托拜厄斯·格拉斯马赫
人员信息
附属: 德国波鸿鲁尔大学
SPARQL查询
优化列表
2020年–今天
2024 [公元19年] 奥马尔·阿里 , 穆罕默德·赛义夫·乌尔·雷曼 , 托拜厄斯·格拉斯马赫 , Ioannis Iossifidis公司 , 克里斯蒂安·克莱斯 :
ConTraNet:一种混合网络,用于在有限的训练数据下改进EEG和EMG信号的分类。 计算。 生物医药 168 : 107649 ( 2024 ) [公元18年] 马克斯·鲍罗斯 , Pavlos Rath-Manakidis公司 , 瓦伦汀·兰霍夫 , 劳伦斯·维斯科特 , 托拜厄斯·格拉斯马赫 :
tachAId-支持以人为中心的人工智能解决方案设计的交互式工具。 边疆工匠。 智力。 7 ( 2024 ) [公元17年] 汤姆·莫斯 , 尼科·曾格勒 , 多萝西·塞恩 , 托拜厄斯·格拉斯马赫 :
废物分类设施中的体积确定挑战:观察和策略。 传感器 24 ( 7 ) : 2114 ( 2024 ) [公元50年] 贾斯汀·德特默 , 伊戈尔·瓦托尔金 , 托拜厄斯·格拉斯马赫 :
复调音乐中进化乐器和音高检测的加权初始化。 埃沃穆萨特 2024 : 114-129 [公元49年] 阿比吉特·彭迪亚拉 , 阿斯玛·阿塔姆纳 , 托拜厄斯·格拉斯马赫 :
通过课程学习和奖励工程,使用近似策略优化解决现实世界优化问题。 ECML/PKDD(10) 2024 : 150-165 [公元48年] 斯蒂芬·弗兰克 , 托拜厄斯·格拉斯马赫 :
可变度量进化策略的潜在函数。 PPSN(2) 2024 : 221-235 [i38] Pavlos Rath-Manakidis公司 , 弗雷德里克·斯特罗曼 , 托拜厄斯·格拉斯马赫 , 劳伦斯·维斯科特 :
ProtoPOD:使用原型零件进行可解释的对象检测。 CoRR公司 abs/2402.19142 ( 2024 ) [i37] 阿比吉特·彭迪亚拉 , 阿斯玛·阿塔姆纳 , 托拜厄斯·格拉斯马赫 :
通过课程学习和奖励工程,使用近似策略优化解决现实世界优化问题。 CoRR公司 abs/2404.02577 ( 2024 ) 2023 [公元47年] 阿比吉特·彭迪亚拉 , 贾斯汀·德特默 , 托拜厄斯·格拉斯马赫 , 阿斯玛·阿塔姆纳 :
集装箱健身房:资源分配的现实世界强化学习基准。 检测限(1) 2023 : 78-92 [公元36年] 阿比吉特·彭迪亚拉 , 贾斯汀·德特默 , 托拜厄斯·格拉斯马赫 , 阿斯玛·阿塔姆纳 :
集装箱健身房:资源分配的现实世界强化学习基准。 CoRR公司 abs/2307.02991 ( 2023 ) [i35] 斯蒂芬·约翰·莱姆勒 , 穆罕默德·赛义夫·乌尔·雷曼 , 托拜厄斯·格拉斯马赫 , Ioannis Iossifidis公司 :
通过探索随机过程了解人工神经网络中的激活模式。 CoRR公司 abs/2308.00858 ( 2023 ) [i34] 西蒙·哈克内斯 , 托拜厄斯·格拉斯马赫 :
在多对象导航的深度强化学习中利用拓扑图。 CoRR公司 abs/2310.10250 ( 2023 ) 2022 [公元16年] 托拜厄斯·格拉斯马赫 , 奥斯文·克劳斯 :
Hessian估计进化策略的收敛性分析。 进化。 计算。 30 ( 1 ) : 27-50 ( 2022 ) [公元15年] 赫林努尔·达维·赫林森 , 梅林·施勒 , 罗宾·希沃 , 托拜厄斯·格拉斯马赫 , 劳伦斯·维斯科特 :
潜在表示预测网络。 国际J模式识别。 Artif公司。 智力。 36 ( 1 ) : 2251002:1-2251002:30 ( 2022 ) [公元14年] 友海秋本惠 , 安妮·奥格 , 托拜厄斯·格拉斯马赫 , Daiki Morinaga公司 :
超光滑强凸函数上演化策略的全局线性收敛性。 SIAM J.Optim公司。 32 ( 2 ) : 1402-1429 ( 2022 ) [公元46年] 蒂姆·施瓦布 , 托拜厄斯·格拉斯马赫 , 玛丽贝尔·阿科斯塔 :
