Forschung

Die aktuellen Arbeitsgruppen des Instituts für Informatik decken zentrale Gebiete der Informatik in moderner und attraktiver Ausrichtung ab:

Sie sind national und international gut vernetzt. Arbeitsgruppen des Instituts sind aktiv beteiligt am Exzellenzcluster Cells in Motion, dem Sonderforschungsbereich Molekulare kardiovaskuläre Bildgebung(MoBil) sowie an der Gründung des European Institute for Molecular Imaging (EIMI) und des Center for Nonlinear Science (CENOS) der WWU.

Neben dem Institut für Informatik beherbergt die Westfälische Wilhelms-Universität viele weitere Institute und Arbeitsgruppen, an denen Forschung und Lehre mit starkem Bezug zur Informatik durchgeführt wird, insbesondere in Teilgebieten der Angewandten Informatik wie Wirtschaftsinformatik, Geoinformatik, Bioinformatik und medizinische Informatik.

Und wir arbeiten zusammen - viele Lehrangebote aus diesen Bereichen sind als fachübergreifende Studien auch im Master Informatik anrechenbar und erlauben so vertiefte Einblicke in Anwendungen von Informatiktechniken.

Eine Übersicht bietet die Seite Alle Informatiken und das Menü "Assoziierte Gruppen" auf der Informatik-Leitseite.

Wir planen u.a. auch ein gemeinsames Graduiertenkolleg.

 

 

 

