汉诺威莱布尼茨大学 Fakultät公司 Fakultät für Elektrotechnik und Informatik公司
Kontakt公司
Künstliche情报研究所
 
吕尔昆斯特里奇情报研究所 研究所
马吕斯·林道尔
© M4 Fotostudio Mirja John先生
雷教授博士。纳特·马吕斯·林道尔
电话
+49 511 762 5301
电子邮件
m.lindauer@ai.uni-hannover.de
压缩
Welfengarten 1号机组
30167汉诺威
盖布乌德
1101
劳姆
a419型
© M4 Fotostudio Mirja John先生
rer博士教授。纳特·马吕斯·林道尔
电话
+49 511 762 5301
电子邮件
m.lindauer@ai.uni-hannover.de
压缩
Welfengarten 1号机组
30167汉诺威
盖布乌德
1101
劳姆
a419型

近年来，人工智能在不同领域取得了令人瞩目的成果，包括计算机视觉、自然语言处理和强化学习。这些突破显示了人工智能将如何影响和改变我们的日常生活、商业甚至研究的许多方面。随着深度学习和传统人工智能方法的出现，如人工智能规划、SAT求解或进化算法，现在有多种不同的技术可用。然而，应用这些技术是具有挑战性的，甚至有经验的AI开发人员也面临着一些困难的设计决策，这使得开发新的AI应用程序成为一项繁琐、容易出错且耗时的任务。因此，我们开发了新的方法，通过减少所需的专家知识、缩短开发时间和减少出错机会来提高人工智能应用程序开发的效率。我们做到这一点时，考虑到了人工智能的民主化和社会责任。

研究兴趣

实际上，我对许多与AutoML、机器学习、人工智能以及这些领域的跨学科应用相关的主题感兴趣。以下是一些选定的主题：

  • 绿色-自动ML
  • 以人为中心的AutoML
  • 动态算法配置
  • 强化学习的泛化
  • 应用于生产或健康/医学

简历

出版物

1 2 三 4 5 6 7 最后

泽格·埃尔格布尼塞1-20第125页

2024

本杰明斯，C。、Cenikj，G.、Nikolikj，A。莫汉，A。、埃夫蒂莫夫、T。和Lindauer，M。(2024).基于强化学习的动态算法配置实例选择：改进泛化.英寸遗传与进化计算会议（GECCO）计算机械协会遗传和进化计算特别兴趣小组（SIGEVO）。Vorabveröffentlichung在线。
迈尔。。。
Bergman，E.，Feurer，M.，Bahram，A.，Rezaei，A.，Purucker，L。、Segel、S。林道尔，M。，和Eggensperger，K.（2024年）。AMLTK:Python中的模块化AutoML工具包.开源软件杂志,9（100），Artikel 6367。https://doi.org/10.21105/joss.06367
迈尔。。。
邓，D。和Lindauer，M。(2024).优化时间序列预测结构：一种层次神经结构搜索方法（ArXiv）。Vorabveröffentlichung在线。https://arxiv.org/abs/2406.05088
迈尔。。。
T·艾默。、Hutter、F。林道尔，M。，&Biedenkapp，A.（2024年）。费尔法伦zum Trainieren eines Algorithmus des maschinellen Lernens durch in bestärkendes Lernverfahren（专利号。DE102022210480A1号). 德国专利与市场（DPMA）。https://worldwide.espacenet.com/patent/search/afamily/090246319/publication/DE10222104080A1？q=pn%3DDE10222104080A1
迈尔。。。
乔瓦内利，J。，龙卷风，A。T·托内德。和Lindauer，M。(2024).基于偏好学习的多目标问题交互式超参数优化M.Wooldridge、J.Dy和S.Natarajan（Hrsg.），第38届AAAI会议记录（S.12172-12180）。（《AAAI人工智能会议论文集》；38级，11号）。https://doi.org/10.48550/arXiv.2309.03581,https://doi.org/10.1609/aaai.v38i11.29106
迈尔。。。
Hennig，L。T·托内德。和Lindauer，M。(2024).利用AutoML实现可持续深度学习：一种基于深度移位神经网络的多目标HPO方法.英寸针对有限/低资源环境的实用ML第五次研讨会Vorabveröffentlichung在线。https://doi.org/10.48550/arXiv.2404.01965
迈尔。。。
林道尔，M。Karl，F.，Klier，A.，Moosbauer，J。A.托内德。（2024年）。立场文件：以人为中心的AutoML范式的行动呼吁.英寸机器学习国际会议记录Vorabveröffentlichung在线。
迈尔。。。
A.莫汉。，张，A。和Lindauer，M。(2024).深度强化学习的结构：一项调查和开放性问题.人工智能研究杂志Vorabveröffentlichung在线。https://arxiv.org/abs/2306.16021
迈尔。。。
F.纽塔茨。，Lindauer，M。，&阿贝让，Z。(2024).高度受限应用程序中的AutoML.VLDB日志,33, 957–979.https://doi.org/10.48550/arXiv.2306.16913,https://doi.org/10.1007/s00778-023-00820-1
迈尔。。。
狄奥多拉科普洛斯。、斯塔尔、F。和Lindauer，M。（Angenommen/im Druck）。多目标AutoML的超参数重要性分析.英寸欧洲人工智能会议记录
迈尔。。。
A.托内德。邓，D。，艾默，T。乔瓦内利，J。莫汉，A。鲁科普夫，T。、Segel、S。狄奥多拉科普洛斯。T·托内德。Wachsmuth，H。和Lindauer，M。(2024).大型语言模型时代的AutoML：当前挑战、未来机遇与风险.机器学习研究汇刊Vorabveröffentlichung在线。https://doi.org/10.48550/arXiv.2306.08107
迈尔。。。
Zöller，M。林道尔，M。，&Huber，M.（Angenommen/im Druck）。auto-sktime：自动时间序列预测.英寸第18届学习与智能优化大会（LION）会议记录https://arxiv.org/abs/2312.08528
迈尔。。。

