁 , 马尔特·埃斯德斯 , 克里斯托夫·舒特 , 克里斯蒂安·瓦格纳 , 克劳斯·罗贝特·米勒 , F.斯特凡·陶兹 :
具有强化学习的自主机器人纳米制造。 CoRR公司 abs/2002.11952 ( 2020 ) [第九章] 托马斯·施纳克 , 奥利弗·埃伯勒 , 乔纳斯·莱德勒 , 中岛信一 , 克里斯托夫·舒特 , 克劳斯·罗贝特·米勒 , 格雷戈里·蒙塔冯 :
图的XAI:通过识别相关行走来解释图神经网络预测。 CoRR公司 abs/2006.03589 ( 2020 )
2010 – 2019
2019 [j1] 马克西米利安·阿尔伯 , 塞巴斯蒂安·拉普什金 , 菲利普·西格勒 , 米里亚姆·哈格尔 , 克里斯托夫·舒特 , 格雷戈里·蒙塔冯 , 沃伊西奇·萨梅克 , 克劳斯·罗贝特·米勒 , 斯文·达赫内 , 彼得·扬·金德曼 :
iNNestigate神经网络! J.马赫。 学习。 物件。 20 : 93:1-93:8 ( 2019 ) 【c5】 尼克拉斯·W·A·格鲍尔 , 迈克尔·加斯特格尔 , 克里斯托夫·舒特 :
三维点集的对称生成,用于有针对性地发现分子。 NeurIPS公司 2019 : 7564-7576 [第3页] 彼得·扬·金德曼 , 萨拉·胡克 , 朱利叶斯·阿德巴约 , 马克西米利安·阿尔伯 , 克里斯托夫·舒特 , 斯文·达赫内 , 杜米特鲁·尔汗 , Been Kim(金) :
显著性方法的(Un)可靠性。 可解释的人工智能 2019 : 267-280 [第2页] 克里斯托夫·舒特 , 迈克尔·加斯特格尔 , 亚历山大·特卡琴科 , 克劳斯·罗贝特·米勒 :
可解释原子神经网络的量子化学见解。 可解释的人工智能 2019 : 311-330 [i8] 尼古拉斯·W·A·盖鲍尔 , 迈克尔·加斯特格尔 , 克里斯托夫·舒特 :
三维点集的对称生成,用于有针对性地发现分子。 CoRR公司 腹肌/1906.00957 ( 2019 ) 2018 【b1】 克里斯托夫·舒特 :
用深度神经网络学习原子系统的表示(Lernen von Repräsentationen für atomistische Systeme mit tiefen neuronalen Netzen)。 德国柏林大学, 2018 【c4】 彼得·扬·金德曼 , 克里斯托夫·舒特 , 马克西米利安·阿尔伯 , 克劳斯·罗贝特·米勒 , 杜米特鲁·尔汗 , Been Kim(金) , 斯文·达赫内 :
学习如何解释神经网络:PatternNet和PatternAttribution。 ICLR(海报) 2018 [第1页] 克里斯托夫·舒特 :
用深度神经网络学习原子系统的表示。 澳大利亚信息技术协会 2018 : 231-240 [i7] 克里斯托夫·舒特 , 迈克尔·加斯特格尔 , 亚历山大·特卡琴科 , 克劳斯·罗贝特·米勒 :
来自可解释原子神经网络的量子化学见解。 CoRR公司 abs/1806.10349 ( 2018 ) [i6] 马克西米利安·阿尔伯 , 塞巴斯蒂安·拉普什金 , 菲利普·西格勒 , 米里亚姆·哈格尔 , 克里斯托夫·舒特 , 格雷戈里·蒙塔冯 , 沃伊西奇·萨梅克 , 克劳斯·罗贝特·米勒 , 斯文·达赫内 , 彼得·扬·金德曼 :
iNNestigate神经网络! CoRR公司 abs/1808.04260 ( 2018 ) [i5] 尼古拉斯·W·A·盖鲍尔 , 迈克尔·加斯特格尔 , 克里斯托夫·舒特 :
利用深度神经网络生成平衡分子。 CoRR公司 abs/1810.11347 ( 2018 ) [i4] 克里斯托夫·舒特 , 亚历山大·特卡琴科 , 克劳斯·罗贝特·米勒 :
使用原子神经网络学习分子和材料的表示。 CoRR公司 abs/1812.04690 ( 2018 ) 2017 【c3】 克里斯托夫·舒特 , 彼得·扬·金德曼 , Huziel Enoc Sauceda Felix公司 , 斯特凡·奇米埃拉 , 亚历山大·特卡琴科 , 克劳斯·罗贝特·米勒 :
SchNet:一种用于模拟量子相互作用的连续滤波卷积神经网络。 NIPS公司 2017 : 991-1001 【c2】 马克西米利安·阿尔伯 , 彼得·扬·金德曼 , 克里斯托夫·舒特 , 克劳斯·罗贝特·米勒 , 菲莎 :
核方法随机基性质的实证研究。 NIPS公司 2017 : 2763-2774 [i3] 彼得·扬·金德曼 , 克里斯托夫·舒特 , 马克西米利安·阿尔伯 , 克劳斯·罗贝特·米勒 , 斯文·达赫内 :
PatternNet和PatternLRP-提高神经网络的可解释性。 CoRR公司 abs/1705.05598 ( 2017 ) [i2] 彼得·扬·金德曼 , 萨拉·胡克 , 朱利叶斯·阿德巴约 , 马克西米利安·阿尔伯 , 克里斯托夫·舒特 , 斯文·达赫内 , 杜米特鲁·尔汗 , Been Kim(金) :
显著性方法的(Un)可靠性。 CoRR公司 abs/1711.00867 ( 2017 ) 2016 [i1] 彼得·扬·金德曼 , 克里斯托夫·舒特 , 克劳斯·罗贝特·米勒 , 斯文·达赫内 :
调查噪声和干扰因素对神经网络解释的影响。 CoRR公司 abs/1611.07270 ( 2016 ) 2012 【c1】 克里斯托夫·舒特 , 马吕斯·克劳特 , 亚历山大·比卡多洛夫 , 康拉德·里克 :
提前检测JavaScript代码中的恶意行为。 AISec公司 2012 : 15-24
合著者索引
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)