- Koopman-Equivariant Gaussian Processes. TUM, Lehrstuhl für Informationstechnische Regelung (ITR), 2024, mehr…
- Koopman Kernel Regression. Proceedings of the 37th Conference on Neural Information Processing Systems (NeurIPS 2023) (NeurIPS Proceedings), 2023 mehr…
- Diffeomorphically Learning Stable Koopman Operators. IEEE Control Systems Letters (L-CSS) 6, 2022, 3427 - 3432 mehr…
Max Beier
- Tel.: +49 (89) 289 - 25779
- Raum: 0305.04.522
- max.beier@tum.de
Kurzbiographie
| Seit 05/2024 | Assoziierter Doktorand |
| Seit 11/2023 | Wissenschaftlicher Mitarbeiter Lehrstuhl für Informationstechnische Regelung Technische Universität München |
| 10/2020-07/2023 | Master of Science - Robotics, Cognition, Intelligence Technische Universität München Vertiefung: Maschinelles Lernen für Dynamische Systeme und Regelungstechnik |
| 10/2017-09/2020 | Bachelor of Engineering - Maschinenbau, Fahrzeugtechnik Duale Hochschule Baden-Württemberg Stuttgart Robert Bosch GmbH |
Forschungsinteressen
- Prinzipiertes maschinelles Lernen
- Dynamische Systeme und Operatortheorie
- Lernbasierte Regelung
In meiner Forschung beschäftige ich mich mit Methoden zur lernbasierten Modellbildung dynamischer Systeme. Dabei interessieren mich vor allem geometrische Methoden und Operatortheorie. Ziel ist es aus Daten ein Modell zu erstellen welches das automatische Reglerdesign vereinfacht.
Aktuell Ausgeschriebene Arbeiten
Kontakt
Ich freue mich immer über die Zusammenarbeit mit hochmotivierten Studierenden. Falls Sie Interesse an einer Studienarbeit im Bereich meiner Forschung haben melden Sie sich gerne per Mail. Falls gerade keine Arbeit ausgeschrieben ist, geben Sie bei einer Anfrage bitte an an welchen Themen Sie interessiert sind. Bitte fügen Sie außerdem Ihren Lebenslauf, einen aktuellen Transcript of Records und den gewünschten Starttermin bei.