Suche nach Boosting | meineki.news

Mehrere Runden, mehr Genauigkeit: MA‑RAG verbessert medizinisches Denken

Large Language Models (LLMs) zeigen großes Potenzial im medizinischen Frage‑Antwort‑Bereich, doch ihre Neigung zu Halluzinationen und veral…

arXiv – cs.AI 05.03.2026 05:00

Forschung

<h1>Label-basierte Distanzskalierung verbessert Few-Shot-Textklassifikation</h1> <p>In der Welt der Few-Shot-Textklassifikation, bei der Modelle unbekannte Klassen mit nur wenigen gelabelten Textproben erkennen sollen, gibt es ein zentrales Problem: Während des Trainings werden komplexe Algorithmen entwickelt, doch die gelabelten Stichproben, die im Test verwendet werden, werden zufällig ausgewählt. Dadurch erhalten die Modelle oft keine wirklichen Leitfäden, was zu Fehlklassifikationen führt.</p> <p>Die ne

arXiv – cs.LG 04.03.2026 05:00

Forschung

ProactiveMobile: Benchmark für proaktive Intelligenz auf mobilen Geräten

In der Welt der multimodalen großen Sprachmodelle (MLLMs) hat die Entwicklung von mobilen Agenten bisher vor allem ein reaktives Paradigma…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Boosting für Vektorwerte und bedingte Dichteschätzung

In einer neuen Studie auf arXiv wird gezeigt, dass das bekannte Boosting-Verfahren weit über die klassische Skalar‑Verlustfunktion hinaus a…

arXiv – cs.LG 24.02.2026 05:00

Forschung

Neues Verfahren: Abstentionsbasierte Vorhersage ohne Verteilungswissen

In einem neu veröffentlichten Beitrag auf arXiv wird ein innovatives Verfahren vorgestellt, das das Problem der sequentiellen Vorhersage in…

arXiv – cs.LG 23.02.2026 05:00

Forschung

Neues KI-Framework erkennt Radschäden in Echtzeit – ohne umfangreiche Daten

Ein innovatives KI-System ermöglicht die kontinuierliche Erkennung von Radschäden an Eisenbahnen, ohne dass umfangreiche manuelle Datenaufb…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Hybrid-Ansatz mit Zeitreihen-Embeddings erhöht Anomalieerkennung um 95 %

In der vorausschauenden Wartung von Anlagen hat die reine Deep‑Learning‑Anomalieerkennung oft Schwierigkeiten, die Genauigkeit von realen D…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Deep Learning übertrifft ML bei Vorhersage von Kinder-Malnutrition in Nepal

In einer wegweisenden Analyse aus Nepal zeigen Deep‑Learning‑Modelle deutlich bessere Ergebnisse als klassische Machine‑Learning‑Algorithme…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Generatives Machine Learning erweitert Klimasimulations‑Ensembles

Wissenschaftler haben ein neues Verfahren entwickelt, das die Grenzen herkömmlicher Klimamodelle sprengt: Ein konditionaler Variational Aut…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Maschinelles Lernen macht mechanistische Modelle zu Prognosewerkzeugen

In einer bahnbrechenden Veröffentlichung auf arXiv haben Forscher gezeigt, wie klassische mechanistische Modelle durch den Einsatz von masc…

arXiv – cs.LG 05.02.2026 05:00

Forschung

KI-Modelle prognostizieren Aufenthaltsdauer nach Wirbelsäulenoperation – 29 Studien

Eine systematische Übersicht von 29 Studien, die zwischen 2015 und 2024 veröffentlicht wurden, zeigt, dass moderne KI‑Modelle die Dauer des…

arXiv – cs.LG 04.02.2026 05:00

Forschung

Pre-Trained Encoder verbessert Kinderentwicklungs-Monitoring in Datenmangel-Regionen