2023

本杰明斯，C。，艾默，T。、舒伯特、F.G。莫汉，A。，Döhler，S.，比登卡普，A。罗森哈恩，B。、Hutter、F。和Lindauer，M。(2023).情境化我——强化学习中的情境案例.机器学习研究汇刊,2023(6). Vorabveröffentlichung在线。https://doi.org/10.48550/arXiv.2202.04500
迈尔。。。
本杰明斯，C。、艾默、T。、舒伯特、F.G。莫汉，A。Döhler，S.，Biedenkapp，A。罗森哈恩，B。，Hutter，F。和Lindauer，M。(2023).扩展摘要：使我情境化——强化学习中的情境案例.英寸第16届强化学习欧洲研讨会（EWRL 2023）Vorabveröffentlichung在线。https://openreview.net/forum？id=DJgHzXv61b
迈尔。。。
本杰明斯，C。Raponi，E.，Jankovic，A.，Doerr，C。和Lindauer，M。（Angenommen/im Druck）。贝叶斯优化的自调整加权期望改进.英寸2023年AutoML会议PMLR公司。
迈尔。。。
本杰明斯，C。Raponi，E.，Jankovic，A.，Doerr，C。和Lindauer，M。（Angenommen/im Druck）。贝叶斯优化的自调整加权期望改进.英寸GECCO’23：遗传和进化计算会议纪要计算机协会遗传和进化计算特别兴趣小组（SIGEVO）。
迈尔。。。
Bischl，B.，Binder，M.，Lang，M.、Pielok，T.、Richter，J.、Coors，S.、Thomas，J.，Ullmann，T.，Becker，M.和Boulesteix，A.-L。，Deng，D。和Lindauer，M。(2023).超参数优化：基础、算法、最佳实践和开放挑战.威利跨学科评论：数据挖掘和知识发现,13（2） ，Artikel e1484。https://doi.org/10.1002/widm.1484
迈尔。。。
Denkena，B.，Dittrich，M.-A.，Noske，H.，Lange，D。，本杰明斯，C。和Lindauer，M。(2023).机器学习在机床滚珠丝杠传动状态快速监测中的应用.国际高等教育杂志制造技术,127(3-4), 1143-1164.https://doi.org/10.1007/s00170-023-11524-9
迈尔。。。
T·艾默。林道尔，M。，&Raileanu，R.（2023年）。扩展摘要：强化学习中的超参数及其调整.英寸第16届强化学习欧洲研讨会（EWRL 2023）Vorabveröffentlichung在线。https://openreview.net/forum？id=N3IDYxLxgtW
迈尔。。。
T·艾默。林道尔，M。，&Raileanu，R.（2023年）。强化学习中的超参数及其调节.英寸ICML'23：第40届机器学习国际会议记录（S.9104–9149）。Artikel阿特克尔366https://doi.org/10.48550/arXiv.2306.01324,https://doi.org/10.5555/3618408.3618774
迈尔。。。

Letzte ala nderung公司：09.07.24 Druckversion公司

呕吐Gefördert

所以erreichen Sie-uns
Kontakt公司