AFRNN:具有自顶向下反馈和反对称性的稳定RNN。 ACML公司 2022 : 880-894 [公元45年] 托拜厄斯·格拉斯马赫 :
快速大规模SVM训练的秘诀:抛光、并行和更多RAM! BNAIC/benlearn语言 2022 : 31-46 [公元44年] 朱塞佩·库卡 , 卢卡·罗尔斯顿 , 法比安·沃普 , 菲利普·库德雷-毛鲁 , 托拜厄斯·格拉斯马赫 :
DiBB:分布式黑盒优化。 GECCO公司 2022 : 341-349 [公元43年] 尼科·曾格勒 , 托拜厄斯·格拉斯马赫 , 乌维·汉德曼 :
转移元学习。 ICPR公司 2022 : 4471-4478 [公元42年] 托拜厄斯·格拉斯马赫 :
(1+1)-ES可靠地克服了鞍点。 PPSN(2) 2022 : 309-319 [i33] 玛丽·多米尼克·施密特 , 托拜厄斯·格拉斯马赫 , Ioannis Iossifidis公司 :
从运动到肌肉。 CoRR公司 abs/2201.11501 ( 2022 ) [i32] 奥马尔·阿里 , 穆罕默德·赛义夫·乌尔·雷曼 , 托拜厄斯·格拉斯马赫 , Ioannis Iossifidis公司 , 克里斯蒂安·克莱斯 :
ConTraNet:基于EEG和基于EMG的人机界面的单一端到端混合网络。 CoRR公司 abs/2206.10677 ( 2022 ) [i31] 托拜厄斯·格拉斯马赫 :
快速大规模SVM训练的秘诀:抛光、并行和更多RAM! CoRR公司 abs/2207.01016 ( 2022 ) [i30] 费利克斯·格伦 , 穆罕默德·赛义夫·乌尔·雷曼 , 托拜厄斯·格拉斯马赫 , Ioannis Iossifidis公司 :
分布连续控制中分位数选择的不变性。 CoRR公司 abs/2212.14262 ( 2022 ) 2021 [公元41年] 尼尔斯·米勒 , 托拜厄斯·格拉斯马赫 :
非局部优化:通过松弛将结构强加于优化问题。 FOGA公司 2021 : 6:1-6:10 [i29] 托拜厄斯·格拉斯马赫 :
(1+1)-ES可靠地克服了鞍点。 CoRR公司 abs/2112.00888 ( 2021 ) [第28条] 斯蒂芬·约翰·莱姆勒 , 穆罕默德·赛义夫·乌尔·雷曼 , 托拜厄斯·格拉斯马赫 , Ioannis Iossifidis公司 :
用于患者特定模型重新校准的深度迁移学习:在sEMG分类中的应用。 CoRR公司 abs/2112.15019 ( 2021 ) 2020 [j13] 托拜厄斯·格拉斯马赫 :
(1+1)进化策略的全球收敛到临界点。 进化。 计算。 28 ( 1 ) : 27-53 ( 2020 ) [公元40年] 德克兰·奥勒 , 托拜厄斯·格拉斯马赫 , 朱塞佩·库卡 :
用随机权重猜测分析强化学习基准。 美国原子能机构 2020 : 975-982 [公元39年] 穆罕默德·纳夫齐 , 迈克尔·布拉克曼 , 托拜厄斯·格拉斯马赫 :
车辆重新识别方法。 智能系统(1) 2020 : 516-527 [公元38年] 托拜厄斯·格拉斯马赫 , 奥斯文·克劳斯 :
黑森估计进化策略。 PPSN(1) 2020 : 597-609 [公元37年] 穆罕默德·纳夫齐 , 迈克尔·布拉克曼 , 托拜厄斯·格拉斯马赫 :
汽车品牌/车型分类的数据增强和聚类。 最高审计机关(1) 2020 : 334-346 [i27] 托拜厄斯·格拉斯马赫 , 奥斯文·克劳斯 :
黑森估计进化策略。 CoRR公司 abs/2003.13256 ( 2020 ) [i26] 德克兰·奥勒 , 托拜厄斯·格拉斯马赫 , 朱塞佩·库卡 :
用随机权重猜测分析强化学习基准。 CoRR公司 abs/2004.07707 ( 2020 ) [i25] 托拜厄斯·格拉斯马赫 , 奥斯文·克劳斯 :
