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

    • GIGA Gebärdensprachen - Entwicklung einer 5G enabled Gebärdensprachen-Applikation ( - )
      Drittmittel: MWIDE NRW - Förderwettbewerb 5G.NRW | Förderkennzeichen: FKZ 005-2018-0104; 005-2108-0102; PtJ-Nr. 2008gif042e; 2108gif042c
    • meditrain - Entwicklung und Erforschung von intelligenten virtuellen Agenten für die klinisch-medizinische Ausbildung mit Schwerpunkt in KI (Teilvorhaben im BMBF Verbund medical tr.Al.ning) ( - )
      Drittmittel: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 16DHBKI077
    • Friends with benefits? A holistic approach to diffuse mutualism in plant pollinator interactions ( - )
      Drittmittel: International Human Frontier Science Program Organization | Förderkennzeichen: RGP0057/2021
    • 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" ( - )
      Drittmittel: MKW - Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ - Standortübergreifendes Graduiertenkolleg | Förderkennzeichen: 005-2010-0003
    • DAAD Programm des projektbezogenen Personenaustausches Kanada 2021-2023 - Investigating Productive Failure in Computer Science ( - )
      Drittmittel: DAAD - Programm des projektbezogenen Personenaustauschs mit verschiedenen Partnerländern | Förderkennzeichen: 57565376
    • knowlEdge - Towards AI powered manufacturing services, processes, and products in an edge-to-cloud-knowlEdge continuum for humans [in-the-loop] ( - )
      Drittmittel: EU H2020 - Research and innovation actions | Förderkennzeichen: 957331
    • SFB 1450 B04 - Multiskalige Darstellung und Analyse der Leukozytenwanderung in hypoxischen Entzündungsbereichen in vivo ( - )
      Drittmittel: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, B04
    • SFB 1450 Z01 - Interaktive und rechnergestützte Analyse von großen multiskalen Bildgebungsdaten ( - )
      Drittmittel: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, Z01
    • SFB 1459 C05 - Kohärente nanophotonische neuronale Netzwerke mit adaptiven molekularen Systemen ( - )
      Drittmittel: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1459/1, C05
    • DAAD Programm des projektbezogenen Personenaustausches Taiwan 2021-2023 ( - )
      Drittmittel: DAAD - Programm des projektbezogenen Personenaustauschs mit verschiedenen Partnerländern | Förderkennzeichen: 57560795
    • SAVES - Scalable Verification of Industrial Embedded Control Systems ()
      Eigenmittel: WWU-intern - Collaboration Grant
    • Learning from Neuroscience to Investigate the IQ of Deep Neural Networks ( - )
      Drittmittel: MKW - Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ - KI-Starter | Förderkennzeichen: 005-2010-0055
    • SMARTPRINT - KMU-innovativ Verbundprojekt: Entwicklung eines Intelligenten 3D Druckers (SMARTPRINT); Teilprojekt: Erforschung und Entwicklung der Kl-Algorithmen ( - )
      Drittmittel: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 02P19K121
    • Augmented and Virtual Reality in der medizinischen Ausbildung ( - )
      Sonstige Mittel: Institut für Ausbildung und Studienangelegenheiten der Medizinischen Fakultät
    • AutoML-Methoden und Tools für die praktische Anwendung von Deep Learning ( - )
      Drittmittel: Förderkreis der Angewandten Informatik an der Westfälischen Wilhelms-Universität Münster e. V.
