Nico Strasdat

Wissenschaftlicher Mitarbeiter

Dr. Nico Strasdat

E-Mail senden

Institut für Numerische Mathematik

work

Besuchsadresse:

Willersbau, Raum C 39 Zellescher Weg 12-14

01069 Dresden

Zeige Karte von diesem Ort.

work Tel.
fax Fax: +49 351 463-34268

Lehre

Informationen zu vergangener Lehrtätigkeit finden Sie hier.

Wissenschaftliche Interessen

Methoden des maschinellen Lernens, insbesondere Support Vector Machines und Deep Learning
Anwendung von konvexer Optimierung und Dualität
Newton-ähnliche Verfahren zur Behandlung von Optimierungsproblemen
Linear-ganzzahlige Optimierung
Behandlung von Optimierungsproblemen aus anwendungsrelevanten Problemstellungen
Effektive und effiziente Implementierung von Algorithmen

Lebenslauf

Promotion im Wissenschaftsgebiet Mathematik an der Technischen Universität Dresden (10/2014 bis 10/2023), Thema der Dissertation: "Duality, Derivative-Based Training Methods and Hyperparameter Optimization for Support Vector Machines"
Master of Science (Mathematik) an der Technischen Universität Dresden (10/2012 bis 09/2014), Thema der Masterarbeit: "Reduced-Set Support Vector Machines"
Bachelor of Science (Mathematik) an der Technischen Universität Dresden (10/2009 bis 08/2012), Thema der Bachelorarbeit: "Random Forests und ihre Anwendung zur Regression"

Veröffentlichungen

15 Einträge

2025

Betriebliche Resilienz im spurgeführten ÖPNVFach, S., Schönberger, J. O., Heizler, F. & Strasdat, N., 16 Juni 2025, in: Internationales Verkehrswesen. 77, 2, S. 41-45Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
A Best-Cost Based Heuristic for Busy Time MinimizationMartinovic, J. & Strasdat, N., 2025, Operations Research Proceedings 2023: Selected Papers of the Annual International Conference of the German Operations Research Society (GOR), Germany, August 29 - September 1, 2023. Voigt, G., Fliedner, M., Haase, K., Brüggemann, W., Hoberg, K. & Meissner, J. (Hrsg.). Springer, Cham, S. 477-483, 7 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband

2024

Worst-case analysis of heuristic approaches for the temporal bin packing problem with fire-upsMartinovic, J. & Strasdat, N., Feb. 2024, in: Annals of Operations Research. 333, 1, S. 481-499, 19 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
Theoretical Insights and a New Class of Valid Inequalities for the Temporal Bin Packing Problem with Fire-UpsMartinovic, J. & Strasdat, N., 2024, in: Pesquisa Operacional. 44, 26 S., e283503Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel

2023

Solving the Skiving Stock Problem by a Combination of Stabilized Column Generation and the Reflect Arc-Flow ModelKorbacher, L., Irnich, S., Martinovic, J. & Strasdat, N., 31 Juli 2023, in: Discrete Applied Mathematics. 334, S. 145-162, 18 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
A Combinatorial Flow-based Formulation for Temporal Bin Packing ProblemsMartinovic, J., Strasdat, N., Valério de Carvalho, J. M. & Furini, F., 2023, in: European Journal of Operational Research. 307(2), S. 554-574, 21 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
A Heuristic Column Generation Approach for the Stochastic Bin Packing ProblemMartinovic, J., Strasdat, N., Côté, J. & de Lima, V. L., 2023, Operations Research Proceedings 2022: Selected Papers of the Annual International Conference of the German Operations Research Society (GOR), Karlsruhe, Germany, September 6-9, 2022. Grothe, O., Nickel, S., Rebennack, S. & Stein, O. (Hrsg.). Springer, Cham, S. 131-138, 8 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
An extended convergence framework applied to complementarity systems with degenerate and nonisolated solutionsFischer, A. & Strasdat, N., 2023, in: Pure and applied functional analysis . 8, 4, S. 1039-1054, 16 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
Duality, Derivative-Based Training Methods and Hyperparameter Optimization for Support Vector MachinesStrasdat, N., 2023Elektronische (Volltext-)VersionPublikation: Hochschulschrift/Abschlussarbeit > Dissertation

2022

Variable and constraint reduction techniques for the temporal bin packing problem with fire-upsMartinovic, J., Strasdat, N., Valério de Carvalho, J. M. & Furini, F., Nov. 2022, in: Optimization Letters. 16, 8, S. 2333-2358, 26 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
A Heuristic-based Reduction for the Temporal Bin Packing Problem with Fire-UpsMartinovic, J. & Strasdat, N., 2022, Operations Research Proceedings 2021: Selected Papers of the International Conference of the Swiss, German and Austrian Operations Research Societies (SVOR/ASRO, GOR e.V., ÖGOR), University of Bern, Switzerland, August 31 – September 3, 2021. Trautmann, N. & Gnägi, M. (Hrsg.).S. 127-133, 7 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband

2021

Compact Integer Linear Programming Formulations for the Temporal Bin Packing Problem with Fire-UpsMartinovic, J., Strasdat, N. & Selch, M., Aug. 2021, in: Computers and Operations Research. 132, 132, 105288Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel

2020

Improved Flow-based Formulations for the Skiving Stock ProblemMartinovic, J., Delorme, M., Iori, M., Scheithauer, G. & Strasdat, N., 2020, in: Computers and Operations Research. 113, 104770Publikation: Beitrag in Fachzeitschrift > Forschungsartikel

2019

A special complementarity function revisitedBehling, R., Fischer, A., Schönefeld, K. & Strasdat, N., 2019, in: Optimization. 68, 1, S. 65-79Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel

2015

Efficient optimization of hyper-parameters for least-squares support vector regressionFischer, A., Langensiepen, G., Luig, K., Strasdat, N. & Thies, T., 2015, in: Optimization Methods and Software. 30, S. 1095-1108, 14 S.Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel

Beteiligungen an Projekten

Datengetriebene Generierung von Modellen und Sensitivitätsanalyse für Produktionsprozesse (BMBF, 04/2020 bis 11/2023) im Verbundprojekt OptProDat
Anspruchsvolle Freiformbeschichtung flächiger und 3-dimensionaler Substrate durch Inline-Sputtertechnick (SAB, 08/2019 bis 12/2020)
Newton-type Methods for Nonsmooth Equations with Nonisolated Solutions (DFG, 01/2017 bis 12/2019)
Optimierungstechniken für Klassifikation und Regression, Teil II (Industrieprojekt, 01/2017 bis 12/2017)
Optimierungstechniken für Klassifikation und Regression (Industrieprojekt, 10/2014 bis 12/2016)
Support-Vector-Methoden und multivariate Regression (Industrieprojekt, 04/2013 bis 09/2014)
Support Vector Methoden (Industrieprojekt, 09/2011 bis 08/2013)

Konferenzen und Vorträge

Hier entsteht eventuell eine Liste mit Konferenzen, die ich besucht habe.