Visualizing high-dimensional functions with dense maps (2023)
- Authors:
- USP affiliated authors: HIRATA, NINA SUMIKO TOMITA - IME ; TELEA, ALEXANDRU CRISTIAN - ICMC ; ESPADOTO, MATEUS - IME ; RODRIGUES, FRANCISCO CAIO MAIA - IME
- Unidades: IME; ICMC
- DOI: 10.1007/s42979-022-01664-2
- Subjects: APRENDIZADO COMPUTACIONAL; PESQUISA OPERACIONAL; REGRESSÃO; OTIMIZAÇÃO MATEMÁTICA
- Keywords: Machine learning; Operations research; Optimization; Regression; Dimensionality reduction; Visualization; Dense maps
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: SN Computer Science
- ISSN: 2661-8907
- Volume/Número/Paginação/Ano: v. 4, artigo n. 230, p. 1, 2023
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
ESPADOTO, Mateus et al. Visualizing high-dimensional functions with dense maps. SN Computer Science, v. 4, n. artigo 230, p. 1, 2023Tradução . . Disponível em: https://doi.org/10.1007/s42979-022-01664-2. Acesso em: 01 maio 2024. -
APA
Espadoto, M., Rodrigues, F. C. M., Hirata, N. S. T., & Telea, A. C. (2023). Visualizing high-dimensional functions with dense maps. SN Computer Science, 4( artigo 230), 1. doi:10.1007/s42979-022-01664-2 -
NLM
Espadoto M, Rodrigues FCM, Hirata NST, Telea AC. Visualizing high-dimensional functions with dense maps [Internet]. SN Computer Science. 2023 ; 4( artigo 230): 1.[citado 2024 maio 01 ] Available from: https://doi.org/10.1007/s42979-022-01664-2 -
Vancouver
Espadoto M, Rodrigues FCM, Hirata NST, Telea AC. Visualizing high-dimensional functions with dense maps [Internet]. SN Computer Science. 2023 ; 4( artigo 230): 1.[citado 2024 maio 01 ] Available from: https://doi.org/10.1007/s42979-022-01664-2 - Deep learning inverse multidimensional projections
- Deep learning multidimensional projections
- Toward a quantitative survey of dimension reduction techniques
- Improving neural network-based multidimensional projections
- OptMap: using dense maps for visualizing multidimensional optimization problems
- Towards a quantitative survey of dimension reduction techniques
- Improving deep learning projections by neighborhood analysis
- Self-supervised dimensionality reduction with neural networks and pseudo-labeling
- Constructing and visualizing high-quality classifier decision boundary maps
- Deep learning for astronomical object classification: a case study
Informações sobre o DOI: 10.1007/s42979-022-01664-2 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3129361.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