    • Al-based Medical Image Analysis and AR-based Surgical Navigation for Craniomaxillofacial Surgery ( - )
      Drittmittel: Chinesisch-Deutsches Zentrum für Wissenschaftsförderung | Förderkennzeichen: M-0019
    • EIMD - EMID - Electron Microscopy Imaging in the Dark - Entwicklung der Nachbelichtungsfunktionalität des EMID Verfahrens ( - )
      Drittmittel: BMWK - Zentrales Innovationsprogramm Mittelstand | Förderkennzeichen: ZF4649501TS8
    • NVIDA Graduate Fellowship award ( - )
      Drittmittel: Nvidia Corporation
    • ULTRACEPT - Ultra-layered perception with brain-inspired information processing for vehicle collision avoidance ( - )
      Drittmittel: EU H2020 - Marie Skłodowska-Curie Actions - Research and Innovation Staff Exchange | Förderkennzeichen: 778062
    • Automatische Skalierbarkeit in verteilten Systemen mit Echtzeit-Anforderungen ( - )
      Drittmittel: GS electronic Gebr. Schönweitz GmbH
    • Verbundvorhaben KETTI: Kompetenzerwerb von Tutorinnen und Tutoren in der Informatik-Ansätze zur Weiterentwicklung der Tutorenausbildung und des Tutoreneinsatzes unter Berücksichtigung des Lernbedarfs von Studierenden und den Anforderungen durch innovative Lehrkonzepte ( - )
      Drittmittel: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 01PB14007A
    • Applied IoT Data Analytics (seit )
      Eigenmittel
    • Computer-assisted 3D analysis of OCT angiography for AMD patients ( - )
      Drittmittel: Dr. Werner Jackstädt-Stiftung
    • HPC²SE - Verbundprojekt: HPC2SE - Hardware- und Leistungsorientierte Codegenerierung für Informatik und Ingenieurwesen ( - )
      Drittmittel: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 01IH16003B
    • EXC 1003 FF-2016-06 - FIM4D: Automated FIM-based in-vial activity monitoring and tracking for locomotion analysis of Drosophila larvae ( - )
      Drittmittel: DFG - Exzellenzcluster
    • INEMAS - Verbundprojekt: Grundlagen Interaktions- und emotionssensitiver Assistenzsysteme - Teilvorhaben: Videobasierte Erkennung von Emotionen und sozialer Interaktion für Fahrerassistenzsysteme ( - )
      Drittmittel: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 16SV7236
    • Query Processing (seit )
      Eigenmittel
    • Metric and Ptolemaic Access Methods (seit )
      Eigenmittel
    • Similarity Search (seit )
      Eigenmittel
    • SFB 656 B03 - Quantifizierung in der hochauflösenden dynamischen PET-MR-Bildgebung zur Analyse kleiner Strukturen ( - )
      Drittmittel: DFG - Sonderforschungsbereich | Förderkennzeichen: INST211/324-1
    • HAZCEPT - Towards Zero Road Accidents - Nature Inspired Hazard Perception ( - )
      Drittmittel: EU FP 7 - Marie Curie Actions - Internationaler Forschungspersonalaustausch | Förderkennzeichen: 318907
  • Neueste Publikationen

    • Bender Magnus, Kuhr Felix, Braun Tanya. . ‘To Extend or not to Extend? Complementary Documents.’ Contributed to the 16th IEEE International Conference on Semantic Computing, Virtual. doi: 10.1109/ICSC52841.2022.00011.
    • Bender Magnus, Kuhr Felix, Braun Tanya, Möller Ralf.Estimating Context-Specific Subjective Content Descriptions using BERT.“ contributed to the 16th IEEE International Conference on Semantic Computing, Virtual, .
    • Cebollada S, Paya L, Jiang X, Reinoso O. . ‘Development and use of a convolutional neural network for hierarchical appearance-based localization.’ Artificial Intelligence Review 55, Nr. 4: 2847-2874.
    • Decker A, Weiss MA, Becker BA, Dougherty JP, Edwards SA, Goode J, Ko AJ, McGill MM, Morrison BB, Perez-Quinones M, Rankin YA, Ross M, Vahrenhold J, Weintrop D, Yadav A. . ‘Piecing Together the Next 15 Years of Computing Education Research Workshop Report.’ In Proceedings of the 53rd ACM Technical Symposium on Computer Science Education, edited by Sheard J, Soh LK, Dorn B. New York, NY: ACM. [Akzeptiert]
    • Dewi C, Chen RC, Jiang X, Yu H. . ‘Adjusting eye aspect ratio for strong eye blink detection based on facial landmarks.’ PeerJ Computer Science 8: e943.
    • Elischberger F, Bamberg B, Jiang X. . ‘Deep learning based detection of segregations for ultrasonic testing.’ IEEE Transactions on Instrumentation and Measurement 71.
