| Structured Object-Aware Physics Prediction for Video Modeling and Planning J Kossen, K Stelzner, M Hussing, C Voelcker, K Kersting ICLR, 2020 | 49 | 2020 |
| Self-Attention Between Datapoints: Going Beyond Individual Input-Output Pairs in Deep Learning J Kossen, N Band, C Lyle, AN Gomez, T Rainforth, Y Gal NeurIPS, 2021 | 39 | 2021 |
| Wie Maschinen lernen K Kersting, C Lampert, C Rothkopf Wiesbaden: Springer, 2019 | 25 | 2019 |
| Active Testing: Sample-Efficient Model Evaluation J Kossen, S Farquhar, Y Gal, T Rainforth ICML, 2021 | 21 | 2021 |
| Active Surrogate Estimators: An Active Learning Approach to Label-Efficient Model Evaluation J Kossen, S Farquhar, Y Gal, T Rainforth NeurIPS, 2022 | 4 | 2022 |
| Klassifikation: Schubladendenken! J Aberham, J Kossen Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 45-52, 2019 | 3 | 2019 |
| Regression: Voll im Trend J Kossen, ME Müller Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 39-43, 2019 | 2 | 2019 |
| Faltungsnetze: Neuronales Origami J Kossen, ME Müller Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 163-169, 2019 | 1 | 2019 |
| Global green hydrogen-based steel opportunities surrounding high quality renewable energy and iron ore deposits A Devlin, J Kossen, H Goldie-Jones, A Yang Nature Communications 14 (1), 2578, 2023 | | 2023 |
| Active Acquisition for Multimodal Temporal Data: A Challenging Decision-Making Task J Kossen, C Cangea, E Vértes, A Jaegle, V Patraucean, I Ktena, ... NeurIPS Workshop on Foundation Models for Decision Making, 2022 | | 2022 |
| Marginal and Joint Cross-Entropies & Predictives for Online Bayesian Inference, Active Learning, and Active Sampling A Kirsch, J Kossen, Y Gal arXiv preprint arXiv:2205.08766, 2022 | | 2022 |
| Ausreißer: Ausnahmen von der Regel J Kossen, ME Müller Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 69-72, 2019 | | 2019 |
| Entscheidungsbäume: Der Eisberg schwimmt nicht weit vorm Schiff J Kossen, ME Müller, M Ruckriegel Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 111-118, 2019 | | 2019 |
| Lineare Regression: Einfach nur ein Strich? J Kossen, ME Müller Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 61-67, 2019 | | 2019 |
| Generative gegnerische Netzwerke: GANz fälschend echte Untertitel J Kossen, ME Müller Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 195-201, 2019 | | 2019 |
| Einleitung: Lassen Sie uns loslegen! J Kossen, F Kuruc, ME Müller Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 3-10, 2019 | | 2019 |
| Verzerrung-Varianz-Dilemma: Voll daneben! J Kossen, ME Müller Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 119-123, 2019 | | 2019 |
| Fluch der Dimensionalität: Kein echter Fluch–aber auch kein Segen J Kossen, F Kuruc Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 89-94, 2019 | | 2019 |
| Schlusswort: Wie wir maschinelles Lernen gelernt haben J Kossen, ME Müller, E Natterer Wie Maschinen lernen: Künstliche Intelligenz verständlich erklärt, 241-245, 2019 | | 2019 |
Yarin GalAssociate Professor, University of OxfordVerified email at cs.ox.ac.uk