  • Laufende Projekte

    • Clavicle-ML – Retrospektive CT-Untersuchungen zur Schlüsselbeinossifikation - Entwicklung eines klinischen Entscheidungshilfesystems mit skalenbasierten Bewertungen und modernen Methoden des maschinellen Lernens zur Verbesserung der Gültigkeit und Zuverlässigkeit forensischer Altersbegutachtungen ( – )
      Gefördertes Einzelprojekt: DFG - Sachbeihilfe/Einzelförderung | Förderkennzeichen: LI 1530/31-1; SCHM 1609/8-1
    • Safe ILIAS – Sichere Integration von Lernen in Autonomen cyber-physischen Systemen ( – )
      Gefördertes Einzelprojekt: DFG - Sachbeihilfe/Einzelförderung | Förderkennzeichen: HE 6733/5-1
    • E-Mobilität für LKWs - Prädiktive KI Modelle ( – )
      Gefördertes Einzelprojekt: MAN Truck & Bus SE
    • VACS 2.0: Visuelle Analyse von Kohortenstudien (Visuelle Analyse von zeitveränderlichen, hochdimensionalen, heterogenen und unvollständigen Daten mit Anwendung auf populationsbasierte Studien) ( – )
      Gefördertes Einzelprojekt: DFG - Sachbeihilfe/Einzelförderung | Förderkennzeichen: LI 1530/23-3
    • SPP 2363 - Teilprojekt: Neuronale Fingerabdrücke als struktur- und aktivitätssensitive molekulare Darstellungen ( – )
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Schwerpunktprogramm | Förderkennzeichen: KO 4689/7-1; RI 2938/3-1
    • InterKI – Interdisziplinäres Lehrprogramm zu maschinellem Lernen und künstlicher Intelligenz ( – )
      Gefördertes Einzelprojekt: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 16DHBKI049
    • Friends with benefits? A holistic approach to diffuse mutualism in plant pollinator interactions ( – )
      participations in other joint project: HFSP - Research Grant - Program | Förderkennzeichen: RGP0057/2021
    • EXFP-MML – SPP 2363 - Teilprojekt: Fingerprints entschlüsseln - Auf dem Weg zu einem ganzheitlichen Erklärungsinstrumentarium für molekulares maschinelles Lernen ( – )
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Schwerpunktprogramm | Förderkennzeichen: GL 349/15-1; JI 104/10-1
    • PPP-DL – Performance, Portabilität und Produktivität für Deep-Learning Anwendungen auf Multi- und Many-Core Architekturen ( – )
      Gefördertes Einzelprojekt: DFG - Sachbeihilfe/Einzelförderung | Förderkennzeichen: GO 756/8-1
    • Al-based Medical Image Analysis and AR-based Surgical Navigation for Craniomaxillofacial Surgery ( – )
      Gefördertes Einzelprojekt: Chinesisch-Deutsches Zentrum für Wissenschaftsförderung | Förderkennzeichen: M-0019
    • SFB 1450 Z01 - Interaktive und rechnergestützte Analyse von großen multiskalen Bildgebungsdaten ( – )
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, Z01
    • HiRes – HiRes-Hemo: Hämodynamik in hoher räumlich-zeitlicher Auflösung durch vergleichende visuelle Analyse von 4D PC-MRI-Daten und CFD-Simulationsensembles ( – )
      Gefördertes Einzelprojekt: DFG - Sachbeihilfe/Einzelförderung | Förderkennzeichen: LI 1530/28-1; HO 5231/3-1
    • GAIA – Standortübergreifendes Graduiertenkolleg: „Trustworthy AI for Seamless Problem solving: Next generation Intelligence Joins Robust Data Analysis“ (Data NInJA) - Promotionsthema: "Gaußprozesse für automatische und interpretierbare Anomalie-Erkennung" ( – )
      participations in other joint project: MKW - Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ - Standortübergreifendes Graduiertenkolleg | Förderkennzeichen: 005-2010-0003
    • SFB 1450 B04 - Multiskalige Darstellung und Analyse der Leukozytenwanderung in hypoxischen Entzündungsbereichen in vivo ( – )
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, B04
    • SFB 1459 C05 - Kohärente nanophotonische neuronale Netzwerke mit adaptiven molekularen Systemen ( – )
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1459/1, C05
    • meditrain – Verbundprojekt: Intelligente Virtuelle Agenten für die Medizinische Ausbildung (medical tr.AI.ning) - Teilvorhaben: Entwicklung und Erforschung von intelligenten virtuellen Agenten für die klinisch-medizinische Ausbildung mit Schwerpunkt in KI ( – )
      participations in bmbf-joint project: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 16DHBKI077
    • ULTRACEPT – Ultra-layered perception with brain-inspired information processing for vehicle collision avoidance ( – )
      EU-Projekt koordiniert außerhalb der Universität Münster: EU H2020 - Marie Skłodowska-Curie Actions - Research and Innovation Staff Exchange | Förderkennzeichen: 778062
    • STATE – SystemC to Timed Automata Transformation Engine (seit )
      Eigenmittelprojekt
    • Applied IoT Data Analytics (seit )
      Eigenmittelprojekt
    • Query Processing (seit )
      Eigenmittelprojekt
    • Metric and Ptolemaic Access Methods (seit )
      Eigenmittelprojekt
    • Similarity Search (seit )
      Eigenmittelprojekt

  • Neueste Publikationen

    • Tu P, Ye H, Shi H, Young J, Xie M, Zhao P, Zheng C, Jiang X, Chen X. . ‘Phase-specific augmented reality guidance for microscopic cataract surgery using spatiotemporal fusion network.’ Information Fusion 113: 102604.