    • Evers M, Herick M, Molchanov V, Linsen L. . ‘Coherent Topological Landscapes for Simulation Ensembles.’ In Computer Vision, Imaging and Computer Graphics Theory and Applications, edited by Bouatouch K. et al., 223-237. Springer, Cham.
    • Hoffmann Moritz, Braun Tanya, Möller Ralf. . ‘Lifted Division for Lifted Hugin Belief Propagation.’ Contributed to the 25th International Conference on Artificial Intelligence and Statistics, Virtual. [Akzeptiert]
    • Kather P, Duran R, Vahrenhold J. . ‘Through (Tracking) Their Eyes: Abstraction and Complexity in Program Comprehension.’ ACM Transactions on Computing Education 22, Nr. 2: 17.1-17.33. doi: 10.1145/3480171.
    • Kather P, Vahrenhold J. . „Unterschiede im Leseverhalten von Algorithmen und Programmen.“ In Eye-Tracking als Methode in der Mathematik- und Naturwissenschaftsdidaktik: Forschung und Praxis, herausgegeben von Klein P, Graulich N, Kuhn J, Schindler M, N.N.. Heidelberg: Springer Spektrum. [Im Druck]
    • Kuck N, Dietel FA, Nohr L, Vahrenhold J, Buhlmann U. . ‘A smartphone app for the prevention and early intervention of body dysmorphic disorder: Development and evaluation of the content, usability, and aesthetics.Internet Intervention 28, Nr. 100521. doi: 10.1016/j.invent.2022.100521.
    • Kuhlmann J, Rothaus K, Jiang X, Heimes-Bussmann B, Faatz H, Book M, Pauleikhoff D. . ‘Axial stretching of vessels in the retinal vascular plexus with 3D OCT-Angiograph.’ Translational Vision Science & Technology 11, Nr. 2.
    • Sandmann S, Richter S, Jiang X, Varghese J. . ‘Exploring current challenges and perspectives for automatic reconstruction of clonal evolution.’ Cancer Genomics & Proteomics 19: 194-204.
    • Stender Mareike, Hartwig Mattis, Braun Tanya, Möller Ralf. . ‘Increasing State Estimation Accuracy in the Inference Algorithm on a Hybrid Factor Graph Model.’ Contributed to the FLAIRS-35 The 35th International Conference of the Florida Artificial Intelligence Research Society, Hutchinson Island, Florida, USA. [Akzeptiert]
    • Wang TQ, Jiang X, Liu CL. . ‘Query pixel guided stroke extraction with model-based matching for offline handwritten Chinese characters.’ Pattern Recognition 123: 108416.
    • Zhang J, Liu CL, Jiang X. . ‘Interpolation kernel machine and indefinite kernel methods for graph classification.’ Contributed to the Int. Conf. on Pattern Recognition and Artificial Intelligence, Paris. [Akzeptiert]

    • Abadeer M, Magharious S, Gorlatch S. . ‘Introducing Interactivity in Disaster Recovery Simulations.’ In New Trends in Intelligent Software Methodologies, Tools and Techniques, edited by Fujita H, Perez-Meana H, 267-280. doi: 10.3233/FAIA210026.
    • Adelt J, Liebrenz T, Herber P. . ‘Formal Verification of Intelligent Hybrid Systems that are Modeled with Simulink and the Reinforcement Learning Toolbox.’ In Formal Methods, edited by Huisman M, Pasareanu C, Zhan N, 349-366. Cham: Springer International Publishing. doi: 10.1007/978-3-030-90870-6_19.
    • Berns F, Beecks C. . ‘Stochastic Time Series Representation for Interval Pattern Mining via Gaussian Processes.’ In Proceedings of the 2021 SIAM International Conference on Data Mining (SDM), 10-18. doi: 10.1137/1.9781611976700.2.
    • Berns F, Beecks C. . ‘Complexity-Adaptive Gaussian Process Model Inference for Large-Scale Data.’ In Proceedings of the 2021 SIAM International Conference on Data Mining (SDM), 360-368. doi: 10.1137/1.9781611976700.41.
    • Berns F, Ramsdorf T, Beecks C. . ‘Machine Learning for Storage Location Prediction in Industrial High Bay Warehouses.’ In 1st International Workshop on Industrial Machine Learning at 25th International Conference on Pattern Recognition 2020, 650-661.: Springer. doi: 10.1007/978-3-030-68799-1_47.
