| Recognizing challenging handwritten annotations with fully convolutional networks A Kölsch, A Mishra, S Varshneya, MZ Afzal, M Liwicki 2018 16th International Conference on Frontiers in Handwriting Recognition …, 2018 | 21 | 2018 |
| Learning interpretable concept groups in CNNs S Varshneya, A Ledent, RA Vandermeulen, Y Lei, M Enders, D Borth, ... Proceedings of the Thirtieth International Joint Conference on Artificial …, 2021 | 3 | 2021 |
| Deep Learning zur Unterstützung der Arbeitsplanung: Ein Konzept zur Ermittlung von Vorgangsfolgen durch künstliche neuronale Netze M Hussong, M Glatt, P Rüdiger-Flore, S Varshneya, P Liznerski, M Kloft, ... Zeitschrift für wirtschaftlichen Fabrikbetrieb 116 (10), 648-651, 2021 | 2 | 2021 |
| Reimagining Anomalies: What If Anomalies Were Normal? P Liznerski, S Varshneya, E Calikus, S Fellenz, M Kloft arXiv preprint arXiv:2402.14469, 2024 | 1 | 2024 |
| Interpretable Tensor Fusion S Varshneya, A Ledent, P Liznerski, A Balinskyy, P Mehta, W Mustafa, ... arXiv preprint arXiv:2405.04671, 2024 | | 2024 |
| A process planning system using deep artificial neural networks for the prediction of operation sequences M Hussong, S Varshneya, P Rüdiger-Flore, M Glatt, M Kloft, JC Aurich Procedia CIRP 120, 135-140, 2023 | | 2023 |
| " DeepIntegrate" Integration heterogener Datenquellen im Deep Learning: Architekturen, Algorithmen und Anwendung in der Pflanzenzüchtung: Veröffentlichung der Ergebnisse von … M Kloft, M Enders, S Varshneya Technische Universität Kaiserslautern, 2022 | | 2022 |
| Deep Learning zur Prozessüberwachung in der additiven Fertigung: Ein Konzept zur Vorhersage der Materialporosität von additiv gefertigten Bauteilen durch Deep Learning L Yi, S Ehmsen, M Cassani, M Glatt, S Varshneya, P Liznerski, M Kloft, ... Zeitschrift für wirtschaftlichen Fabrikbetrieb 115 (11), 810-813, 2020 | | 2020 |
| TUKL INDUCING INTERPRETABILITY IN CNN S Varshneya AHRP Berichte, 2020 | | 2020 |
Marius KloftProfessor, RPTU Kaiserslautern-LandauVerified email at cs.uni-kl.de
