Raum: Tel.: Fax: Mail: Sprechzeiten: |
01/263 (ReWi I) +49 6131 39 - 27556 +49 6131 39 - 22185 wittenberg@uni-mainz.de Tuesday, 11:00 a.m. - 12:00 p.m. |
Letztes Update: 22. November 2022
Forschungsinteressen
- Maschinelles Lernen, insbesondere Künstliche Neuronale Netze
- Genetische Programmierung
Lehre
- Dozent des Vorbereitungskurses zur SAP S/4HANA Business Process Integration Beraterzertifizierung - Sept./Okt. 2020, Sept./Okt. 2021
- Übung zur Vorlesung "Computational Intelligence" - SS19, SS20
- Koordination des Tutoriums "Einführung in die EDV" - WS19/20, WS20/21, WS21/22, WS22/23
- Koordination des Tutoriums "Internettechnologien und E-Business" - WS18/19, WS19/20
- Betreuung von Master- und Bachelorarbeiten sowie von Master- und Bachelorseminararbeiten - seit WS18/19
- Übung zur Vorlesung "Mathematik" - WS17/18
CV
|
Wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl für Wirtschaftsinformatik und BWL, Prof. Dr. Franz Rothlauf (JGU Mainz, Deutschland) |
|
Gastwissenschaftler am Lehrstuhl für Künstliche Intelligenz, Prof. Dr. Christian Gagné (Université Laval, Quebéc City, Kanada) |
|
M.Sc. Management mit Fokus auf Informationssysteme (JGU Mainz, Deutschland) |
|
Praktikum bei BASF Ludwigshafen, Deutschland |
|
Non-profit Projekt zur Unterstützung beim Aufbau eines Kaffeeunternehmens in La Laguna, Nicaragua |
|
B.Sc. in Wirtschaftswissenschaften (JGU Mainz, Deutschland) & Licence mention Sciences de Gestion (Université Paris X, Frankreich), Deutsch-Französischer Doppelabschluss |
|
Praktikum bei Audi Brüssel, Belgien |
Veröffentlichungen
2023
Wittenberg, D., & Rothlauf, F. (2023). Small Solutions for Real-World Symbolic Regression Using Denoising Autoencoder Genetic Programming. In Lecture Notes in Computer Science (S. 101-116). Springer Nature Switzerland. DOI
2022
Sobania, D., Briesch, M., Wittenberg, D., & Rothlauf, F. (2022, Juli 9). Analyzing optimized constants in genetic programming on a real-world regression problem. Proceedings of the Genetic and Evolutionary Computation Conference Companion. Published. GECCO ’22: Genetic and Evolutionary Computation Conference. DOI
Wittenberg, D. (2022). Using Denoising Autoencoder Genetic Programming to Control Exploration and Exploitation in Search (S. 102-117). DOI
Wittenberg, D., & Rothlauf, F. (2022, Juli 9). Denoising autoencoder genetic programming for real-world symbolic regression. Proceedings of the Genetic and Evolutionary Computation Conference Companion. Published. GECCO ’22: Genetic and Evolutionary Computation Conference. DOI
2021
Olmscheid, C., Wittenberg, D., Sobania, D., & Rothlauf, F. (2021). Improving Estimation of Distribution Genetic Programming with Novelty Initialization. Proceedings of the Genetic and Evolutionary Computation Conference Companion, 261-262. DOI
Schweim, D., Wittenberg, D., & Rothlauf, F. (2021). On sampling error in evolutionary algorithms. Proceedings of the Genetic and Evolutionary Computation Conference Companion, 43-44. DOI
Schweim, D., Wittenberg, D., & Rothlauf, F. (2021). On sampling error in genetic programming. Natural Computing. DOI
2020
Wittenberg, D., Rothlauf, F., & Schweim, D. (2020). DAE-GP: denoising autoencoder LSTM networks as probabilistic models in estimation of distribution genetic programming. Proceedings of the 2020 Genetic and Evolutionary Computation Conference, 1037-1045. DOI