    • Berns F, Schmidt K, Bracht I, Beecks C. . ‘3CS Algorithm for Efficient Gaussian Process Model Retrieval.’ In Proceedings 25th of the International Conference on Pattern Recognition 2020, 1773-1780.: IEEE Computer Society. doi: 10.1109/ICPR48806.2021.9412805.
    • Berns F, Strueber JH, Beecks C. . ‘Local Gaussian Process Model Inference Classification for Time Series Data.’ Contributed to the 33rd International Conference on Scientific and Statistical Database Management, Tampa, Florida, USA. doi: 10.1145/3468791.3468839.
    • Bian A, Jiang X, Berh D, Risse B. . ‘Resolving colliding larvae by fitting ASM to random walker-based pre-segmentations.’ IEEE/ACM Transactions on Computational Biology and Bioinformatics 18, Nr. 3: 1184-1194.
    • Blanger L, Hirata N, Jiang X. . ‘Reducing the need for bounding box annotations in object detection using image classification data.’ Contributed to the 34th SIBGRAPI Conference on Graphics, Patterns and Images, online.
    • Borisenko Andrey, Gorlatch Sergei. . ‘Efficient GPU-parallelization of batch plants design using metaheuristics with parameter tuning.’ Journal of Parallel and Distributed Computing 154: 74-81. doi: 10.1016/j.jpdc.2021.03.012.
    • Chen X, Li Y, Xu L, Sun Y, Politis C, Jiang X. . ‘A real time image-guided reposition system for the loosed bone graft in orthognathic surgery.’ Computer Assisted Surgery 26, Nr. 1: 1-8.
    • Dewi C, Chen RC, Liu YT, Jiang X, Hartomo KD. . ‘Yolo V4 for advanced traffic sign recognition with synthetic training data generated by various GAN.’ IEEE Access 9: 97228-97242.
    • 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 2021. [Akzeptiert]
    • Evers M, Huesmann K, Linsen L. . ‘Uncertainty-aware Visualization of Regional Time Series Correlation in Spatio-temporal Ensembles.’ Computer Graphics Forum 40, Nr. 3: 519-530. doi: 10.1111/cgf.14326.
    • Flint C, Cearns M, Opel N, Redlich R, Mehler DMA, Emden D, Winter NR, Leenings R, Eickhoff SB, Kircher T, Krug A, Nenadic I, Arolt V, Clark S, Baune BT, Jiang X, Dannlowski U, Hahn T. . ‘Systematic Misestimation of Machine Learning Performance in Neuroimaging Studies of Depression.’ Neuropsychopharmacology 46: 1510. doi: 10.1038/s41386-021-01020-7.
    • Frintrop S, Fink GA, Jiang X. . ‘Editorial: Special Issue: Computer Vision and Pattern Recognition (DAGM GCPR 2019).’ International Journal of Computer Vision 129, Nr. 11: 3004-3005.
    • Gutsfeld Jens Oliver, Müller-Olm Markus, Dielitz Christian. . ‘Temporal Logics with Language Parameters.’ In Language and Automata Theory and Applications - 15th International Conference, LATA 2021, Milan, Italy, March 1-5, 2021, Proceedings, edited by Leporati Alberto, Martı́n-Vide Carlos, Shapira Dana Zandron Claudio, 187-199.: Springer. doi: 10.1007/978-3-030-68195-1\_14.
    • Gutsfeld Jens Oliver, Müller-Olm Markus, Ohrem Christoph. . ‘Automata and Fixpoints for Asynchronous Hyperproperties.’ Proc. ACM Program. Lang. (POPL) 5, Nr. POPL: 1-29. doi: 10.1145/3434319.
    • Haalck Lars, Risse Benjamin. . ‘Embedded Dense Camera Trajectories in Multi-Video Image Mosaics by Geodesic Interpolation-based Reintegration.’ Contributed to the Winter Conference on Applications of Computer Vision, Waikoloa, Hawaii.
