Suche nach Bildklassifikation

Entropie-adaptives Modell-Merging: Neue Methode für medizinische Bildgebung

In der medizinischen Bildgebung, wo Modelle lokal an einzelnen Kliniken auf privaten Daten feinabgestimmt werden, stellen unerwartete Testz…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Vision‑Language‑Modelle: Feinabgestimmtes Wissen steigert Bildklassifikation

Vision‑Language‑Modelle (VLMs) haben in den letzten Jahren enorme Fortschritte bei Aufgaben wie visueller Frage‑Antwort, Dokumentenverständ…

arXiv – cs.AI 23.02.2026 05:00

Forschung

Hyperbolische Busemann-Neuronale Netzwerke

Eine neue Klasse von neuronalen Netzwerken, die auf hyperbolischen Räumen operieren, wurde auf arXiv veröffentlicht (ID 2602.18858v1). Hype…

arXiv – cs.LG 24.02.2026 05:00

Forschung

Signalverbesserung & Klassifikation via gekoppelte Diffusionsmodelle

Die robuste Klassifikation in verrauschten Umgebungen bleibt eine zentrale Herausforderung im maschinellen Lernen. Traditionelle Verfahren…

arXiv – cs.LG 18.02.2026 05:00

Forschung

BotzoneBench: Skalierbare LLM-Bewertung mit abgestuften KI-Ankern

Der Text ist bereits auf Deutsch. Hier ist er noch einmal zur Bestätigung: ```text Die Entwicklung von KI-gestützten Systemen für die mediz…

arXiv – cs.AI 17.02.2026 05:00

Forschung

Hierarchische Konzept-Embeddings verbessern erklärbare Bildklassifikation

In der Computer Vision gewinnt das Konzept der „interpretable‑by‑design“-Modelle immer mehr an Bedeutung, weil sie nachvollziehbare Erkläru…

arXiv – cs.LG 13.02.2026 05:00

Forschung

Feature‑Salienz bestimmt XAI‑Erklärungen, nicht Informationsgehalt

Explainable‑AI‑Methoden (XAI) versprechen, die Entscheidungsprozesse von Machine‑Learning‑Modellen transparent zu machen. Dabei geht man hä…

arXiv – cs.LG 11.02.2026 05:00

Forschung

Gradientenbasierte Residualverbindungen verbessern Hochfrequenz-Approximation

Auf der Plattform arXiv wurde ein neues Verfahren vorgestellt, das die Fähigkeit neuronaler Netzwerke zur Approximation hochfrequenter Funk…

arXiv – cs.LG 11.02.2026 05:00

Forschung

Mimetic Initialization: Neue Technik beschleunigt MLP-Training

In einer kürzlich veröffentlichten Studie auf arXiv wird die „Mimetic Initialization“ vorgestellt, die vortrainierte Modelle als Inspiratio…

arXiv – cs.LG 10.02.2026 05:00

Forschung

EUGens: Effiziente, einheitliche und vielseitige Dichte‑Schichten für KI

Effizienz ist das Herzstück moderner KI‑Modelle, besonders wenn sie in Echtzeit‑Anwendungen oder ressourcenbeschränkten Umgebungen eingeset…

arXiv – cs.AI 09.02.2026 05:00

Forschung

Neues Netzwerk: Rational-ANOVA verbessert Interpretierbarkeit und Leistung

In der Welt der tiefen neuronalen Netze werden Nichtlinearitäten häufig als feste Bausteine wie ReLU behandelt. Diese Vorgehensweise schrän…

arXiv – cs.LG 05.02.2026 05:00

Forschung

Datensatz-Pruning macht Edge-Lernen energieeffizient

Edge-Lernen verspricht, Intelligenz direkt auf den Geräten zu trainieren, die Daten erzeugen. Dadurch sinken Datenschutzrisiken und Kommuni…

arXiv – cs.LG 03.02.2026 05:00

Forschung

ZK-HybridFL: Zero-Knowledge Proofs stärken dezentrale Federated Learning

Die neue Plattform ZK-HybridFL kombiniert die Vorteile von Directed Acyclic Graph (DAG)-Ledgers, dedizierten Sidechains und Zero-Knowledge…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Neue Methode nutzt Zeitreihen für robustere Testzeit‑Anpassung

