亚历山大·迈尔
人员信息
优化列表
2020年–今天
2022 [j13] 比阿特丽斯·埃雷拉 , 雅各布·韦斯特伯格 , 米歇尔·S·沙尔 , 亚历山大·迈尔 , 杰弗里·伍德曼 , 杰弗里·夏尔 , 豪尔赫·里埃拉 :
解决介观缺失环节:灵长类动物皮层柱脑电图的生物物理建模。 神经影像 263 : 119593 ( 2022 ) 2020 [公元12年] 内曼尼亚·赫拉尼萨夫列维奇 , 亚历山大·迈尔 , 奥利弗·尼格曼 :
使用受限Boltzmann机器将混合CPPS数据离散化为时间自动机。 工程应用。 工件。 因特尔。 95 : 103826 ( 2020 ) [公元11年] 雅各布·韦斯特伯格 , 亚历山大·迈尔 , 杰弗里·伍德曼 , 杰弗里·沙尔 :
可视化启动期间的性能监视。 J.认知。 神经科学。 32 ( 三 ) : 515-526 ( 2020 ) [电子1] 于尔根·贝耶尔 , 亚历山大·迈尔 , 奥利弗·尼格曼 :
网络物理系统的机器学习,2017年9月25日至26日在德国莱姆戈举行的2017年ML4CPS国际会议论文选集。 施普林格 2020 ,国际标准图书编号 978-3-662-59083-6 [目录] [i1] 内曼尼亚·赫拉尼萨夫列维奇 , 奥利弗·尼格曼 , 亚历山大·迈尔 :
基于深度学习和时间自动机的混合生产系统异常检测新算法。 CoRR公司 abs/2010.15415 ( 2020 )
2010 – 2019
2019 [公元24年] 亚历山大·迪德里奇 , 亚历山大·迈尔 , 奥利弗·尼格曼 :
基于可满足性模理论的混合系统模型诊断。 AAAI公司 2019 : 1452-1459 【c23】 卡贾·巴尔泽雷特 , 亚历山大·迈尔 , 比约恩·巴里格 , 蒂诺·赫申瑞瑟(Tino Hutschenreuther) , 奥利弗·尼格曼 :
网络物理生产系统中因果依赖的数据驱动识别。 ICAART(2) 2019 : 592-601 [公元22年] 玛塔·富伦 , 亚历山大·迈尔 , 亚瑟·纳扎连科 , 沃尔坎阿克苏 , 萨沙·詹德尼 , 卡斯滕·罗克 :
辅助系统的机器学习:基于模式的在线步骤识别方法。 印度 2019 : 296-302 2018 [公元10年] Jean-Paul Noel公司 , 大卫·西蒙 , 安东尼娅·塞伦 , 亚历山大·迈尔 , 伦道夫·布莱克 , 马克·T·华莱士 :
探索单感觉和多感觉模式下感知意识的电生理指标。 J.认知。 神经科学。 30 ( 6 ) ( 2018 ) 2017 [公元9年] 马蒂亚斯·特劳布 , 亚历山大·迈尔 , 凯·巴宾汉 :
未来汽车架构和IT趋势的影响。 IEEE软件。 34 ( 三 ) : 27-32 ( 2017 ) 【c21】 海因里希·沃肯廷 , 蒂洛·斯特克尔 , 亚历山大·梅尔 , 安斯加·伯纳迪 :
大数据和数据分析方法的手机Arbeitsprozesse。 GIL贾尔斯塔贡 2017 : 161-164 [公元20年] 应谷 , 拉姆·库马尔·甘尼桑 , 本杰明·比斯克 , 安斯加·伯纳迪 , 亚历山大·迈尔 , 海因里希·沃肯廷 , 蒂洛·斯特克尔 , 安德烈亚斯·丹格尔 :
联合收割机大数据集中基于网格的离群点检测。 印度 2017 : 811-818 [第19条] 海因里希·沃肯廷 , 梅克·沃肯 , 亚历山大·迈尔 :
与机器学习的希尔夫相比。 ML4CPS系统 2017 : 63-71 2016 [c18] 英古 , 安斯加·贝尔纳迪 , 蒂洛·斯特克尔 , 亚历山大·迈尔 :
联合收割机提供的传感器数据中的异常检测。 印度 2016 : 1276-1281 2015 【b1】 亚历山大·迈尔 :
生产系统诊断的时间行为模型识别。 帕德博恩大学, 2015 [第17条] 亚历山大·迪德里奇 , 安德烈亚斯·邦特 , 亚历山大·迈尔 , 奥利弗·尼格曼 :
技术体系中的认知架构。 ML4CPS系统 2015 : 75-85 [c16] 亚历山大·迈尔 , 奥利弗·尼格曼 , 延斯·艾克迈耶 :
网络物理生产系统中异常检测的计时行为学习。 DX公司 2015 : 217-224 2014 [第15条] 亚历山大·迈尔 :
网络物理生产系统中时间自动机的在线被动学习。 印度 2014 : 60-66 2013 [第14条] 阿斯米尔·沃登卡列维奇 , 亚历山大·迈尔 , 奥利弗·尼格曼 :
随机有限自动机学习算法评估——技术系统学习模型的比较实证分析。 ICPRAM公司 2013 : 229-238 2012 [j8] 大卫·A·利奥波德 , 亚历山大·迈尔 :
大脑皮层中正在进行的生理过程。 神经影像 62 ( 4 ) : 2190-2200 ( 2012 ) [c13] 奥利弗·尼格曼 , 本诺·斯坦因 , 阿斯米尔·沃登卡列维奇 , 亚历山大·迈尔 , 汉斯·克莱恩·勃宁 :