Eine bahnbrechende Studie zeigt, dass ein vortrainierter Encoder die Überwachung der kindlichen Entwicklung weltweit revolutionieren kann –…

arXiv – cs.LG 30.01.2026 05:00

Forschung

<p>MathForge: Schwierigkeitsorientiertes Lernen steigert mathematisches Denken</p> <p>Ein neues Verfahren namens MathForge nutzt Reinforcement Learning mit verifizierbaren Belohnungen, um die mathematischen Fähigkeiten großer Modelle zu verbessern. Dabei wird deutlich, dass bisherige Ansätze – sowohl auf algorithmischer als auch auf Datenebene – zu wenig Wert auf besonders schwierige Fragen legen, obwohl diese entscheidend für die Weiterentwicklung der Fähigkeiten sind.</p> <p>Der Algorithmus Group Relative

arXiv – cs.AI 29.01.2026 05:00

Forschung

StructuralCFN: Netzwerk erklärt Tabellendaten besser als Gradient Boosting

Tabellendaten sind in vielen hochriskanten Bereichen – von der Medizin bis zur Umweltforschung – allgegenwärtig. Trotz ihrer Bedeutung lief…

arXiv – cs.LG 29.01.2026 05:00

Forschung

MathMixup: LLMs verbessern Mathe mit kontrollierter Daten‑Synthese

In der Welt der mathematischen Problemlösung setzen große Sprachmodelle (LLMs) zunehmend auf qualitativ hochwertige Trainingsdaten, die kla…

arXiv – cs.LG 27.01.2026 05:00

Forschung

HyCARD-Net: Hybrid-Intelligenz-Framework verbessert Herz‑Kreislauf‑Diagnose

Herz‑ und Kreislauf‑Erkrankungen bleiben weltweit die häufigste Todesursache, was die dringende Notwendigkeit intelligenter, datenbasierter…

arXiv – cs.AI 27.01.2026 05:00

Forschung

BoostFGL: Fairness im föderierten Graph-Lernen verbessert

Federiertes Graph-Lernen (FGL) erlaubt es, Graph Neural Networks (GNNs) über verteilte Teilgraphen hinweg zu trainieren, ohne rohe Daten pr…

arXiv – cs.LG 26.01.2026 05:00

Forschung

Agnostisches Boosting: Nahe optimaler Lernrate mit verbesserter Laufzeit

Boosting ist eine bewährte Technik, die schwache Lernalgorithmen – die nur leicht besser als Zufall abschneiden – in starke Modelle mit hoh…

arXiv – cs.LG 19.01.2026 05:00

Forschung

NSR-Boost: Neuro‑Symbolische Residual‑Boosting‑Lösung für Legacy‑Modelle

In der Industrie dominieren Gradient Boosted Decision Trees (GBDTs) bei tabellarischen Anwendungen, doch die Aktualisierung veralteter Mode…

arXiv – cs.AI 16.01.2026 05:00

Forschung

X‑SAM: Optimiert SAM durch Eigenvektor‑Korrektur für bessere Generalisierung

Sharpness‑Aware Minimization (SAM) wurde entwickelt, um die Generalisierung von neuronalen Netzen zu verbessern, indem es den Verlust in ei…

arXiv – cs.LG 16.01.2026 05:00

Forschung

XGBoost liefert präzise Tagesprognosen für NEPSE-Indexrenditen

In einer neuen Studie wird ein robustes Machine‑Learning‑Framework vorgestellt, das die täglichen Log‑Renditen des Nepal Stock Exchange (NE…

arXiv – cs.LG 15.01.2026 05:00

Forschung

Neuer Transformer liefert präzisere Schiffszeiten für zukünftige Segmente

Genauere Vorhersagen der Segmente einer Schiffsreise sind entscheidend, um maritime Fahrpläne zuverlässiger zu gestalten und Hafenabläufe l…

arXiv – cs.LG 14.01.2026 05:00

Forschung

LLM-basierte digitale Zwillinge simulieren Bevölkerungsverhalten bei Politikmaßnahmen

In der Computational Social Science stellt die Vorhersage von Bevölkerungsreaktionen auf politische Maßnahmen eine zentrale Herausforderung…

arXiv – cs.AI 13.01.2026 05:00

Forschung

Leichtgewichtiges ML für Sichtvorhersage in der Luftfahrt schlägt TAF

In der Luftfahrt ist die kurzfristige Vorhersage von Sichtbehinderungen und Niederschlag entscheidend für Sicherheit und Effizienz. Traditi…

arXiv – cs.LG 22.12.2025 05:00

Forschung

GB‑DQN: Gradient Boosting für stabile Deep Q‑Netzwerke in dynamischen Umgebungen

Ein neues Verfahren namens GB‑DQN (Gradient‑Boosted Deep Q‑Network) wurde auf arXiv veröffentlicht und verspricht, die Leistung von Deep‑Re…

arXiv – cs.LG 22.12.2025 05:00

Forschung

Cosine‑Similarity‑Kernel macht t‑SNE bei Sequenzdaten schneller und genauer

Eine neue Untersuchung zeigt, dass die Wahl des Kernels bei t‑SNE‑Visualisierungen von biologischen Sequenzdaten entscheidend ist. Während…