Testzeit‑Anpassung (TTA) erlaubt vortrainierten Modellen, sich an veränderte Datenverteilungen anzupassen, indem sie aus unbeschrifteten Te…

arXiv – cs.LG 30.01.2026 05:00

Forschung

LLMs unter Soft-Error-Test: Erste Analyse der GPU-Ausfallanfälligkeit

Large Language Models (LLMs) erfordern enorme Rechen- und Speicherressourcen, was moderne Hochleistungs-GPUs stark belastet. Gleichzeitig m…

arXiv – cs.AI 29.01.2026 05:00

Forschung

Kausale Feature-Bewertung verbessert Cross-Domain Bildklassifikation

Die Herausforderung der Out-of-Distribution (OOD)-Generalisation bleibt ein zentrales Problem in der Praxis, wenn Testdaten stark von den T…

arXiv – cs.LG 29.01.2026 05:00

Forschung

Neues Benchmark-Set für privatsphärische Bildklassifikation vorgestellt

In einer aktuellen Veröffentlichung auf arXiv wird ein neues Benchmark-Set für die Bildklassifikation unter Differential Privacy vorgestell…

arXiv – cs.LG 27.01.2026 05:00

Forschung

NaNs beschleunigen U-Net-Modelle für Neuroimaging

Moderne Deep‑Learning‑Modelle für die Neuroimaging‑Analyse bauen zunehmend auf riesigen Architekturen, was die Rechenleistung zu einer daue…

arXiv – cs.LG 27.01.2026 05:00

Forschung

Neues Tool ECOpt optimiert ML für Energieeffizienz und Leistung

Mit der rasanten Verbreitung von Machine‑Learning‑Modellen wächst auch der Energieverbrauch, der nicht nur Kosten, sondern auch ökologische…

arXiv – cs.LG 15.01.2026 05:00

Forschung

Erklärungsbasierte Regularisierung verbessert Early-Exit-Netzwerke

Neues Forschungsergebnis aus dem Bereich der künstlichen Intelligenz zeigt, wie Early-Exit-Neuronale Netzwerke durch gezielte Aufmerksamkei…

arXiv – cs.LG 15.01.2026 05:00

Forschung

Verteilungsabgleich verbessert semi‑supervised kontrastives Lernen

Die rasante Entwicklung von Deep‑Learning‑Modellen hat die Bildklassifikation in der überwachten Lernphase stark vorangebracht. Gleichzeiti…

arXiv – cs.AI 09.01.2026 05:00

Forschung

D3G erhöht Zero-Shot Bildklassifikation durch vielfältige demografische Daten

Die Bildklassifikation bleibt ein zentrales Ziel der maschinellen Wahrnehmung, obwohl multimodale Modelle wie CLIP bereits große Fortschrit…

arXiv – cs.LG 19.12.2025 05:00

Forschung

TrajSyn: Datensatz‑Distillation aus Federated Learning für sichere Server‑Training

Deep‑Learning‑Modelle, die auf Edge‑Geräten laufen, finden immer mehr Einsatz in sicherheitskritischen Anwendungen. Ihre Anfälligkeit für g…

arXiv – cs.LG 18.12.2025 05:00

Forschung

Kritische Analyse: Konforme Vorhersagen bei begrenzten Daten

Maschinelles Lernen revolutioniert die Medizin, doch sichere klinische Entscheidungen erfordern zuverlässige Unsicherheitsabschätzungen – e…

arXiv – cs.AI 18.12.2025 05:00

Forschung

Agile Deliberation: Nutzerdefinierte Bildklassifikation in Echtzeit In einer Welt, in der visuelle Inhalte immer häufiger moderiert und kuratiert werden, wächst die Nachfrage nach präzisen Bildklassifikatoren. Traditionelle Ansätze setzen voraus, dass der Anwender bereits ein klares Konzept hat, um qualitativ hochwertige Rückmeldungen zu geben. In der Praxis beginnt die Arbeit jedoch oft mit einer vagen Vorstellung, die durch iterative „Konzeptdeliberation“ verfeinert werden muss. Das neue Framework „Ag

arXiv – cs.AI 12.12.2025 05:00

Forschung

GSPN-2: Revolutionäre Effizienz bei paralleler Bildverarbeitung

Die neueste Version des Generalized Spatial Propagation Network, GSPN-2, setzt einen neuen Standard für die Verarbeitung hochauflösender Bi…

arXiv – cs.LG 10.12.2025 05:00

Forschung

CLOP: Neue semi-supervised Kontrastive Lernmethode verhindert dimensionalen Kollaps

