Wissenschaftler
Fachbereich Mathematik
Frame Theory and its Implementation
Maschinelles Lernen

Tel. +43 1 51581-2545
Email: daniel.haider(at)oeaw.ac.at

 

Bildung

Daniel Haider studierte Mathematik an der Universität Wien mit Schwerpunkt auf angewandter Mathematik und Scientific Computing. Im Jahr 2019 verfasste er am ISF seine Masterarbeit mit dem Titel „Aspects of Time-Frequency Scattering and Towards Phase Scattering“. 2025 verteidigte er seine Dissertation „Invertibility and Stability in Neural Networks: Tools from Frame Theory“ mit Auszeichnung. Beide Arbeiten entstanden unter der Betreuung von Peter Balazs. Seit 2025 ist er als PostDoc am ISF im Projekt ELECOM tätig.

Derzeitige Forschung

Daniels Forschung ist zweigeteilt. Zum einen untersucht er Konzepte des maschinellen Lernens mithilfe von Methoden aus der abstrakten Mathematik. Seine Arbeiten konzentrieren sich auf die numerische Stabilität und Invertierbarkeit von ReLU-Schichten, die Entwicklung stabiler konvolutioneller Architekturen für verschiedene Anwendungen sowie die Herleitung statistischer Eigenschaften zufällig initialisierter neuronaler Netze. Zum anderen entwickelt er Machine-Learning-Lösungen für die Bioakustik, darunter automatische Aktivitätserkennung, Lokalisierung, Klassifikation, Annotation und Klangsynthese. Sein aktueller Forschungsschwerpunkt liegt auf der Analyse und Synthese von Rumbles afrikanischer Savannenelefanten.

 

Publikationen

  • Optimal lower Lipschitz bounds for ReLU layers, saturation, and phase retrieval. / Freeman, Daniel; Haider, Daniel.
    in: Applied and Computational Harmonic Analysis, Jahrgang 79, 101801, 15.01.2026.
    DOIWebseiteRISENWBIB
  • Injectivity of ReLU Layers: Tools from Frame Theory. / Haider, Daniel; Ehler, Martin; Balazs, Peter.
    in: Mathematical Foundations of Machine Learning, Jahrgang 1, Nr. 1, 08.10.2025.
    DOIRISENWBIB
  • ISAC: An Invertible and Stable Auditory Filter Bank with Customizable Kernels for ML Integration. / Haider, Daniel; Perfler, Felix; Balazs, Peter et al.
    2025 International Conference on Sampling Theory and Applications (SampTA). IEEE, 2025.
    DOIRISENWBIB
  • Residual Hybrid Filterbanks. / Lostanlen, Vincent; Zhang, Xiran ; Haider, Daniel et al.
    2025 IEEE Statistical Signal Processing Workshop (SSP). IEEE, 2025.
    DOIRISENWBIB
  • Invertibility of ReLU-Layers: A Practical Approach. / Eckert, H; Haider, D; Ehler, M et al.
    Proceedings of the 16th International Joint Conference on Computational Intelligence - NCTA. Porto: SciTePress, 2024. S. 423-429.
    DOIRISENWBIB
  • How to Draw Audio: An Intuitive Introduction to Spectograms. / Haider, D; Köhldorfer, L.
    in: N/A, Jahrgang 2, Nr. 2, 15.11.2024, S. 6-8.
    WebseiteDownloadRISENWBIB
  • Hold Me Tight: Stable Encoder-Decoder Design for Speech Enhancement. / Haider, D; Perfler, F; Lostanlen, V et al.
    Proceedings of the Interspeech 2024. Kos, 2024. S. 5013-5017.
    DOIRISENWBIB
  • Trainable signal encoders that are robust against noise. / Balazs, P; Haider, D; Lostanlen, V et al.
    Proceedings of the Internoise 2024. Nantes, F, 2024.
    RISENWBIB
  • (Almost) Smooth Sailing: Towards Numerical Stability of Neural Networks Through Differentiable Regularization of the Condition Number. / Nenov, R; Haider, D; Balazs, P.
    ICML 2024 Workshop on Differentiable Almost Everything: Differentiable Relaxations, Algorithms, Operators, and Simulators. Vienna, 2024.
    RISENWBIB
  • Instabilities in Convnets for Raw Audio. / Haider, D; Lostanlen, V; Ehler, M et al.
    in: IEEE Signal Processing Letters, Jahrgang 31, 08.04.2024, S. 1084-1088.
    DOIRISENWBIB
  • Fitting Auditory Filterbanks with Multiresolution Neural Networks. / Lostanlen, V; Haider, D; Han, H et al.
    2023 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics. New Paltz, USA: IEEE, 2023.
    RISENWBIB
  • Convex Geometry of ReLU-Layers, Injectivity on the Ball and Local Reconstruction. / Haider, D; Ehler, M; Balazs, P.
    Proceedings of the 40th International Conference on Machine Learning. Honolulu, 2023.
    RISENWBIB
  • Double Preconditioning for Gabor Frame Operators: Algebraic, Functional Analytic and Numerical Aspects. / Feichtinger, H; Balazs, P; Haider, D.
    in: Applied and Computational Harmonic Analysis, Jahrgang 66, 10.05.2023, S. 101-137.
    DOIRISENWBIB
  • Phase-based Signal Representations for Scattering. / Haider, D; Balazs, P; Holighaus, N.
    Proceedings of the 29th European Signal Processing Conference. Dublin, 2021.
    RISENWBIB
  • Extraction of Rhythmical Features with the Gabor Scattering Transform. / Haider, D; Balazs, P.
    Proceedings of the 14th International Symposium on Computer Music Multidisciplinary Research (CMMR), Marseille, France, Oct. 14-18. 2019. S. 916-923.
    RISENWBIB
  • Aspects of Time-Frequency Scattering and Introducing Phase Scattering. / Haider, Daniel.
    Universität Wien, 2019.
    RISENWBIB
  • 1