Suchergebnisse

Zeitschriftenartikel (3)

1.
Zeitschriftenartikel
Pfingsten, T.; Herrmann, D.; Schnitzler, T.; Feustel, A.; Schölkopf, B.: Feature Selection for Troubleshooting in Complex Assembly Lines. IEEE Transactions on Automation Science and Engineering 4 (3), S. 465 - 469 (2007)
2.
Zeitschriftenartikel
Pfingsten, T.; Glien, K.: Statistical Analysis of Slow Crack Growth Experiments. Journal of the European Ceramic Society 26 (15), S. 3061 - 3065 (2006)
3.
Zeitschriftenartikel
Pfingsten, T.; Herrmann, D.; Rasmussen, C.: Model-based Design Analysis and Yield Optimization. IEEE Transactions on Semiconductor Manufacturing 19 (4), S. 475 - 486 (2006)

Buch (1)

4.
Buch
Pfingsten, T.: Machine Learning for Mass Production and Industrial Engineering. Logos Verlag, Berlin, Germany (2007), 128 S.

Konferenzbeitrag (1)

5.
Konferenzbeitrag
Pfingsten, T.: Bayesian Active Learning for Sensitivity Analysis. In: Machine Learning: ECML 2006: 17th European Conference on Machine Learning Berlin, Germany, September 18-22, 2006, S. 353 - 364 (Hg. Fürnkranz, J.; Scheffer, T.; Spiliopoulou, M.). 17th European Conference on Machine Learning (ECML 2006), Berlin, Germany, 18. September 2006 - 22. September 2006. Springer, Berlin, Germany (2006)

Poster (1)

6.
Poster
Pfingsten, T.; Kuss, M.; Rasmussen, C.: Nonstationary Gaussian Process Regression using a Latent Extension of the Input Space. Eighth World Meeting of the International Society for Bayesian Analysis (ISBA 2006), Benidorm, Spain (2006)

Hochschulschrift - Doktorarbeit (1)

7.
Hochschulschrift - Doktorarbeit
Pfingsten, T.: Machine Learning for Mass Production and Industrial Engineering. Dissertation, 124 S., Eberhard-Karls-Universität, Tübingen, Germany (2007)

Hochschulschrift - Diplom (1)

8.
Hochschulschrift - Diplom
Pfingsten, T.: Ladungsträgerdynamik in optisch angeregten GaAs-Quantendrähten: Relaxation und Transport. Diplom, 105 S., Westfälische Wilhelms-Universität, Münster, Germany (2003)

Bericht (1)

9.
Bericht
Kuss, M.; Pfingsten, T.; Csato, L.; Rasmussen, C.: Approximate Inference for Robust Gaussian Process Regression (Technical Report of the Max Planck Institute for Biological Cybernetics, 136). Max Planck Institute for Biological Cybernetics, Tübingen, Germany (2005), 27 S.
Zur Redakteursansicht