000261409 001__ 261409
000261409 005__ 20240928175434.0
000261409 0247_ $$aG:(GEPRIS)426054675$$d426054675
000261409 035__ $$aG:(GEPRIS)426054675
000261409 040__ $$aGEPRIS$$chttp://gepris.its.kfa-juelich.de
000261409 150__ $$aAdaptive Algorithmen für Graphenansichten und Ansichtsübergänge (B06*)$$y2019 -
000261409 371__ $$aProfessorin Dr. Sabine Storandt
000261409 450__ $$aDFG project G:(GEPRIS)426054675$$wd$$y2019 -
000261409 5101_ $$0I:(DE-588b)2007744-0$$aDeutsche Forschungsgemeinschaft$$bDFG
000261409 550__ $$0G:(GEPRIS)251654672$$aTRR 161: Quantitative Methoden für Visual Computing$$wt
000261409 680__ $$aDieses Teilprojekt zielt auf eine adaptive Visualisierung komplexer Graphdaten, die sich an Qualitätsaspekten und Benutzungseingaben ausrichtet. Der neue Schwerpunkt liegt auf der konsistenten Erstellung von Ensemble-Ansichten für hochdimensionale Eingabedaten, die beispielsweise von sich verändernden neuronalen Netzen stammen. Unsere Hauptidee ist es, Regret (ein etabliertes Qualitätsmaß für Teilmengen auf Grundlage von Benutzendenpräferenzmodellen) und Dimensionalitätsreduktion zu verwenden, zu erweitern und (erstmalig) zu kombinieren, um skalierbare Algorithmen für die Graphendarstellung und die Auswahl von Ansichten zu entwickeln, die Qualitätsgarantien bieten.
000261409 909CO $$ooai:juser.fz-juelich.de:928012$$pauthority$$pauthority:GRANT
000261409 909CO $$ooai:juser.fz-juelich.de:928012
000261409 980__ $$aG
000261409 980__ $$aAUTHORITY