Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data"

Hermann T, Ritter H (2004)
Bielefeld University.

Datenpublikation
 
Download
OA 12.96 KB
OA gng_2sp1rot20N_2.mp3 12.96 KB
OA gng_2sp1rot20N_3.mp3 12.96 KB
Alle
Abstract / Bemerkung
In this paper we present an approach using incrementally constructed neural gas networks to 'grow' an intuitive interface for interactive exploratory sonification of high-dimensional data. The sonifications portray information about the intrinsic data dimensionality and its variation within the data space. The interface follows the paradigm of model-based sonification and consists of a graph of nodes that can be acoustically ý with simple mouse actions. The sound generation process is defined in terms of the node parameters and the graph topology, following a physically motivated model of energy flow through the graph structure. The resulting sonification model is tied to the given data set by constructing both graph topology and node parameters by an adaptive, fully data-driven learning process, using a growing neural gas network. We report several examples of applying this method to static data sets and point out a generalization to the task of process analysis #### Sound Examples: GNGS -- Probing Gaussian Distributions
The sonifications are currently computed offline: after a click in a scatterplot of the data the nearest neuron of the GNG is searched and the graph is excited at this location. Since energy propagates along topological connections between the GNG graph, the sound is completely determined from a connected subgraph, e.g. a cluster. The sonifications last about 2 secs, and are presented to the listener as soon as they are computed. Since this interrupts the exploratory flow only slightly, the user is appearing an (discrete) interactive mode of exploration. Sonifications for probing in the clusters of intrinsic dimension d: * d = 1 : [Example_1a](https://pub.uni-bielefeld.de/download/2921050/2921070) (mp3, 16k) [Example_1b](https://pub.uni-bielefeld.de/download/2921050/2921071) (mp3, 16k) * d = 2 : [Example_2a](https://pub.uni-bielefeld.de/download/2921050/2921072) (mp3, 16k) [Example_2b](https://pub.uni-bielefeld.de/download/2921050/2921073) (mp3, 16k) * d = 3 : [Example_3a](https://pub.uni-bielefeld.de/download/2921050/2921074) (mp3, 16k) [Example_3b](https://pub.uni-bielefeld.de/download/2921050/2921075) (mp3, 16k) * d = 4 : [Example_4a](https://pub.uni-bielefeld.de/download/2921050/2921076) (mp3, 16k) [Example_4b](https://pub.uni-bielefeld.de/download/2921050/2921077) (mp3, 16k) * d = 5 : [Example_5a](https://pub.uni-bielefeld.de/download/2921050/2921078) (mp3, 16k) [Example_5b](https://pub.uni-bielefeld.de/download/2921050/2921079) (mp3, 16k) * d = 6 : [Example_6a](https://pub.uni-bielefeld.de/download/2921050/2921080) (mp3, 16k) [Example_6b](https://pub.uni-bielefeld.de/download/2921050/2921081) (mp3, 16k) * d = 7 : [Example_7a](https://pub.uni-bielefeld.de/download/2921050/2921082) (mp3, 16k) [Example_7b](https://pub.uni-bielefeld.de/download/2921050/2921083) (mp3, 16k) * d = 8 : [Example_8a](https://pub.uni-bielefeld.de/download/2921050/2921084) (mp3, 16k) [Example_8b](https://pub.uni-bielefeld.de/download/2921050/2921085) (mp3, 16k) #### Sound Examples: GNGS -- Probing Sonification for the Noisy Spiral dataset A noisy spiral dataset is adapted by a GNG. This are GNGS probing sonifications from (a) the outer end of the spiral, (b) in the middle, (c) the inner end of the spiral. The examples are for differing network complexity, expressed by