    • Vogel-Heuser B.; Fay A.; Rupprecht B.; Kunze F.C.; Hankemeier V.; Westermann T.; Manca G. . ‘Exploring challenges of alarm root-cause analysis across varying production process types Herausforderungen der Alarm Root-Cause Analyse in verschiedenen Arten von Produktionsprozessen.’ Automatisierungstechnik 72, Nr. 4: 369–386. doi: https://doi.org/10.1515/auto-2023-0180.
    • Steinhorst, Phil; Duhme, Christof; Jiang, Xiaoyi; Vahrenhold, Jan. . ‘Recognizing Patterns in Productive Failure.’ In Proceedings of the 55th ACM Technical Symposium on Computer Science Education V. 1, edited by Battestilli, Lina; Rebelsky, Samuel; Shoop, Libby, 1293–1299. New York, NY: ACM Press. doi: 10.1145/3626252.3630915.
    • Hellsten EO; Souza A; Lenfers J; Lacouture R; Hsu O; Ejjeh A; Kjolstad F; Steuwer M; Olukotun K; Nardi L. . ‘BaCO: A Fast and Portable Bayesian Compiler Optimization Framework.’ In Proceedings of the 28th ACM International Conference on Architectural Support for Programming Languages and Operating Systems, Volume 4, edited by Association for Computing Machinery, 19–42. New York, NY, USA: Association for Computing Machinery. doi: 10.1145/3623278.3624770.
    • Delicaris, Joanna; Stübbe, Jonas; Schupp, Stefan; Remke, Anne. . ‘RealySt: A C++ Tool for Optimizing Reachability Probabilities in Stochastic Hybrid Systems.’ In Performance Evaluation Methodologies and Tools, edited by Kalyvianaki, Evangelia; Paolieri, Marco, 170–182. Cham: Springer. doi: 10.1007/978-3-031-48885-6_11.
    • Beckmann, Daniel; Kockwelp, Jacqueline; Gromoll, Joerg; Kiefer, Friedemann;Risse, Benjamin. . ‘SAM meets Gaze: Passive Eye Tracking for Prompt-based Instance Segmentation.’ Proceedings of Machine Learning Research 2023.
    • Schick, Johannes; Wagner, Marc; Lippe, Wolfram-Manfred. . ‘Graphical and Textual Models Embedded in a Constructor-Driven Transformation.’ In Proceedings of the 18th IEEE International Conference on Semantic Computing, edited by IEEE Computer Society, or the Institute of Electrical and Electronics Engineers, Inc., 226–230. Piscataway, NJ : Wiley-IEEE Computer Society Press. doi: 10.1109/ICSC59802.2024.00065.
    • Evers, Marina; Derstroff, Adrian; Leistikow, Simon; Schneider, Tom; Mallepree, Larissa; Stampke, Jan; Leisgang, Moritz; Sprafke, Sebastian; Schuhl, Melina; Krefft, Niklas; Droese, Felix; Linsen, Lars. . ‘Visual analytics of soccer player performance using objective ratings.’ Information Visualization 1–15. doi: 10.1177/14738716231220539.
    • Dornbusch, Maja; Vahrenhold, Jan. . ‘"In the Beginning, I Couldn't Necessarily Do Anything With It": Links Between Compiler Error Messages and Sense of Belonging.’ In Proceedings of the 2024 ACM Conference on International Computing Education Research (ICER 2024), edited by Denny, Paul; Porter, Leo; Hamilton, Margaret; Morrison, Briana, 14–26. New York, NY: ACM Press. doi: 10.1145/3632620.3671105.
