OptMap: using dense maps for visualizing multidimensional optimization problems (2021)
- Authors:
- USP affiliated authors: HIRATA, NINA SUMIKO TOMITA - IME ; ESPADOTO, MATEUS - IME
- Unidade: IME
- DOI: 10.5220/0010288501230132
- Subjects: COMPUTAÇÃO GRÁFICA; VISÃO COMPUTACIONAL
- Keywords: optimization; dimensionality reduction; dense maps
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher: SciTePress
- Publisher place: Lisboa
- Date published: 2021
- Source:
- Título: Proceedings
- Conference titles: International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications - VISIGRAPP
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: hybrid
- Licença: cc-by-nc-nd
-
ABNT
ESPADOTO, Mateus et al. OptMap: using dense maps for visualizing multidimensional optimization problems. 2021, Anais.. Lisboa: SciTePress, 2021. Disponível em: https://doi.org/10.5220/0010288501230132. Acesso em: 27 dez. 2025. -
APA
Espadoto, M., Rodrigues, F. C. M., Hirata, N. S. T., & Telea, A. C. (2021). OptMap: using dense maps for visualizing multidimensional optimization problems. In Proceedings. Lisboa: SciTePress. doi:10.5220/0010288501230132 -
NLM
Espadoto M, Rodrigues FCM, Hirata NST, Telea AC. OptMap: using dense maps for visualizing multidimensional optimization problems [Internet]. Proceedings. 2021 ;[citado 2025 dez. 27 ] Available from: https://doi.org/10.5220/0010288501230132 -
Vancouver
Espadoto M, Rodrigues FCM, Hirata NST, Telea AC. OptMap: using dense maps for visualizing multidimensional optimization problems [Internet]. Proceedings. 2021 ;[citado 2025 dez. 27 ] Available from: https://doi.org/10.5220/0010288501230132 - Deep learning multidimensional projections
- Improving deep learning projections by neighborhood analysis
- Self-supervised dimensionality reduction with neural networks and pseudo-labeling
- Toward a quantitative survey of dimension reduction techniques
- Improving neural network-based multidimensional projections
- Towards a quantitative survey of dimension reduction techniques
- Deep learning inverse multidimensional projections
- Deep learning for astronomical object classification: a case study
- Self-supervised learning for astronomical image classification
- Visualizing high-dimensional functions with dense maps
Informações sobre o DOI: 10.5220/0010288501230132 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3031756.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