the number of neurons N. * N = 3: [Example_1](https://pub.uni-bielefeld.de/download/2921050/2921057) (mp3, 16k) [Example_1](https://pub.uni-bielefeld.de/download/2921050/2921058) (mp3, 16k) * N = 20: [Example_2a](https://pub.uni-bielefeld.de/download/2921050/2921059) (mp3, 16k) [Example_2b](https://pub.uni-bielefeld.de/download/2921050/2921060) (mp3, 16k) [Example_2c](https://pub.uni-bielefeld.de/download/2921050/2921061) (mp3, 16k) * N = 45: [Example_3a](https://pub.uni-bielefeld.de/download/2921050/2921062) (mp3, 16k) [Example_3b](https://pub.uni-bielefeld.de/download/2921050/2921063) (mp3, 16k) [Example_3c](https://pub.uni-bielefeld.de/download/2921050/2921064) (mp3, 16k) * N = 150: [Example_4a](https://pub.uni-bielefeld.de/download/2921050/2921066) (mp3, 16k) [Example_4b](https://pub.uni-bielefeld.de/download/2921050/2921067) (mp3, 16k) [Example_4c](https://pub.uni-bielefeld.de/download/2921050/2921068) (mp3, 16k) * The following examples are for a noisy spiral with only one rotation * N = 20: [Example_5a](https://pub.uni-bielefeld.de/download/2921050/2921051) (mp3, 16k) [Example_5b](https://pub.uni-bielefeld.de/download/2921050/2921052) (mp3, 16k) [Example_5c](https://pub.uni-bielefeld.de/download/2921050/2921053) (mp3, 16k) * N = 45: [Example_6a](https://pub.uni-bielefeld.de/download/2921050/2921054) (mp3, 16k) [Example_6b](https://pub.uni-bielefeld.de/download/2921050/2921055) (mp3, 16k) [Example_6c](https://pub.uni-bielefeld.de/download/2921050/2921056) (mp3, 16k) #### Sound Examples: GNGS -- Process Monitoring Sonifications The following for sonification present the dynamically changing auditory state of a GNG during the adaptive growth process. * Noisy Spiral, 1 rotation [Example_1](https://pub.uni-bielefeld.de/download/2921050/2921098) (mp3, 45k) * Noisy Spiral, 2 rotation [Example_2](https://pub.uni-bielefeld.de/download/2921050/2921099) (mp3, 45k) * Gaussian Cluster of dimension 5 [Example_3](https://pub.uni-bielefeld.de/download/2921050/2921096) (mp3, 45k) * Mixture of 2d and 5d uniform distributions [Example_4](https://pub.uni-bielefeld.de/download/2921050/2921097) (mp3, 45k) #### Sound Examples: GNGS Probing and Process Monitoring for MNIST dataset The MNIST dataset contains 24x24 pixel bitmaps of handwritten digits. 8x8 subsampling was performed to obtain 64-dimensional records, about 1000 records for each class. The examples are computed for the classes of '1' and '2'. The shape of '2' contains more internal degrees of freedom, resulting in a higher intrinsic dimensionality of the distribution, audible from the higher brilliance and complexity of the probing sonification. * Handwritten digits, class '1', Probing: [(a)](https://pub.uni-bielefeld.de/download/2921050/2921086) [(b)](https://pub.uni-bielefeld.de/download/2921050/2921087) [(c)](https://pub.uni-bielefeld.de/download/2921050/2921088) [(d)](https://pub.uni-bielefeld.de/download/2921050/2921089) (mp3, 17k) * Handwritten digits, class '1', Growth sonification: [growth](https://pub.uni-bielefeld.de/download/2921050/2921090) (mp3, 33k) * Handwritten digits, class '2', Probing: [(a)](https://pub.uni-bielefeld.de/download/2921050/2921091) [(b)](https://pub.uni-bielefeld.de/download/2921050/2921092) [(c)](https://pub.uni-bielefeld.de/download/2921050/2921093) [(d)](https://pub.uni-bielefeld.de/download/2921050/2921094) (mp3, 17k) * Handwritten digits, class '2', Growth sonification: [growth](https://pub.uni-bielefeld.de/download/2921050/2921095) (mp3, 33k)
Erscheinungsjahr
2004
Page URI
https://pub.uni-bielefeld.de/record/2921050