    • Wortmann, Carolin; Vahrenhold, Jan. . ‘Regulation, Self-Efficacy, and Participation in CS1 Group Work.’ In Proceedings of the 2024 ACM Conference on International Computing Education Research (ICER 2024), edited by Denny, Paul; Porter, Leo; Hamilton, Margaret; Morrison, Briana, 359–373. New York, NY: ACM Press. doi: 10.1145/3632620.3671115.
    • Tasche P; Monti RE; Drerup SE; Blohm P; Herber P; Huisman M. . ‘Deductive Verification of Parameterized Embedded Systems Modeled in {SystemC}.’ In Verification, Model Checking, and Abstract Interpretation - 25th International Conference, {VMCAI} 2024, edited by Dimitrova, Rayna ; Lahav, Ori; Wolff, Sebastian, 187–209. London: Springer. doi: 10.1007/978-3-031-50521-8\_9.
    • Jarrous-Holtrup, S; Abdinghoff, J; Schamel, F; Gorlatch, S. . ‘Towards an Autoscaling Service for Real-Time Online Interactive Applications on Clouds.’ In Euromicro Conference on Parallel, Distributed and Network-Based Processing, edited by Chis, A; González-Vélez, H., 1–8. Dublin: Wiley-IEEE Press. doi: 10.1109/PDP62718.2024.00024.
    • Tomak, J.; Liermann, A.; Gorlatch, S. . ‘Performance Evaluation of a Legacy Real-Time System: An Improved RAST Approach.’ In Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, edited by Guisado-Lizar, JL.; Riscos-Núñez, A.; Morón-Fernández, MJ.; Wainer, G., 18–33. Cham: Springer. doi: 10.1007/978-3-031-57523-5_2.
    • Garanina, N.; Gorlatch, S. . ‘KNOWLEDGE ACQUISITION IN MULTI-AGENT SYSTEMS: A FORMALIZATION OF THE ELEUSIS CARD GAME.’ Journal of Mathematical Sciences 281, Nr. 2. doi: 10.1007/s10958-024-07107-y.
    • Rasch, Ari. . ‘(De/Re)-Composition of Data-Parallel Computations via Multi-Dimensional Homomorphisms.’ ACM Transactions on Programming Languages and Systems Just Accepted. doi: 10.1145/3665643.
    • Köpcke, Bastian; Gorlatch, Sergei; Steuwer, Michel. . ‘Descend: A Safe GPU Systems Programming Language.’ Proceedings of the ACM on Programming Languages 8, Nr. PLDI: 841–864. doi: 10.1145/3656411.
    • Xiao J, Zhong Y, Jia Y, Wang Y, Jiang X, Wang S. . ‘A novel deep ensemble model for imbalanced credit scoring in internet finance.’ International Journal of Forecasting 40, Nr. 1: 348–372.
    • Xiao J, Wen Z, Jiang X, Yu L, Wang S. . ‘Three-stage research framework to assess and predict the financial risk of SMEs based on hybrid method.’ Decision Support Systems 177: 114090.
    • Chen J, Pi D, Jiang X, Xu Y, Chen Y, Wang X. . ‘Denosieformer: A transformer based approach for single-channel EEG artifact removal.’ IEEE Transactions on Instrumentation and Measurement 73: 1–16.
    • Eminaga o, Saad F, Tian Z, Wolffgang U, Karakiewicz P, Ouellet V, Azzi F, Spieker T, Helmke B, Graefen M, Jiang X, Xing L, Witt J, Trudel D, Leyh-Bannurah SM. . ‘Artificial intelligence unravels interpretable malignancy grades of prostate cancer on histology images.’ npj Imaging 2: 6.
    • Zhang Q, Jiang X. . ‘Classification performance boosting for interpolation kernel machines by training set pruning using genetic algorithm.’ In Prof. of ICPRAM, edited by M. Castrillon-Santana, M. De Marsico, A. Fred, 428–435. Rome: SciTePress.
