Faculty
Dr. Rebekka Burkholz ist Tenured Faculty am CISPA Helmholtz-Zentrum für Informationssicherheit in Saarbrücken tätig, wo sie die Gruppe für netzwerkbasiertes maschinelles Lernen leitet. Das Ziel ihrer Gruppe ist, das theoretische Verständnis tiefer neuronaler Netze zu vertiefen und Algorithmen in diesem Bereich auf Grundlage der gewonnenen Einsichten zu verbessern und robuster zu gestalten. Die Methoden, die ihre Gruppe entwickelt, sind oftmals inspiriert von biologischen Anwendungen, insbesondere in der Molekularbiologie und Genetik.
Von 2019-2021 hat Rebekka Burkholz als PostDoc am Department für Biostatistik an der Harvard T.H. Chan School of Public Health in der Gruppe von John Quackenbush geforscht. Zuvor war sie als PostDoc und Doktorandin an der ETH Zürich. Von 2017-2018 war sie am Institut für Maschinelles Lernen in der Gruppe von Joachim Buhmann und von 2013-2017 am Lehrstuhl für Systemdesign von Frank Schweitzer. 2016 hat sie am ETH Risk Center promoviert und mit ihrer Arbeit über systemisches Risiko den Zurich Dissertationspreis gewonnen. Zudem hat sie CSF Best Contribution Award für ihre Arbeit bezüglich systemischen Risikos im internationalen Nahrungsmittelhandel erhalten. Zuvor studierte sie Mathematik und Physik an der TU Darmstadt und für ein Jahr an der Lund Universität in Schweden.
International Conference on Machine Learning (ICML)
Mirror, Mirror of the Flow: How Does Regularization Shape Implicit Bias?
Conference on Neural Information Processing Systems (NeurIPS)
International Conference on Learning Representations (ICLR)
GNNs Getting ComFy: Community and Feature Similarity Guided Rewiring
International Conference on Learning Representations (ICLR)
Mask in the Mirror: Implicit Sparsification
Conference on Neural Information Processing Systems (NeurIPS)
Dynamic Rescaling for Training GNNs
Conference on Neural Information Processing Systems (NeurIPS)
Pruning neural network models for gene regulatory dynamics using data and domain knowledge
Conference on Neural Information Processing Systems (NeurIPS)
Spectral Graph Pruning Against Over-Squashing and Over-Smoothing
International Conference on Machine Learning (ICML)
GATE: How to Keep Out Intrusive Neighbors
Genome BiologyBiologically informed NeuralODEs for genome-wide regulatory dynamics
International Conference on Learning Representations (ICLR)
Batch normalization is sufficient for universal function approximation in CNNs.