混合时间系统的学习行为模型。 AAAI公司 2012 : 1083-1090 [第12条] 弗洛里安·佩提格 , 比约恩·克罗尔 , 奥利弗·尼格曼 , 亚历山大·迈尔 , 蒂姆·塔克 , 马提亚斯·马格 :
用于分布式自动化系统的通用同步数据采集解决方案。 ETFA公司 2012 : 1-8 [第11条] 亚历山大·迈尔 , 蒂姆·塔克 , 奥利弗·尼格曼 :
生产工厂的视觉异常检测。 ICINCO(1) 2012 : 67-75 [第10条] 塞巴斯蒂安·法尔廷斯基 , Holger扁平 , 弗洛里安·佩提格 , 比约恩·克罗尔 , 阿斯米尔·沃登卡列维奇 , 亚历山大·迈尔 , 奥利弗·尼格曼 :
检测分布式制造系统中的异常能耗。 印度 2012 : 358-363 【c9】 奥利弗·尼格曼 , 本诺·斯坦因 , 亚历山大·迈尔 :
用机器学习解决建模问题——技术系统模型学习方法的分类方案。 MBEES公司 2012 : 21-30 2011 【c8】 阿斯米尔·沃登卡列维奇 , 汉斯·克莱恩·布宁 , 奥利弗·尼格曼 , 亚历山大·迈尔 :
识别加工厂的行为模型。 ETFA公司 2011 : 1-8 【c7】 阿斯米尔·沃登卡列维奇 , 汉斯·克莱恩·勃宁 , 奥利弗·尼格曼 , 亚历山大·迈尔 :
在混合系统中使用行为模型进行异常检测。 ICAT公司 2011 : 1-8 【c6】 奥拉夫·格雷泽 , 巴拉斯·库马尔 , 奥利弗·尼格曼 , 纳塔利娅·莫里兹 , 亚历山大·迈尔 :
AutomationML作为离线和实时仿真的基础——自动化系统的规划、仿真和诊断。 ICINCO(2) 2011 : 359-368 【c5】 亚历山大·迈尔 , 奥利弗·尼格曼 , 罗马人正义 , 迈克尔·贾格尔 , 阿斯米尔·沃登卡列维奇 :
使用时间自动机的生产工厂异常检测-从观测值自动学习模型。 ICINCO(1) 2011 : 363-369 【c4】 奥利弗·尼格曼 , 亚历山大·迈尔 , 阿斯米尔·沃登卡列维奇 , 伯恩哈德·詹彻尔 :
克服建模瓶颈-生产工厂的学习模型。 MBEES公司 2011 : 157-166 2010 【c3】 奥利弗·尼格曼 , 亚历山大·梅尔 , 于尔根碧玄岩 :
基于模型的自动化系统开发。 MBEES公司 2010 : 45-54
2000 – 2009
2009 [j7] 王志松 , 亚历山大·迈尔 , 尼科斯·洛戈塞提斯 , 梁华楼 :
基于松弛的双稳态感知单三重解码特征选择。 IEEE传输。 生物识别。 工程师。 56 ( 1 ) : 101-110 ( 2009 ) [j6] 王志松 , 亚历山大·迈尔 , 尼科斯·洛戈塞提斯 , 梁华楼 :
通过局部回归和通用空间模式的集成,从局部场电位中提取双稳态感知相关特征。 IEEE传输。 生物识别。 工程师。 56 ( 8 ) : 2095-2103 ( 2009 ) 2008 [j5] 王志松 , 亚历山大·迈尔 , 尼科斯·洛戈塞提斯 , 梁华楼 :
基于稀疏非负张量分解的双稳态感知单次译码。 计算。 智力。 神经科学。 2008 ( 2008 ) 【j4】 王志松 , 亚历山大·迈尔 , 尼科斯·洛戈塞提斯 , 梁华楼 :
通过集成经验模式分解、聚类和支持向量机对双稳态感知进行单次分类。 EURASIP J.高级信号处理。 2008 ( 2008 ) 【c2】 王志松 , 亚历山大·迈尔 , 尼科斯·洛戈塞提斯 , 梁华楼 :
基于稀疏非负张量分解的单序列双稳态感知分类。 国际JCNN 2008 : 1041-1048年 2007 [j3] 王志松 , 亚历山大·迈尔 , 大卫·A·利奥波德 , 尼科斯·洛戈塞提斯 , 梁华楼 :
基于小波的单序列诱发电位估计。 计算。 生物医药 37 ( 4 ) : 463-473 ( 2007 ) [注2] 哈拉尔德·维施尼格 , 克里斯蒂安·巴塔纳 , 亚历山大·迈尔 , 埃里希·莱特盖布 , 丹尼尔·林纳 :
13.56 MHz频率的高速RFID实验室规模样机。 Elektrotech公司。 信息技术 124 ( 11 ) : 376-383 ( 2007 ) 【c1】 王志松 , 亚历山大·梅尔 , 大卫·A·利奥波德 , 梁华楼 :
双稳态知觉单三级分类中神经元活动的时空整合。 国际计算机网络 2007 : 2189-2193 2006 [j1] 王志松 , 亚历山大·迈尔 , 大卫·A·利奥波德 , 梁华楼 :
基于松弛的多通道信号组合(RELAX-MUSIC)用于感知相关神经活动的ROC分析。 IEEE传输。 生物识别。 工程师。 53 ( 12 ) : 2615-2618 ( 2006 )