Hessian估计进化策略的收敛性分析。 CoRR公司 腹肌/2009.02732 ( 2020 ) 【i24】 穆罕默德·纳夫齐 , 迈克尔·布拉克曼 , 托拜厄斯·格拉斯马赫 :
汽车品牌/车型分类的数据增强和聚类。 CoRR公司 abs/2009.06679 ( 2020 ) [第23条] 穆罕默德·纳夫齐 , 迈克尔·布拉克曼 , 托拜厄斯·格拉斯马赫 :
车辆重新识别方法。 CoRR公司 abs/2009.06687 ( 2020 ) [i22] 友海秋本惠 , 安妮·奥格 , 托拜厄斯·格拉斯马赫 , Daiki Morinaga公司 :
不止光滑强凸函数上进化策略的全局线性收敛性。 CoRR公司 abs/2009.08647 ( 2020 ) 【i21】 赫林努尔·达维·赫林森 , 梅林·施勒 , 罗宾·希沃 , 托拜厄斯·格拉斯马赫 , 劳伦斯·维斯科特 :
潜在表示预测网络。 CoRR公司 abs/2009.09439 ( 2020 ) [i20] 尼尔斯·米勒 , 托拜厄斯·格拉斯马赫 :
非局部优化:通过松弛将结构强加于优化问题。 CoRR公司 abs/2011.06064 ( 2020 ) [i19] 奥马尔·阿里 , 穆罕默德·赛义夫·乌尔·雷曼 , 苏珊·戴克 , 托拜厄斯·格拉斯马赫 , Ioannis Iossifidis公司 , 克里斯蒂安·克莱斯 :
使用锚定STFT结合梯度范数对抗性增强提高EEG解码性能。 CoRR公司 abs/2011.14694 ( 2020 )
2010 – 2019
2019 [公元12年] 伊利亚·洛希洛夫 , 托拜厄斯·格拉斯马赫 , 汉斯·乔治·拜尔 :
通过有限内存矩阵自适应进行大规模黑盒优化。 IEEE传输。 进化。 计算。 23 ( 2 ) : 353-358 ( 2019 ) [公元36年] 托拜厄斯·格拉斯马赫 :
凸二次双目标基准问题的挑战。 GECCO公司 2019 : 559-567 [公元35年] 西蒙·哈克内斯 , 托拜厄斯·格拉斯马赫 :
利用无监督特征提取促进强化学习。 ICANN(1) 2019 : 555-566 [公元34年] 萨哈尔·卡丹 , 阿比吉特·彭迪亚拉 , 梅林·施勒 , 托拜厄斯·格拉斯马赫 :
大规模核化双支持向量机在线预算随机坐标提升训练。 ICPRAM(修订论文集) 2019 : 23-47 [公元33年] 萨哈尔·卡丹 , 梅林·施勒 , 托拜厄斯·格拉斯马赫 :
双支持向量机预算培训。 ICPRAM公司 2019 : 94-106 [公元32年] 哈尼恩·阿尔塔图里 , 托拜厄斯·格拉斯马赫 :
用于监督分类的蛋白质序列矩矢量编码。 PACBB公司 2019 : 25-35 [i18] 穆罕默德·纳夫齐 , 迈克尔·布拉克曼 , 托拜厄斯·格拉斯马赫 :
基于卷积神经网络的车辆形状和颜色分类。 CoRR公司 abs/1905.08612 ( 2019 ) 2018 [公元11年] 丹尼尔·霍恩 , 艾丁·德莫西奥卢 , 伯恩德·比施尔 , 托拜厄斯·格拉斯马赫 , 克劳斯·魏斯 :
大规模核化支持向量机的比较研究。 高级数据分析。 分类。 12 ( 4 ) : 867-883 ( 2018 ) [公元31年] 友海秋本惠 , 安妮·奥格 , 托拜厄斯·格拉斯马赫 :
连续搜索空间中的漂移理论:具有1/5成功规则的(1+1)-ES的预期命中时间。 GECCO公司 2018 : 801-808 [c30] 哈萨姆·沙希德·库雷希 , 托拜厄斯·格拉斯马赫 , 丽贝卡·维佐雷克 :
使用端到端学习,以用户为中心开发行人辅助系统。 ICMLA公司 2018 : 808-813 [公元29年] 托拜厄斯·格拉斯马赫 , 萨哈尔·卡丹 :
利用预计算黄金分割搜索加速预算随机梯度下降SVM训练。 LOD(检测限) 2018 : 329-340 [公元28年] 尼尔斯·米勒 , 托拜厄斯·格拉斯马赫 :
进化策略在高维强化学习中的挑战。 PPSN(2) 2018 : 411-423 [i17] 友海秋本惠 , 安妮·奥格 , 托拜厄斯·格拉斯马赫 :
