Die vielen Gesichter von GESIS
Vita
Taimoor Khan ist Postdoc-Forscher in der Abteilung KTS bei GESIS. Er ist Teil des Big-Data-Analytik-Teams und trägt zu den Dienstleistungen im Zusammenhang mit der Infrastruktur und der Analyse von Big Data bei. Seine Forschungsinteressen umfassen Datenanalyse, Verarbeitung natürlicher Sprache und maschinelles Lernen. Er promovierte 2018 in Informatik an der Bahria University Islamabad mit dem Titel "Lifelong machine learning topic modeling for large-scale aspect extraction". Während seiner Promotion arbeitete er mit kontinuierlichen maschinellen Lernmodellen für die sequenzielle Aufgabenverarbeitung, die eine gemeinsame Wissensbasis beibehalten, um das erneute Erlernen der sich wiederholenden Muster in verschiedenen Aufgaben zu vermeiden und sie zu verbessern.Veröffentlichungen
Publikation
Zeitschriftenaufsatz
Wajid, Usman, Muhammad Hamza, M. Taimoor Khan, and Nouman Azam. 2024. "A Three-way Decision Approach for Dynamically Expandable Networks." International Journal of Approximate Reasoning 166 (March 2024): 109105. doi: https://doi.org/10.1016/j.ijar.2023.109105.
Khan, M. Taimoor, Nouman Azam, Shehzad Khalid, and Furqan Aziz. 2022. "Hierarchical lifelong topic modeling using rules extracted from network communities." PLoS one: Public Library of Science 3 (17): 1-22. doi: https://doi.org/10.1371/journal.pone.0264481.
Beitrag im Sammelwerk
Saadi, Khouloud, and M. Taimoor Khan. 2022. "Effective Prevention of Semantic Drift in Continual Deep Learning." In Intelligent Data Engineering and Automated Learning – IDEAL 2022: 23rd International Conference, IDEAL 2022, Manchester, UK, November 24–26, 2022, Proceedings, edited by Hujun Yin, David Camacho, and Peter Tino, Lecture Notes in Computer Science 13756, 456-464. Cham: Springer. doi: https://doi.org/10.1007/978-3-031-21753-1_44. https://link.springer.com/chapter/10.1007/978-3-031-21753-1_44.