Header logo is


2017


Thumb xl paraview preview
Design of a visualization scheme for functional connectivity data of Human Brain

Bramlage, L.

Hochschule Osnabrück - University of Applied Sciences, 2017 (thesis)

sf

Bramlage_BSc_2017.pdf [BibTex]

2017


2012


no image
Machine Learning and Interpretation in Neuroimaging - Revised Selected and Invited Contributions

Langs, G., Rish, I., Grosse-Wentrup, M., Murphy, B.

pages: 266, Springer, Heidelberg, Germany, International Workshop, MLINI, Held at NIPS, 2012, Lecture Notes in Computer Science, Vol. 7263 (proceedings)

ei

DOI [BibTex]

2012


DOI [BibTex]


no image
MICCAI, Workshop on Computational Diffusion MRI, 2012 (electronic publication)

Panagiotaki, E., O’Donnell, L., Schultz, T., Zhang, G.

15th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI), Workshop on Computational Diffusion MRI , 2012 (proceedings)

ei

PDF [BibTex]

PDF [BibTex]


no image
Experimentelle Induktion beeinträchtigter Aufmerksamkeit im Kontext des seductive detail Effekts

Wirzberger, M.

University of Hagen, 2012 (thesis)

Abstract
Die vorliegende Arbeit untersucht ausgehend von der Cognitive Theory of Multimedia Learning (CTML) einen aufmerksamkeitsbezogenen Erklärungsansatz für den seductive detail Effekt. Dieser Effekt resultiert aus dem Einfügen interessanter, jedoch irrelevanter Informationen in einen Lerntext, die die Lernleistung beeinträchtigen. Im Besonderen steht hier die Hypothese im Fokus, dass sich seductive details stärker auswirken, wenn bereits eine Beeinträchtigung der Aufmerksamkeit vorliegt. Im Rahmen einer experimentellen Erhebung mit 53 Studierenden wurde anhand eines 2x2-faktoriellen, multivariaten Designs die Anwesenheit von seductive details (durch seduktive Textpassagen), sowie beeinträchtigter Aufmerksamkeit (durch die Einblendung ablenkender Systemmitteilungen), gezielt manipuliert und deren Effekt auf die Behaltens- und Verstehensleistung, sowie die Lernzeit erfasst. In den Analysen zeigte sich eine signifikante Verlängerung der Lernzeit durch das Einfügen seduktiver Textpassagen, und darüber hinaus wurde auch ein moderierender Einfluss des bestehenden Aufmerksamkeitsniveaus deutlich. Weder die Behaltens- noch die Verstehensleistung verringerte sich jedoch signifikant durch das Hinzufügen von seductive details oder die Induktion beeinträchtigter Aufmerksamkeit, und auch eine signifikante Wechselwirkung zwischen beiden Aspekten wurde nicht deutlich. Daher wird abschließend die Relevanz komplexer statistischer Analyseverfahren zur weiteren Erhellung der zugrundeliegenden Wirkmechanismen diskutiert.

re

DOI [BibTex]

2008


no image
CogRob 2008: The 6th International Cognitive Robotics Workshop

Lespérance, Y., Lakemeyer, G., Peters, J., Pirri, F.

Proceedings of the 6th International Cognitive Robotics Workshop (CogRob 2008), pages: 35, Patras University Press, Patras, Greece, 6th International Cognitive Robotics Workshop (CogRob), July 2008 (proceedings)

ei

Web [BibTex]

2008


Web [BibTex]

2006


no image
Advances in Neural Information Processing Systems 18: Proceedings of the 2005 Conference

Weiss, Y., Schölkopf, B., Platt, J.

Proceedings of the 19th Annual Conference on Neural Information Processing Systems (NIPS 2005), pages: 1676, MIT Press, Cambridge, MA, USA, 19th Annual Conference on Neural Information Processing Systems (NIPS), May 2006 (proceedings)

Abstract
The annual Neural Information Processing Systems (NIPS) conference is the flagship meeting on neural computation. It draws a diverse group of attendees--physicists, neuroscientists, mathematicians, statisticians, and computer scientists. The presentations are interdisciplinary, with contributions in algorithms, learning theory, cognitive science, neuroscience, brain imaging, vision, speech and signal processing, reinforcement learning and control, emerging technologies, and applications. Only twenty-five percent of the papers submitted are accepted for presentation at NIPS, so the quality is exceptionally high. This volume contains the papers presented at the December 2005 meeting, held in Vancouver.

ei

Web [BibTex]

2006


Web [BibTex]


no image
Machine Learning Challenges: evaluating predictive uncertainty, visual object classification and recognising textual entailment

Quinonero Candela, J., Dagan, I., Magnini, B., Lauria, F.

Proceedings of the First Pascal Machine Learning Challenges Workshop on Machine Learning Challenges, Evaluating Predictive Uncertainty, Visual Object Classification and Recognizing Textual Entailment (MLCW 2005), pages: 462, Lecture Notes in Computer Science, Springer, Heidelberg, Germany, First Pascal Machine Learning Challenges Workshop (MLCW), 2006 (proceedings)

Abstract
This book constitutes the thoroughly refereed post-proceedings of the First PASCAL (pattern analysis, statistical modelling and computational learning) Machine Learning Challenges Workshop, MLCW 2005, held in Southampton, UK in April 2005. The 25 revised full papers presented were carefully selected during two rounds of reviewing and improvement from about 50 submissions. The papers reflect the concepts of three challenges dealt with in the workshop: finding an assessment base on the uncertainty of predictions using classical statistics, Bayesian inference, and statistical learning theory; the second challenge was to recognize objects from a number of visual object classes in realistic scenes; the third challenge of recognizing textual entailment addresses semantic analysis of language to form a generic framework for applied semantic inference in text understanding.

ei

Web DOI [BibTex]

Web DOI [BibTex]