连续搜索空间中的漂移理论:具有1/5成功规则的(1+1)-ES的期望命中时间。 CoRR公司 abs/1802.03209 ( 2018 ) [i16] 尼尔斯·米勒 , 托拜厄斯·格拉斯马赫 :
进化策略在高维强化学习中的挑战。 CoRR公司 abs/1806.01224 ( 2018 ) 【i15】 萨哈尔·卡丹 , 托拜厄斯·格拉斯马赫 :
随机梯度下降SVM训练的多合并预算维护。 CoRR公司 abs/1806.10179 ( 2018 ) [第14条] 托拜厄斯·格拉斯马赫 , 萨哈尔·卡丹 :
利用预计算黄金分割搜索加速预算随机梯度下降SVM训练。 CoRR公司 abs/1806.10180 ( 2018 ) [i13] 萨哈尔·卡丹 , 梅林·施勒 , 托拜厄斯·格拉斯马赫 :
双支持向量机预算培训。 CoRR公司 abs/1806.10182 ( 2018 ) [i12] 托拜厄斯·格拉斯马赫 :
凸二次双目标基准问题的挑战。 CoRR公司 腹肌/1810.09690 ( 2018 ) 2017 [c27] 托拜厄斯·格拉斯马赫 :
端到端学习的局限性。 ACML公司 2017 : 17-32 [公元26年] 托拜厄斯·格拉斯马赫 :
非支配点的快速增量BSP树存档。 应急措施组织 2017 : 252-266 [公元25年] 奥斯文·克劳斯 , 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
步长适应规则的定性和定量评估。 FOGA公司 2017 : 139-148 [公元24年] 托马斯·伊尔默 , 托拜厄斯·格拉斯马赫 , Subhransu Maji公司 :
使用前馈CNN的纹理属性合成和传输。 WACV(加权平均值) 2017 : 852-861 [i11] 托拜厄斯·格拉斯马赫 :
端到端学习的局限性。 CoRR公司 abs/1704.08305 ( 2017 ) [i10] 伊利亚·洛希洛夫 , 托拜厄斯·格拉斯马赫 , 汉斯·乔治·拜尔 :
用于大规模黑盒优化的有限内存矩阵适配。 CoRR公司 abs/1705.06693 ( 2017 ) [第九章] 托拜厄斯·格拉斯马赫 :
(1+1)进化策略的全球收敛。 CoRR公司 abs/1706.02887 ( 2017 ) 2016 [公元10年] 尤尔·杜根 , 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
多类支持向量分类的统一视图。 J.马赫。 学习。 物件。 17 : 45:1-45:32 ( 2016 ) 【c23】 伊利亚·洛希洛夫 , 托拜厄斯·格拉斯马赫 :
使用混合多目标CMA-ES(HMO-CMA-ES)的任意时间双目标优化。 GECCO(同伴) 2016 : 1169-1176 [公元22年] 奥斯文·克劳斯 , 托拜厄斯·格拉斯马赫 , 尼古拉·汉森 , 克里斯蒂安·伊格尔 :
双目标BBOB测试套件的无限总体MO-CMA-ES。 GECCO(同伴) 2016 : 1177-1184 [i8] 艾丁·德莫西奥卢 , 丹尼尔·霍恩 , 托拜厄斯·格拉斯马赫 , 伯恩德·比施尔 , 克劳斯·魏斯 :
通过限制SVM训练时间快速选择模型。 CoRR公司 abs/1602.03368 ( 2016 ) [i7] 托拜厄斯·格拉斯马赫 :
用于多目标优化的快速增量存档。 CoRR公司 abs/1604.01169 ( 2016 ) [i6] 伊利亚·洛希洛夫 , 托拜厄斯·格拉斯马赫 :
使用混合多目标CMA-ES(HMO-CMA-ES)的任意时间双目标优化。 CoRR公司 腹肌/1605.02720 ( 2016 ) 2015 【c21】 奥斯文·克劳斯 , 托拜厄斯·格拉斯马赫 :