    • Hegselmann S, Shen Z, Gierse F, Agrawal M, Sontag D, Jiang X. . ‘A data-centric approach to generate faithful and high quality patient summaries with large language models.’ In Conference on Health, Inference, and Learning (CHIL), edited by N.A., 339–379. New York: MLResearchPress.
    • Rexeisen R, Jiang X. . ‘Challenging the robustness of image registration similarity metrics with adversarial attacks.’ In Proc. of WBIR. [accepted / in Press (not yet published)]
    • Zhang Q, Liu CL, Jiang X. . ‘Polynomial kernel learning for interpolation kernel machines with application to graph classification.’ Pattern Recognition Letters 186: 7–13.
    • Manongga WC, Chen RC, Jiang X. . ‘Enhancing road marking sign detection in low-light conditions with YOLOv7 and contrast enhancement techniques .’ International Journal of Applied Science and Engineering 21, Nr. 3.
    • Xiao J, Jiang X, Wang S. . ‘Optimising allocation of marketing resources among offline channel retailers: A bi-clustering-based model.’ Journal of Business Research . [accepted / in Press (not yet published)]
    • Zhang Q, Jiang X. . ‘Regularization of interpolation kernel machines.’ In Proc. of ICPR. [accepted / in Press (not yet published)]
    • Rezaei S, Jiang X. . ‘Superpixel-based sparse labeling for efficient and certain medical image annotation.’ In Proc. of ICPR. [accepted / in Press (not yet published)]
    • Duhme C, Lippe C, Voerr V, Jiang X. . ‘Transformer-based parameter fitting of models derived from Bloch-McConnell Equations for CEST MRI analysis.’ In Proc. of MLMI. [accepted / in Press (not yet published)]
    • Leenings R, Konowski M, Winter NR, Ernsting J, Fisch L, Barkhau C, Dannlowski U, Lügering A, Jiang X, Hahn T. . ‘C-TRUS: A novel dataset and initial benchmark for colon wall segmentation in transabdominal ultrasound .’ In Proc. of ASMUS. [accepted / in Press (not yet published)]
    • Oehm JB, Wenning O, Storck M, Jiang X, Varghese F. . ‘Automatic extraction of medication data from semi-structured prescriptions.’ In Proc. of MIE. [accepted / in Press (not yet published)]
    • Kara AC, Rana D, Glorius F, Jiang X. . ‘ChemGraph Explainer: A graphical user interface for explaining predictions of graph neural networks in chemistry.’ In Proc. of ECML Workshop ML4CCE. [accepted / in Press (not yet published)]
    • Vahrenhold, Jan. . „Das systematische Vorgehen im Fokus.“ In Wirksamer Informatikunterricht. Unterrichtsqualität: Perspektiven von Expertinnen und Experten, herausgegeben von Komm, Dennis, 198–206. Baltmannsweiler: Schneider Verlag Hohengehren.
    • Thießen, Thore; Vahrenhold, Jan. . ‘Optimal Offline ORAM with Perfect Security via Simple Oblivious Priority Queues.’ In Proceedings of the 35th International Symposium on Algorithms and Computation (ISAAC 2024), edited by Mestre, Julián; Wirth, Anthony.: Dagstuhl Publishing. doi: 10.4230/LIPIcs.ISAAC.2024.36. [accepted / in Press (not yet published)]