Zitieren

Hermann T, Ritter H. Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data". Bielefeld University; 2004.
Hermann, T., & Ritter, H. (2004). Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data". Bielefeld University. doi:10.4119/unibi/2921050
Hermann, T., and Ritter, H. (2004). Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data". Bielefeld University.
Hermann, T., & Ritter, H., 2004. Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data", Bielefeld University.
T. Hermann and H. Ritter, Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data", Bielefeld University, 2004.
Hermann, T., Ritter, H.: Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data". Bielefeld University (2004).
Hermann, Thomas, and Ritter, Helge. Supplementary Material for "Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data". Bielefeld University, 2004.
Alle Dateien verfügbar unter der/den folgenden Lizenz(en):
Volltext(e)
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
f43ffa55e7e361c4ae924a22e9ef1bf1
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
c38006baa69403427a97bc69d4a18753
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
023205ea4bdd69bd0480ab6798fc6378
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
a4fcf23567390602849c9d50e2999057
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
4de5df0ab51b8532489b87630c7c9626
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
2592c3b323fb471d36140ec0fd5d8404
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
ca55a17a324c42293aa07b6eeb987bff
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
c1d7576f31d566ef8033be4fd3c23295
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
67b99117f21058c25478d3dc24668875
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
a4b0e1a5494a3025b3d1739531e7bd63
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
6fc4df579eb5477c48769b2c7591fa11
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
18304ecab0deda689ffd14dfcac49e66
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
ef1610c8c94d6278beaae36abd7c370b
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
ee21d97541fb11e8425016662233f9b7
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
ee9a4f65e71dde6ad652b2a1e3418505
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
4d989676c8f61c0e302960c97f79b1cf
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
698c445ea068d7c71a39e4ecbb88be1e
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
9d20af0c4efc1fe680e3dc92ecc327dc
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
8299c2a0bab86c2fad8276c9bbbb1282
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
77a029de4c7116c181a163e4c214af2f
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
470281be286462aa57f76ff1cbd36a39
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
f2b63aa9cee56aa32c0db54796be85c7
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
91db17fa9ceeb599649cba2d34d31035
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
5da17af1577f6bbc1ce0bfbe78482752
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
e49cb3d719e4016dafffd3cee189ad63
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
a6e85719d4f78aec4456be8da6604557
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
863bb7cb7c92c353935cd10f1f6b06dd
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
e9c3810c6c2137d871ea42fde6b7fc5f
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
26e227872f07b46b691d5287f320f61b
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
a9b1af75f107e17e3aadf75af68f3d76
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
b4f75371ed2352fd6cce3dbf1c07f247
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
466db2bd81e60314d925efea8e57ba0b
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
dd725e892d9f92d49601efab3dcaab8f
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
ad8c0da90b47d0fc7ecb71e3036f2d51
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
ab1fb43eaf9c705d0e5a3b79278714e7
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
2a3dc0ad3fabec5a90758e9d217ed686
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
24733790348b95746d474716cff8301e
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
6c9b7568a94bd814084efe8bdf5ad3df
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
61317c440cebc9c553cb81b4f8cadc2a
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
919567b5006cd0ea86f4eec1baac4ab8
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
f0dcbf382eaf21250d917f8dca3c6c77
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
572cbc351c41737c6f51a97d51049c2a
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
e1fb86db97a154a410a02b3074b13dfc
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
413d10cb9aa78ef0512868f26e175f58
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
1dbc99117bf935a820091468f3dce72e
Name
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
5dadb20ba662e745039ff15546755368
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
d87c5dfe9fff4a1da6b196b84832bafb
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
285811d40885b21b435335097586cb4e
Name
136.17 KB
Access Level
OA Open Access
Zuletzt Hochgeladen
2019-09-25T06:52:50Z
MD5 Prüfsumme
732bd78e3ab5f66a8a0cc24c69b3c732

Material in PUB:
Spätere Version
Neural Gas Sonification - Growing Adaptive Interfaces for Interacting with Data
Hermann T, Ritter H (2004)
In: IV '04: Proceedings of the Information Visualisation, Eighth International Conference on (IV'04). Banissi E, Börner K (Eds); Washington, DC, USA: IEEE Computer Society: 871-878.

Export

Markieren/ Markierung löschen
Markierte Publikationen

Open Data PUB

Suchen in

Google Scholar