Filtern
Erscheinungsjahr
Dokumenttyp
- Masterarbeit (13)
- Bachelorarbeit (5)
- Diplomarbeit (3)
- Dissertation (3)
Sprache
- Englisch (24) (entfernen)
Schlagworte
- virtual reality (3)
- Computer Graphics (2)
- Acceleration Structures (1)
- Avatar (1)
- Blickpunktabhängig (1)
- Computeranimation (1)
- Computergraphik (1)
- Computerspiel (1)
- ECSA (1)
- Entity Component System Architecture (1)
- GPGPU (1)
- Gefühl (1)
- Grafikkarte (1)
- Grafikprogrammierung (1)
- Graphicsprogramming (1)
- Graphik (1)
- Human motion (1)
- Line Space (1)
- Maschinelles Lernen (1)
- Maschinelles Sehen (1)
- Material Point Method (1)
- Mitral Valve (1)
- Mitralklappe (1)
- Motion Capturing (1)
- Natural Feature Tracking (1)
- OpenGL (1)
- OpenVDB (1)
- Physiksimulation (1)
- Prozedurale Synthese (1)
- Raytracing (1)
- Real-Time (1)
- Reflections (1)
- Reflektionen (1)
- Rendering (1)
- Robust Principal Component Analysis (1)
- Sand (1)
- Schnee (1)
- Segmentation (1)
- Segmentierung (1)
- Shader (1)
- Specular (1)
- Statistical Shape Model (1)
- Ultraschall (1)
- Ultrasound (1)
- Virtual characters (1)
- Virtuelle Realität (1)
- Volume Hatching (1)
- image warping (1)
- leap motion (1)
- machine learning (1)
- procedural content generation (1)
- stereoscopic rendering (1)
- tracking (1)
- video games (1)
- volume rendering (1)
Institut
Künstliche neuronale Netze sind ein beliebtes Forschungsgebiet der künst-
lichen Intelligenz. Die zunehmende Größe und Komplexität der riesigen
Modelle bringt gewisse Probleme mit sich. Die mangelnde Transparenz
der inneren Abläufe eines neuronalen Netzes macht es schwierig, effiziente
Architekturen für verschiedene Aufgaben auszuwählen. Es erweist sich als
herausfordernd, diese Probleme zu lösen. Mit einem Mangel an aufschluss-
reichen Darstellungen neuronaler Netze verfestigt sich dieser Zustand. Vor
dem Hintergrund dieser Schwierigkeiten wird eine neuartige Visualisie-
rungstechnik in 3D vorgestellt. Eigenschaften für trainierte neuronale Net-
ze werden unter Verwendung etablierter Methoden aus dem Bereich der
Optimierung neuronaler Netze berechnet. Die Batch-Normalisierung wird
mit Fine-tuning und Feature Extraction verwendet, um den Einfluss der Be-
standteile eines neuronalen Netzes abzuschätzen. Eine Kombination dieser
Einflussgrößen mit verschiedenen Methoden wie Edge-bundling, Raytra-
cing, 3D-Impostor und einer speziellen Transparenztechnik führt zu einem
3D-Modell, das ein neuronales Netz darstellt. Die Validität der ermittelten
Einflusswerte wird demonstriert und das Potential der entwickelten Visua-
lisierung untersucht.