Kontrastives Lernen hat sich als äußerst wirkungsvolle Technik im Deep Learning etabliert, indem es durch Gegenüberstellung von Proben aus…

arXiv – cs.LG 10.12.2025 05:00

Forschung

Quantisierung macht Backdoor-Abwehr – Modelle verlieren Schutz bei INT8

Neutrale Netzwerke, die heimlich bösartige Eingaben erkennen, bleiben bei hoher Genauigkeit ein ernstes Risiko für produktive KI-Systeme. D…

arXiv – cs.LG 09.12.2025 05:00

Forschung

G-Net: Nachweislich einfache Konstruktion hochpräziser binärer neuronaler Netze

Ein neues Verfahren namens G‑Net ermöglicht die schnelle und zuverlässige Erstellung von binären neuronalen Netzwerken, die die Genauigkeit…

arXiv – cs.LG 27.11.2025 05:00

Forschung

Neue Methode liefert formale Erklärungen für prototypbasierte Netzwerke

Case‑Based‑Reasoning‑Netzwerke sind lernende Modelle, die Vorhersagen auf Basis der Ähnlichkeit zwischen einem Eingabebeispiel und prototy…

arXiv – cs.AI 21.11.2025 05:00

Finde Modelle, Firmen und Themen

Entropie-adaptives Modell-Merging: Neue Methode für medizinische Bildgebung

Vision‑Language‑Modelle: Feinabgestimmtes Wissen steigert Bildklassifikation

Hyperbolische Busemann-Neuronale Netzwerke

Signalverbesserung & Klassifikation via gekoppelte Diffusionsmodelle

BotzoneBench: Skalierbare LLM-Bewertung mit abgestuften KI-Ankern

Hierarchische Konzept-Embeddings verbessern erklärbare Bildklassifikation

Feature‑Salienz bestimmt XAI‑Erklärungen, nicht Informationsgehalt

Gradientenbasierte Residualverbindungen verbessern Hochfrequenz-Approximation

Mimetic Initialization: Neue Technik beschleunigt MLP-Training

EUGens: Effiziente, einheitliche und vielseitige Dichte‑Schichten für KI

Neues Netzwerk: Rational-ANOVA verbessert Interpretierbarkeit und Leistung

Datensatz-Pruning macht Edge-Lernen energieeffizient

ZK-HybridFL: Zero-Knowledge Proofs stärken dezentrale Federated Learning

Neue Methode nutzt Zeitreihen für robustere Testzeit‑Anpassung

LLMs unter Soft-Error-Test: Erste Analyse der GPU-Ausfallanfälligkeit

Kausale Feature-Bewertung verbessert Cross-Domain Bildklassifikation

Neues Benchmark-Set für privatsphärische Bildklassifikation vorgestellt

NaNs beschleunigen U-Net-Modelle für Neuroimaging

Neues Tool ECOpt optimiert ML für Energieeffizienz und Leistung

Erklärungsbasierte Regularisierung verbessert Early-Exit-Netzwerke

Verteilungsabgleich verbessert semi‑supervised kontrastives Lernen

D3G erhöht Zero-Shot Bildklassifikation durch vielfältige demografische Daten

TrajSyn: Datensatz‑Distillation aus Federated Learning für sichere Server‑Training

Kritische Analyse: Konforme Vorhersagen bei begrenzten Daten

GSPN-2: Revolutionäre Effizienz bei paralleler Bildverarbeitung

CLOP: Neue semi-supervised Kontrastive Lernmethode verhindert dimensionalen Kollaps

Quantisierung macht Backdoor-Abwehr – Modelle verlieren Schutz bei INT8

G-Net: Nachweislich einfache Konstruktion hochpräziser binärer neuronaler Netze

Neue Methode liefert formale Erklärungen für prototypbasierte Netzwerke

🍪 Cookie-Einstellungen