Universität Regensburg
Merle Behr
Anschrift:
Frau Prof. Dr. Merle Behr
Universität Regensburg
Fakultät für Informatik und Data Science
Maschinelles Lernen
Universität Regensburg
Fakultät für Informatik und Data Science
Maschinelles Lernen
Straße:
Bajuwarenstraße 4
Ort:
93053 Regensburg
E-Mail:
Leistungsprofil:
Praxisrelevante Forschungsgebiete:- Statistisches Maschinelles Lernen
- Biomedizinische Anwendungen
- Causal Inference, insbesondere für Real-World-Data (RWD) in der Medizin
- Methodenentwicklung und mathematische Untersuchung von statistischen Methoden
Publikationen:
- M. Behr, Y. Wang, X. Li, and B. Yu, Provable Boolean Interaction Recovery from Tree Ensemble obtained via Random Forests, Proceedings of the National Academy of Science (PNAS), 119(22):e2118636119 (2022)
- M. Behr and A. Munk, Minimax estimation in linear models with unknown design over finite alphabets, SIAM Journal on Mathematics of Data Science, 4(2):490-513 (2022)
- L. Vanegas, M. Behr, and A. Munk, Multiscale Quantile Segmentation, Journal of the American Statistical Association, 117(539):1384–1397 (2022)
- M. Pelizzola, M. Behr, H. Li, A. Munk, and A. Futschik, Multiple Haplotype Reconstruction from Allele Frequency Datan, Nature Computational Science, 1:262–271 (2021)
- M. Behr, M. Azim Ansari, A. Munk, C. Holmes, Testing for dependence on tree structures, Proceedings of the National Academy of Sciences (PNAS) , 117(18):9787–9792 (2020)
- M. Behr, C. Holmes, and A. Munk, Multiscale blind source separation, The Annals of Statistics, 46(2):711–744 (2018)
- M. Behr and A. Munk, Identifiability for blind source separation of multiple finite alphabet linear mixtures, IEEE Transactions on Information Theory, 63(9):5506-5517 (2017)
Kooperationsangebot für die Wirtschaft / Praxis:
Bevorzugte Form der Kooperation:
- FuE
- Bachelor-/Master-/Diplomarbeit
- Doktorarbeit
Bestehende Kooperationen:
Mit Hochschulen:
Friedrich-Alexander-Universität Erlangen-Nürnberg
TRR 374 (Tubulussystem und Interstitium der Niere: (Patho-)Physiologie und Crosstalk)
seit 2023
University of California, Berkeley
seit 2018
Mit Unternehmen:
Bayer AG
seit 2020
Zurück zur Liste
Falls dies ihr Profil ist, können Sie es hier nach dem Login bearbeiten.