具有乘法协方差矩阵更新的CMA-ES。 GECCO公司 2015 : 281-288 2014 [公元9年] Daan Wierstra公司 , 汤姆·绍尔 , 托拜厄斯·格拉斯马赫 , 孙毅 , 简·彼得斯 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
自然进化战略。 J.马赫。 学习。 物件。 15 ( 1 ) : 949-980 ( 2014 ) [公元20年] 托拜厄斯·格拉斯马赫 :
使用局部上确界变换处理尖锐脊。 GECCO公司 2014 : 389-396 [第19条] 路易吉·马拉戈 , 托拜厄斯·格拉斯马赫 :
进化计算中的信息几何。 GECCO(同伴) 2014 : 709-726 [第18条] 托拜厄斯·格拉斯马赫 :
低维基准Pareto前沿的优化近似集。 PPSN(PPSN) 2014 : 569-578 [c17] 托拜厄斯·格拉斯马赫 , 鲍里斯·诺约克斯 , 居恩特·鲁道夫 :
从小处做大? 保存多目标函数求值。 PPSN(PPSN) 2014 : 579-588 [i5] 托拜厄斯·格拉斯马赫 , 尤尔·杜根 :
坐标下降与坐标频率的在线自适应。 CoRR公司 腹肌/1401.3737 ( 2014 ) 2013 [第16条] 托拜厄斯·格拉斯马赫 , 尤尔·杜根 :
具有自适应坐标频率的加速坐标下降。 ACML公司 2013 : 72-86 [第15条] 托拜厄斯·格拉斯马赫 :
具有异步策略更新的自然进化策略。 GECCO公司 2013 : 431-438 [第14条] 奥斯文·克劳斯 , 阿斯贾·费舍尔 , 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
具有二进制隐藏单元和实值可见单元的DBN的近似特性。 ICML(1) 2013 : 419-426 [i4] 托拜厄斯·格拉斯马赫 , 尤尔·杜根 :
具有自适应可变选择频率的加速线性SVM训练。 CoRR公司 abs/1302.5608 ( 2013 ) [i3] 索马耶·达纳法尔 , 保罗·M·V·兰科伊塔 , 托拜厄斯·格拉斯马赫 , 凯文·惠廷斯塔尔 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
用正则最大平均差检验假设。 CoRR公司 abs/1305.0423 ( 2013 ) [i2] 托拜厄斯·格拉斯马赫 :
计划头SMO算法。 CoRR公司 abs/1307.8305 ( 2013 ) 2012 [j8] 托拜厄斯·格拉斯马赫 , 扬·库特尼克 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
演化连续函数的核表示。 进化。 智力。 5 ( 三 ) : 171-187 ( 2012 ) [第13条] 尤尔·杜根 , 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
关于将二进制大边缘分类器的泛化边界扩展到多个类的注记。 ECML/PKDD(1) 2012 : 122-129 [第12条] 托拜厄斯·格拉斯马赫 :
凸二次型问题上各向同性高斯分布IGO-流的收敛性。 PPSN(1) 2012 : 1-10 2011 [第11条] 汤姆·绍尔 , 利奥·佩普 , 托拜厄斯·格拉斯马赫 , 文森特·格拉齐亚诺 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
连贯性进展:一种基于固定压缩机的趣味性测量方法。 AGI公司 2011 : 21-30 [第10条] 托拜厄斯·格拉斯马赫 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
最佳直接策略搜索。 AGI公司 2011 : 52-61 【c9】 朱塞佩·库卡 , 福斯蒂诺·J·戈麦斯 , 托拜厄斯·格拉斯马赫 :