    • Herber P, Liebrenz T, Adelt J. . ‘Combining Forces: How to Formally Verify Informally Defined Embedded Systems.’ In Formal Methods, edited by Huisman M, Pasareanu C, Zhan N, 3-22. Cham: Springer International Publishing. doi: 10.1007/978-3-030-90870-6_1.
    • Herber Paula, Adelt Julius, Liebrenz Timm. . ‘Formal Verification of Intelligent Cyber-Physical Systems with the Interactive Theorem Prover KeYmaera X.’ In Proceedings of the Software Engineering 2021 Satellite Events, Braunschweig/Virtual, Germany, February 22 - 26, 2021, edited by Götz S, Linsbauer L, Schaefer I, Wortmann A, 1-4.: CEUR-WS.org.
    • Huesmann Karim, Rodriguez Luis Garcia, Linsen Lars, Risse Benjamin. . ‘The Impact of Activation Sparsity on Overfitting in Convolutional Neural Networks.’ In The Impact of Activation Sparsity on Overfitting in Convolutional Neural Networks.: Springer International Publishing.
    • Jiang X. . ‘Editorial: A wonderful venue for networking neuroscience and computational intelligence.’ International Journal of Neural Systems 31, Nr. 6: 2103005:1-2103005:2.
    • Kather P, Vahrenhold J. . ‘Is Algorithm Comprehension Different from Program Comprehension?In Proceedings of the 2021 IEEE/ACM 29th International Conference on Program Comprehension (ICPC), edited by Serebrenik A, Sarma A, Palomba F, Hermans F, Ichinco M, 455-466. Los Alamitos, CA: IEEE Computer Society. doi: 10.1109/ICPC52881.2021.00053.
    • Kather P, Vahrenhold J. . ‘Exploring Algorithm Comprehension: Linking Proof and Program Code.’ In Proceedings of the 21st Koli Calling International Conference on Computing Education Research (Koli Calling 2021), edited by Seppälä O, Petersen A, 28:1-28:10. doi: 10.1145/3488042.3488061.
    • Kirschnick N, Drees D, Redder E, Erapaneedi R, Pereira da Graca A, Schäfers M, Jiang X, Kiefer F. . ‘Rapid methods for the evaluation of fluorescent reporters in tissue clearing and the segmentation of large vascular structures.’ iScience 24, Nr. 6: 102650.
    • Ko AJ, Vahrenhold J, McCauley R, Hauswirth M (Eds.): . ICER 2021: Proceedings of the 17th ACM Conference on International Computing Education Research. New York, NY: ACM. doi: 10.1145/3446871.
    • Kucher V, Gorlatch S. . ‘Implicit Data Layout Optimization for Portable Parallel Programming in C++.’ In Parallel Computing Technologies, edited by Malyshkin V, 223-234. Cham: Springer. doi: 10.1007/978-3-030-86359-3_17.
    • Leenings R, Winter NR, Plagwitz L, Holstein V, Ernsting J, Sarink K, Fisch L, Steenweg J, Kleine-Vennekate L, Gebker J, Emden D, Grotegerd D, Opel N, Risse B, Jiang X, Dannlowski U, Hahn T. . ‘PHOTONAI-A Python API for rapid machine learning model development.’ PLoS One 16. doi: 10.1371/journal.pone.0254062.
    • Liebrenz T, Herber P, Glesner S. . ‘Service-oriented decomposition and verification of hybrid system models using feature models and contracts.’ Science of Computer Programming 211: 102694. doi: 10.1016/j.scico.2021.102694.
    • Niehage Mathis, Hartmanns Arnd, Remke Anne. . ‘Learning optimal decisions for stochastic hybrid systems.’ Contributed to the MEMOCODE '21: 19th ACM-IEEE International Conference on Formal Methods and Models for System Design, Virtual Event China. doi: 10.1145/3487212.3487339.
    • Nienkötter A, Jiang X. . ‘Distance-preserving vector space embedding for consensus learning.’ IEEE Transactions on Systems, Man, and Cybernetics: Systems 51, Nr. 2: 1244-1257.
