Statistische Analyse von Nachbarschaftsgraphen

• Antragstellerin: Professorin Dr. Ulrike von Luxburg
• Fachliche Zuordnung: Theoretische Informatik
• Förderung: Förderung von 2011 bis 2015
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 206679155

• Erstellungsjahr: 2015

Zusammenfassung der Projektergebnisse

Keine Zusammenfassung vorhanden

Projektbezogene Publikationen (Auswahl)

• Density estimation from unweighted k-nearest neighbor graphs: a roadmap. In: C. Burges, L. Bottou, Z. Ghahramani, K. Weinberger, (eds), Advances in Neural Information Processing Systems (NIPS). Proceedings of the 26th International Conference on Neural Information Processing Systems, Vol. 1. 2013, pp. 225-233.
  U. von Luxburg, M. Alamgir
  
• Density-preserving quantization with Application to graph downsampling. In: M. Balcan and C. Szepesvari (eds), Conference of Learning Theory (COLT). Proceedings of Machine Learning Research, Vol. 35. 2014, pp. 543-559.
  M. Alamgir, G. Lugosi, U. von Luxburg
  
• Hitting and commute times in large random neighborhood graphs. Journal of Machine Learning Research, Vol. 15. 2014, Issue 1, pp. 1751-1798.
  U. von Luxburg, A. Radl, M. Hein
  
• Local ordinal embedding. In: Proceedings of the 31st International Conference on International Conference on Machine Learning, Vol. 32 . 2014, pp. 847-855.
  Y. Terada, U. von Luxburg
  
• Uniqueness of ordinal embedding. In: M. Balcan and C. Szepesvari (eds), Conference on Learning Theory (COLT), Proceedings of Machine Learning Research, Vol. 35.2014, pp. 40-67.
  M. Kleindessner, U. von Luxburg
  
• Dimensionality estimation without distances. In: G. Lebanon and S.V.N. Vishwanathan, (eds) Proceedings of the Eighteenth International Conference on Artificial Intelligence and Statistics (AISTATS), Vol. 38. 2015, pp. 471-479.
  M. Kleindessner, U. von Luxburg