    • Herick, Maria; Joachim, Michael; Vahrenhold, Jan. . ‘Adaptive Approximation of Persistent Homology.’ Journal of Applied and Computational Topology . doi: 10.1007/s41468-024-00192-7. [accepted / in Press (not yet published)]
    • Niehage, Mathis; Remke, Anne. . ‘The Best of Both Worlds: Analytically-Guided Simulation of HPnGs for Optimal Reachability.’ In Performance Evaluation Methodologies and Tools - 16th EAI International Conference, VALUETOOLS 2023, Crete, Greece, September 6–7, 2023, Proceedings, edited by Kalyvianaki, Evangelia; Paolieri, Marco, 61–81. Cham: Springer. doi: 10.1007/978-3-031-48885-6_5.
    • Borrelli, Gabriel; Evers, Marina; Linsen, Lars. . ‘Efficient Adaptive Multiresolution Aggregations of Spatio-temporal Ensembles.’ Contributed to the EuroVis, Odense. doi: 10.2312/pgv.20241128.
    • Herber, Paula; Wijs, Anton (Eds.): . 18th International Conference on integrated Formal Methods, {iFM} 2023. Leiden: Springer. doi: 10.1007/978-3-031-47705-8.
    • Adelt Julius; Gebker Julian; Herber Paula. . ‘Reusable formal models for concurrency and communication in custom real-time operating systems.’ International Journal on Software Tools for Technology Transfer 26, Nr. 2: 229–245. doi: 10.1007/S10009-024-00743-4.
    • Bodden, E; Felderer, M; Hasselbring, W; Herber, P; Koziolek, H; Lilienthal, C; Matthes, F; Prechelt, L; Rumpe, B; Schaefer, I (Eds.): . Ernst Denert Software Engineering Award 2022. Cham, Switzerland: Springer Nature. doi: 10.1007/978-3-031-44412-8_1.
    • Bender, Magnus; Braun, Tanya; Möller, Ralf; Gehrke, Marcel. . ‘Unsupervised Estimation of Subjective Content Descriptions in an Information System.’ International Journal of Semantic Computing 18, Nr. 1: 51–75. doi: 10.1142/S1793351X24410034.
    • Bender, Magnus; Braun, Tanya; Möller, Ralf; Gehrke, Marcel. . ‘ReFrESH – Relation-preserving Feedback-reliant Enhancement of Subjective Content Descriptions.’ Contributed to the ICSC-24 18th IEEE International Conference on Semantic Computing, Laguna Hills. doi: 10.1109/ICSC59802.2024.00010.
    • Luttermann, Malte; Braun, Tanya; Möller, Ralf; Gehrke, Marcel. . ‘Colour Passing Revisited: Lifted Model Construction with Commutative Factors.’ In AAAI-24 Proceedings of the 38th AAAI Conference on Artificial Intelligence, edited by Wooldridge, Michael; Dy, Jennifer; Natarajan Sriraam, 20500–20507. Washington, DC: AAAI Press. doi: 10.1609/aaai.v38i18.30034.
    • Hartwig, Mattis; Möller, Ralf; Braun, Tanya. . ‘An Extended View on Lifting Gaussian Bayesian Networks.’ Artificial Intelligence 330: 104082. doi: 10.1016/j.artint.2024.104082.
    • Luttermann, Malte; Hartwig, Mattis; Braun, Tanya; Möller, Ralf; Gehrke, Marcel. . ‘Lifted Causal Inference in Relational Domains.’ In CLeaR-24 Proceedings of the 3rd Conference on Causal Learning and Reasoning, edited by Locatello, Francesco; Didelez, Vanessa, 827–842.: MLResearchPress. [accepted / in Press (not yet published)]