    • Preciado-Marquez D, Becker L, Storck M, Greulich L, Dugas M, Brix TJ. . ‘MainzelHandler: A Library for a Simple Integration and Usage of the Mainzelliste.’ In Public Health and Informatics, edited by Mantas John, Stoicu-Tivadar Lăcrămioara, Chronaki Catherine, Hasman Arie, Weber Patrick, Gallos Parisis, Crişan-Vida Mihaela, Zoulias Emmanouil, Chirila Oana Sorina, 233-237. doi: 10.3233/SHTI210155.
    • Rasch Ari, Schulze Richard, Steuwer Michel, Gorlatch Sergei. . ‘Efficient Auto-Tuning of Parallel Programs with Interdependent Tuning Parameters via Auto-Tuning Framework (ATF).’ ACM Transactions on Architecture and Code Optimization 18, Nr. 1: 1-26. doi: 10.1145/3427093.
    • Salem Abdel-Badeeh Mohamed, Gorlatch Sergei (Eds.): . Materials, Computer Engineering and Education Technology. : Trans Tech Publications. doi: 10.4028/www.scientific.net/AST.105.
    • Seep J, Vahrenhold J. . ‘K-Means for Semantically Enriched Trajectories.’ In Proceedings of the 1st ACM SIGSPATIAL International Workshop on Animal Movement Ecology and Human Mobility (HANIMOB'21), edited by Hachem F, Ossi F, Cagnacci F, Damiani L, Demsar U, 38-47. New York, NY: ACM Press. doi: 10.1145/3486637.3489495.
    • Spiesshoefer J, Hegerfeld N, Gerdes M, Klemm S, Gorbachevski M, Radke R, Tuleta I, Passino C, Jiang X, Sciarrone S, Randerath W, Dreher M, Boentert M, Giannoni A. . ‘Effects of central apneas on sympathovagal balance and hemodynamics at night: impact of underlying systolic heart failure.’ Sleep and Breathing 25: 965-977.
    • Thiele Sebastian, Haalck Lars, Struffert Marvin, Scherber Christoph, Risse Benjamin. . ‘Towards Visual Insect Camera Traps.’ Contributed to the International Conference on Pattern Recognition (ICPR) Workshop on Visual observation and analysis of Vertebrate And Insect Behavior (VAIB), Milan, Italy. [Akzeptiert]
    • Thießen T, Vahrenhold J. . ‘Oblivious Median Slope Selection.’ In Proceedings of the 33rd Canadian Conference on Computational Geometry, edited by He M, Sheehy D, 320-331.
    • Tobias J. Brix, Ludger Becker, Timm Harbich, Johannes Oehm, Maximilian Fechner, Martin Dugas, Michael Storck. . ‘ODM Clinical Data Generator: Syntactically Correct Clinical Data Based on Metadata Definition.’ In German Medical Data Sciences: Bringing Data to Life, edited by Röhrig Rainer, Beißbarth Tim, Brannath Werner, Prokosch Hans-Ulrich, Schmidtmann Irene, Stolpe Susanne, Zapf Antonia, 35-40. doi: 10.3233/SHTI210048.
    • Tomak J, Gorlatch S. . ‘Measuring Performance of Fault Management in a Legacy System: An Alarm System Study.’ In Modelling, Analysis, and Simulation of Computer and Telecommunication Systems. MASCOTS 2020, edited by Calzarossa M, Gelenbe E, Grochla K, Lent R, Czachórski T, 129-146. Cham: Springer. doi: 10.1007/978-3-030-68110-4_9.
    • Valkov Dimitar, Thiele Sebastian, Huesmann Karim, Risse Benjamin. . ‘Touch Recognition on Complex 3D Printed Surfaces using Filter Response Analysis.’ Contributed to the IEEE VR Workshop on Novel Input Devices and Interaction Techniques (NIDIT), Online. [Im Druck]
    • Welsing A, Nienkötter A, Jiang X. . ‘Exponential weighted moving average of time series in arbitrary spaces with application to strings.’ Contributed to the Joint IAPR Int. Workshop on Structural, Syntactic, and Statistical Pattern Recognition (S+SSPR), Milan, Italy.
    • Xu L, Bai L, Jiang X, Tan M, Li C, Luo B. . ‘Deep Rényi entropy graph kernel.’ Pattern Recognition 111: 107668.

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: