Sélection des points de vue pour des données vectorielles en utilisant des techniques du réseau de neurones

La sélection des points de vue est un domaine de recherche important qui développe les méthodologies pour générer des visualisations sur des données numériques afin que les scientifiques puissent conclure rapidement des informations utiles en partant de ces images fournies. Dans ce mémoire, nous introduisons une nouvelle méthode qui trouve de bons points de vue pour des données vectorielles en construisant un réseau de neurones sous la forme d'un seul perceptron. Ce réseau de neurones simule le produit scalaire entre les poids du réseau et l'entrée, et est entraîné par nos nouvelles fonctions de perte qui représentent les critères sur la perpendicularité, la colinéarité et la distance représentée par le cosinus de l'angle entre deux vecteurs. Le vecteur obtenu par la normalisation des poids avec la valeur de perte minimale est la meilleure direction de vue trouvée pour visualiser le champ vectoriel. Un point de vue de cette direction est finalement construit avec la méthode de construction de point de vue proposée. Nous fournissons aussi une façon simple pour construire un chemin de caméra en utilisant des splines cubiques.