    • Adelt J.; Bruch S.; Herber P.; Niehage M.; Remke A. . ‘Shielded Learning for Resilience and Performance Based on Statistical Model Checking in Simulink.’ In Bridging the Gap Between AI and Reality - First International Conference, AISoLA 2023, Crete, Greece, October 23–28, 2023, Proceedings, edited by Steffen, Bernhard, 94–118. Cham: Springer. doi: 10.1007/978-3-031-46002-9_6.
    • Borrelli, Gabriel; Hagemann, Lars; Steinkühler, Jannik;Derstroff, Adrian;Evers, Marina;Huesmann, Karim;Leistikow, Simon;Rave, Hennes;Gol, Reyhaneh Sabbagh;Linsen, Lars. . ‘2022 IEEE Scientific Visualization Contest Winner: Multifield Analysis of Vorticity-Driven Lateral Spread in Wildfire Ensembles.’ IEEE Computer Graphics and Applications 44, Nr. 1: 40–49. doi: 10.1109/MCG.2023.3310298.
    • Delicaris, Joanna; Schupp, Stefan; Ábrahám, Erika; Remke, Anne. . ‘Maximizing Reachability Probabilities in Rectangular Automata with Random Clocks.’ In Theoretical Aspects of Software Engineering, edited by David, Cristina; Sun, Meng, 164–182. Cham: Springer. doi: 10.1007/978-3-031-35257-7_10.
    • Schilling, M.; Cruse, H. . ‘neuroWalknet, a controller for hexapod walking allowing for context dependent behavior.’ PLoS Computational Biology 19, Nr. 1: e1010136. doi: 10.1371/journal.pcbi.1010136.
    • Schilling, M.; Hammer, B.; Ohl, F.W.; Ritter, H.; Wiskott, L. . ‘Modularity in Nervous Systems—a Key to Efficient Adaptivity for Deep Reinforcement Learning.’ Cognitive Computation in press. doi: 10.1007/s12559-022-10080-w.
    • Rasch, Ari; Schulze, Richard; Shabalin, Denys; Elster, Anne; Gorlatch, Sergei; Hall, Mary. . ‘(De/Re)-Compositions Expressed Systematically via MDH-Based Schedules.’ In CC 2023: Proceedings of the 32nd ACM SIGPLAN International Conference on Compiler Construction, edited by Verbrugge, Clark, 61–72. New York: ACM Press. doi: 10.1145/3578360.3580269.
    • Garanina, N; Gorlatch, S. . ‘Autotuning Parallel Programs by Model Checking.’ Automatic Control and Computer Sciences 56, Nr. 7: 634–648. doi: 10.3103/S0146411622070045.
    • Hagedorn, Bastian; Lenfers, Johannes; Koehler, Thomas; Qin, Xueying; Gorlatch, Sergei; Steuwer, Michel. . ‘Achieving High Performance the Functional Way: Expressing High-Performance Optimizations as Rewrite Strategies.’ Communications of the ACM 66, Nr. 3: 89–97. doi: 10.1145/3580371.
    • Jarrous-Holtrup, S.; Gorlatch, S.; Dey, M.; Schamel, F. . ‘Multi-Cloud Container Orchestration for High-Performance Real-Time Online Applications.’ In Euromicro Conference on Parallel, Distributed and Network-Based Processing, edited by Montella, R.; Ciaramella, A.; Lapegna, M.; Danelutto, M.; Blanco Heras, D., 307–313. Neapel: Wiley-IEEE Computer Society Press. doi: 10.1109/PDP59025.2023.00054.
    • Jarrous-Holtrup, S.; Gorlatch, S.; Dey, M.; Schamel, M. . ‘An OpenVPN-Based Interconnection in Multi-Clouds with Windows and Linux nodes.’ In Consumer Communications and Networking Conference, CCNC IEEE, edited by Chowdhury, K., 867–870. Las Vegas: Wiley-IEEE Computer Society Press. doi: 10.1109/CCNC51644.2023.10059709.
    • Dewi C, Chen RC, Yu H, Jiang X. . ‘Robust detection method for improving small traffic sign recognition based on spatial pyramid pooling.’ Journal of Ambient Intelligence and Humanized Computing 14, Nr. 7: 8135–8152.
    • Nienkötter A, Jiang X. . ‘Kernel-based generalized median computation for consensus learning.’ IEEE Transactions on Pattern Analysis and Machine Intelligence 45, Nr. 5: 5872–5888.
    • Hegselmann S, Buendia A, Lang H, Agrawal M, Jiang X, Sontag D. . ‘TabLLM: Few-shot classification of tabular data with large language models.’ In Proceedings of the 26th International Conference on Artificial Intelligence and Statistics (AISTATS), edited by N.A., 5549–5581. 206. Aufl. 2023: MLResearchPress.
    • Tistarelli M, Dubey SR, Singh SK, Jiang X (Eds.): . Computer Vision and Machine Intelligence. Cham, Switzerland: Springer Nature.
    • Eilers F, Jiang X. . ‘Building blocks for a complex-valued transformer architecture.’ In Proc. of ICASSP, edited by N/A, 1–5. N/A: Wiley-IEEE Press.

Die  älteren Forschungsberichte des Instituts für Informatik sind Teil der Forschungsberichte der WWU. Suchen Sie also in den folgenden Dokumenten den Bericht "Fachbereich Mathematik und Informatik", und darin nach "Institut für Informatik", um den passenden Teil zu finden: