索菲·费伦兹
人员信息
附属: 德国TU Kaiserslautern
优化列表
2020年–今天
2024 [第11条] 李伟晨 , Rati Devidze公司 , 瓦利德·穆斯塔法 , 索菲·费伦兹 :
行动中的道德:在基于文本的冒险游戏中为道德决策培训强化学习代理。 AISTATS公司 2024 : 1954-1962 [第10条] 菲尔·西德尼·奥斯泰默 , 马扬克·库马尔·纳格达 , 马吕斯·克劳特 , 索菲·费伦兹 :
使用大型语言模型进行文本风格转换评估。 LREC/冷却 2024 : 15802-15822 [i10] 菲利普·利兹内斯基 , 索拉巴·瓦什内亚 , Ece Calikus公司 , 索菲·费伦茨 , 马吕斯·克劳特 :
重新想象异常:如果异常是正常的怎么办? CoRR公司 abs/2402.14469 ( 2024 ) [第九章] 劳拉·曼杜奇 , 库沙格拉·潘迪 , 罗伯特·巴姆勒 , 瑞恩·科特雷尔 , 西纳·杜伯纳 , 索菲·费伦兹 , 阿斯贾·费舍尔 , 托马斯·加特纳 , 马蒂亚斯·柯奇勒 , 马吕斯·克劳特 , 李英珍 , 克里斯托夫·利珀特 , 杰拉尔德·德梅洛 , 埃里克·纳利斯尼克 , 比约恩·奥默 , 拉杰什·兰加纳思 , 马贾·鲁道夫 , 凯伦·乌尔里奇 , 盖伊·范登·布洛克 , 朱莉娅·沃格特 , 王一新(Yixin Wang) , 弗洛里安·温泽尔 , 弗兰克·伍德 , 斯蒂芬·曼特 , 文森特·福图因 :
论生成性人工智能的挑战和机遇。 CoRR公司 abs/2403.00025 ( 2024 ) 2023 【c9】 菲尔·奥斯泰默 , 马扬克·库马尔·纳格达 , 马吕斯·克劳特 , 索菲·费伦兹 :
呼吁文本风格转换评估的标准化和验证。 ACL(调查结果) 2023 : 10791-10815 【c8】 李伟晨 , Rati Devidze公司 , 索菲·费伦兹 :
学习使用最大熵强化学习来玩基于文本的冒险游戏。 ECML/PKDD(4) 2023 : 39-54 【c7】 阿斯米塔·巴特 , Nooshin Haji Ghassemi公司 , Deepak Nagaraj公司 , 索菲·费伦兹 :
使用深层生成模型对气动形状进行基于约束的参数化和解纠缠。 ECML/PKDD(6) 2023 : 360-376 【c6】 比利·乔·弗兰克斯 , 本杰明·丁克尔曼 , 马吕斯·克劳特 , 索菲·费伦兹 :
StepMania水平难度预测的有序回归。 ECML/PKDD(6) 2023 : 497-512 [i8] 比利·乔·弗兰克斯 , 本杰明·丁克尔曼 , 索菲·费伦兹 , 马吕斯·克劳特 :
StepMania水平估计难度的序贯回归。 CoRR公司 abs/2301.09485 ( 2023 ) [i7] 李伟晨 , Rati Devidze公司 , 索菲·费伦兹 :
学习玩基于文本的冒险游戏的潜在回报塑造。 CoRR公司 abs/2302.10720 ( 2023 ) [i6] 费比安·哈顿 , 比利·乔·弗兰克斯 , 托比亚斯·米歇尔斯 , 丹尼斯·瓦格纳 , 菲利普·利兹内斯基 , 斯特芬·赖瑟曼 , 索菲·费伦兹 , 费比安·吉拉塞克 , 马贾·鲁道夫 , 丹尼尔·奈德 , 海克·莱特 , 陈松 , 本杰明·克洛珀 , 斯蒂芬·曼特 , 迈克尔·博茨 , 雅各布汉堡 , 汉斯·哈斯 , 马吕斯·克劳特 :
田纳西州伊士曼过程数据的深度异常检测。 CoRR公司 abs/2303.05904 ( 2023 ) [i5] 菲尔·奥斯泰默 , 玛扬克·纳格达 , 马吕斯·克劳特 , 索菲·费伦茨 :
