Service-centric Networking

Boris Lorbeer

Wissenschaftlicher Werdegang

Nach seinem Diplom in Physik an der Technischen Universität Berlin arbeitete Boris Lorbeer für mehrere Unternehmen als Softwareentwickler und Datenwissenschaftler. Schon bald spezialisierte er sich auf maschinelles Lernen, das er z.B. in den Bereichen Vorhersageanalyse, Mustererkennung, Anomalieerkennung, Textanalyse, Werbeklickoptimierung oder Computer Vision einsetzte.

Im Mai 2015 wechselte Boris Lorbeer zu den Telekom Innovation Laboratories als Research Scientist im strategischen Forschungsbereich Service-centric Networking unter der Leitung von Prof. Dr. Axel Küpper. Seine Forschungsinteressen umfassen maschinelles Lernen, Deep Learning, diskrete Geometrie und Graphentheorie sowie die Anwendung dieser Gebiete auf die Vernetzung.

Interessen

  • Machine Learning
  • Deep Learning
  • Discrete Geometry
  • Graph Theory

Diplomarbeit

Lorbeer, B. (1995). The Einstein field equations as an infinite dimensional Hamiltonian system.  Diploma Thesis, Technische Universität Berlin

Publikationen

2023

B. Lorbeer and M. Mohsen, "Comparative Study of Causal Discovery Methods for Cyclic Models with Hidden Confounders" in Proceedings of the The Fifth IEEE International Conference on Cognitive Machine Intelligence (CogMI 2023), IEEE (accepted for publication), 2023.

2022

B. Lorbeer and M. Botler, "Anomaly Detection with Partitioning Overfitting Autoencoder Ensembles" in Proceedings of the 14th International Conference on Machine Vision (ICMV 2021), SPIE, 2022. pp. 19-27.

2019

B. Lorbeer, T. Deutsch, P. Ruppel and A. Küpper, "Anomaly Detection with HMM Gauge Likelihood Analysis" in BigDataService, IEEE, 2019. pp. 1-8.

2018

B. Lorbeer, A. Kosareva, B. Deva, D. Softic, P. Ruppel and A. Küpper, "Variations on the Clustering Algorithm BIRCH" , Big Data Research, vol. 11, pp. 44-53, 2018. Elsevier.

2016

B. Lorbeer, A. Kosareva, B. Deva, D. Softic, P. Ruppel and A. Küpper, "A-BIRCH: Automatic Threshold Estimation for the BIRCH Clustering Algorithm" in Advances in Big Data, Springer, 2016. pp. 169-178.