arXiv – cs.LG 19.12.2025 05:00

Forschung

Hybrid‑LNN+XGBoost reduziert Bullwhip‑Effekt in Lieferketten

Ein neues Forschungsprojekt aus dem Bereich der Lieferkettenoptimierung präsentiert ein innovatives Modell, das die Schwankungen in der Nac…

arXiv – cs.AI 17.12.2025 05:00

Forschung

Embedding-Methoden für Finanznachrichten: Datenknappheit hemmt Leistung

Eine neue Untersuchung auf arXiv beleuchtet, wie verschiedene Embedding‑Techniken die Stimmung von Finanznachrichten bewerten, wenn nur wen…

arXiv – cs.LG 17.12.2025 05:00

Forschung

Maschinelles Lernen vorhersagt RSV-Hospitalisierungen dank Umweltdaten

Respiratory Syncytial Virus (RSV) bleibt die häufigste Ursache für Krankenhauseinweisungen bei Kleinkindern. Die Ausbrüche sind stark von U…

arXiv – cs.LG 17.12.2025 05:00

Forschung

TiCard: KI-basierte Korrektur für Kardinalitätsabschätzungen ohne Integration

Die Genauigkeit der Kardinalitätsabschätzung ist ein entscheidender Engpass bei der kostenbasierten Optimierung von Datenbankabfragen. Klas…

arXiv – cs.AI 17.12.2025 05:00

Finde Modelle, Firmen und Themen

Mehrere Runden, mehr Genauigkeit: MA‑RAG verbessert medizinisches Denken

ProactiveMobile: Benchmark für proaktive Intelligenz auf mobilen Geräten

Boosting für Vektorwerte und bedingte Dichteschätzung

Neues Verfahren: Abstentionsbasierte Vorhersage ohne Verteilungswissen

Neues KI-Framework erkennt Radschäden in Echtzeit – ohne umfangreiche Daten

Hybrid-Ansatz mit Zeitreihen-Embeddings erhöht Anomalieerkennung um 95 %

Deep Learning übertrifft ML bei Vorhersage von Kinder-Malnutrition in Nepal

Generatives Machine Learning erweitert Klimasimulations‑Ensembles

Maschinelles Lernen macht mechanistische Modelle zu Prognosewerkzeugen

KI-Modelle prognostizieren Aufenthaltsdauer nach Wirbelsäulenoperation – 29 Studien

Pre-Trained Encoder verbessert Kinderentwicklungs-Monitoring in Datenmangel-Regionen

StructuralCFN: Netzwerk erklärt Tabellendaten besser als Gradient Boosting

MathMixup: LLMs verbessern Mathe mit kontrollierter Daten‑Synthese

HyCARD-Net: Hybrid-Intelligenz-Framework verbessert Herz‑Kreislauf‑Diagnose

BoostFGL: Fairness im föderierten Graph-Lernen verbessert

Agnostisches Boosting: Nahe optimaler Lernrate mit verbesserter Laufzeit

NSR-Boost: Neuro‑Symbolische Residual‑Boosting‑Lösung für Legacy‑Modelle

X‑SAM: Optimiert SAM durch Eigenvektor‑Korrektur für bessere Generalisierung

XGBoost liefert präzise Tagesprognosen für NEPSE-Indexrenditen

Neuer Transformer liefert präzisere Schiffszeiten für zukünftige Segmente

LLM-basierte digitale Zwillinge simulieren Bevölkerungsverhalten bei Politikmaßnahmen

Leichtgewichtiges ML für Sichtvorhersage in der Luftfahrt schlägt TAF

GB‑DQN: Gradient Boosting für stabile Deep Q‑Netzwerke in dynamischen Umgebungen

Cosine‑Similarity‑Kernel macht t‑SNE bei Sequenzdaten schneller und genauer

Hybrid‑LNN+XGBoost reduziert Bullwhip‑Effekt in Lieferketten

Embedding-Methoden für Finanznachrichten: Datenknappheit hemmt Leistung

Maschinelles Lernen vorhersagt RSV-Hospitalisierungen dank Umweltdaten

TiCard: KI-basierte Korrektur für Kardinalitätsabschätzungen ohne Integration

🍪 Cookie-Einstellungen

Hybrid-Ansatz mit Zeitreihen-Embeddings erhöht Anomalieerkennung um 95 %