呼吁文本风格转换评估的标准化和验证。 CoRR公司 abs/2306.00539 ( 2023 ) [i4] 菲尔·奥斯泰默 , 玛扬克·纳格达 , 马吕斯·克劳特 , 索菲·费伦兹 :
使用大型语言模型进行文本风格转换评估。 CoRR公司 腹肌/2308.13577 ( 2023 ) [i3] 查鲁·詹姆斯 , 玛扬克·纳格达 , Nooshin Haji Ghassemi公司 , 马吕斯·克劳特 , 索菲·费伦兹 :
评估动态主题模型。 CoRR公司 abs/2309.08627 ( 2023 ) 2021 [j5] 索菲·伯克哈特 , 詹尼斯·布鲁格 , 尼古拉斯·瓦格纳 , 扎赫拉·艾哈迈迪 , 克里斯蒂安·科斯廷 , 斯特凡·克莱默 :
使用卷积规则从二元神经网络中提取规则以进行模型验证。 边疆工匠。 智力。 4 : 642263 ( 2021 ) 【c5】 李伟晨 , 帕特里克·阿贝尔斯 , 扎赫拉·艾哈迈迪 , 索菲·伯克哈特 , 本杰明·席勒 , 艾丽娜·古列维奇 , 斯特凡·克莱默 :
用于论证挖掘的主题引导知识图构建。 中国工商银行 2021 : 315-322 [i2] 帕特里克·阿贝尔斯 , 扎赫拉·艾哈迈迪 , 索菲·伯克哈特 , 本杰明·席勒 , 艾丽娜·古列维奇 , 斯特凡·克莱默 :
通过主题建模聚焦基于知识的图形参数挖掘。 CoRR公司 abs/2102.02086 ( 2021 ) 2020 【c4】 索菲·伯克哈特 , 朱莉娅·西基拉 , 乔舒亚·格洛德 , 米盖尔·安德拉德·纳瓦罗 , 斯特凡·克莱默 :
利用主动学习和群众采购从社交媒体中识别药物副作用。 PSB公司 2020 : 319-330 [i1] 索菲·伯克哈特 , 詹尼斯·布鲁格 , 尼古拉斯·瓦格纳 , 扎赫拉·艾哈迈迪 , 克里斯蒂安·科斯廷 , 斯特凡·克莱默 :
基于卷积规则的二元神经网络模型验证规则提取。 CoRR公司 abs/2012.08459 ( 2020 )
2010 – 2019
2019 【j4】 索菲·伯克哈特 , 斯特凡·克莱默 :
Dirichlet变分自动编码器主题模型中的解耦稀疏性和平滑性。 J.马赫。 学习。 物件。 20 : 131:1-131:27 ( 2019 ) [j3] 索菲·伯克哈特 , 斯特凡·克莱默 :
使用堆叠分层Dirichlet过程的多标签分类,降低了采样复杂性。 知识。 信息系统。 59 ( 1 ) : 93-115 ( 2019 ) [注2] 索菲·伯克哈特 , 斯特凡·克莱默 :
多标签主题模型综述。 SIGKDD探索。 21 ( 2 ) : 61-79 ( 2019 ) 2018 【b1】 索菲·伯克哈特 :
使用主题模型的在线多标签文本分类。 约翰内斯·古腾堡大学,德国美因茨, 2018 [j1] 索菲·伯克哈特 , 斯特凡·克莱默 :
用于文本分类的联机多标签依赖主题模型。 机器。 学习。 107 ( 5 ) : 859-886 ( 2018 ) 2017 【c3】 索菲·伯克哈特 , 斯特凡·克莱默 :
使用具有降低采样复杂度的堆叠层次Dirichlet过程的多标签分类。 中国工商银行 2017 : 1-8 【c2】 索菲·伯克哈特 , 斯特凡·克莱默 :
分层Dirichlet过程主题模型的在线稀疏折叠混合变分Gibbs算法。 ECML/PKDD(2) 2017 : 189-204 2015 【c1】 索菲·伯克哈特 , 斯特凡·克莱默 :
关于多标签分类中二元相关性和分类器链之间的谱。 囊 2015 : 885-892