基于新奇的进化策略重启。 IEEE进化计算大会 2011 : 158-163 【c8】 汤姆·绍尔 , 托拜厄斯·格拉斯马赫 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
自然进化策略的高维度和厚尾巴。 GECCO公司 2011 : 845-852 [i1] Daan Wierstra公司 , 汤姆·绍尔 , 托拜厄斯·格拉斯马赫 , 孙毅 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
自然进化策略。 CoRR公司 abs/1106.4487 ( 2011 ) 2010 [j7] 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
具有多个参数的1-范数软裕度SVM的最大似然模型选择。 IEEE传输。 模式分析。 机器。 智力。 32 ( 8 ) : 1522-1528 ( 2010 ) 【c7】 托拜厄斯·格拉斯马赫 , 汤姆·绍尔 , 孙毅 , Daan Wierstra公司 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
指数自然进化策略。 GECCO公司 2010 : 393-400 【c6】 托拜厄斯·格拉斯马赫 :
多类支持向量分类的通用一致性。 NIPS公司 2010 : 739-747 【c5】 托拜厄斯·格拉斯马赫 , 汤姆·绍尔 , 尤根·施密杜贝尔(Jürgen Schmidhuber) :
多目标优化的自然进化策略。 PPSN(1) 2010 : 627-636
2000 – 2009
2008 【b1】 托拜厄斯·格拉斯马赫 :
基于梯度的支持向量机优化。 波鸿鲁尔大学, 2008 [j6] 克里斯蒂安·伊格尔 , 维伦娜·海德里希·梅斯纳 , 托拜厄斯·格拉斯马赫 :
鲨鱼。 J.马赫。 学习。 物件。 9 : 993-996 ( 2008 ) [j5] 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
二阶SMO改进了SVM在线和主动学习。 神经计算。 20 ( 2 ) : 374-382 ( 2008 ) 【c4】 托拜厄斯·格拉斯马赫 :
SMO算法中工作集选择的相关冲突对。 ESANN公司 2008 : 475-480 【c3】 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
支持向量机模型选择中的不确定性处理。 PPSN(PPSN) 2008 : 185-194 2007 [j4] 布丽塔·默施 , 托拜厄斯·格拉斯马赫 , 彼得·梅尼克 , 克里斯蒂安·伊格尔 :
细菌基因启动子检测序列核的进化优化。 国际神经系统杂志。 17 ( 5 ) : 369-381 ( 2007 ) [j3] 克里斯蒂安·伊格尔 , 托拜厄斯·格拉斯马赫 , 布丽塔·默施 , 尼科·菲弗 , 彼得·梅尼克 :
用于细菌基因起始检测的序列核的核-靶比对的梯度优化。 IEEE ACM传输。 计算。 生物信息。 4 ( 2 ) : 216-226 ( 2007 ) 2006 [注2] 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
SVM的最大增益工作集选择。 J.马赫。 学习。 物件。 7 : 1437-1466 ( 2006 ) [c2] 托拜厄斯·格拉斯马赫 :
径向高斯核支持向量机模型选择中的退化问题。 ESANN公司 2006 : 587-592 【c1】 布丽塔·默施 , 托拜厄斯·格拉斯马赫 , 彼得·梅尼克 , 克里斯蒂安·伊格尔 :
细菌基因检测序列核的进化优化开始。 ICANN(2) 2006 : 827-836 2005 [j1] 托拜厄斯·格拉斯马赫 , 克里斯蒂安·伊格尔 :
一般高斯核的基于梯度的自适应。 神经计算。 17 ( 10 ) : 2099-2105 ( 2005 )