meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “CNN”
Forschung

<p>UCTECG-Net: Präzise Arrhythmie-Erkennung mit zuverlässiger Unsicherheitsabschätzung</p> <p>Ein neues Deep‑Learning-Modell namens UCTECG‑Net kombiniert eindimensionale Convolutional‑Netzwerke mit Transformer‑Encodern, um rohe EKG‑Signale und deren Spektrogramme gleichzeitig zu verarbeiten. Durch diese hybride Architektur erzielt das System eine deutlich höhere Genauigkeit bei der Arrhythmie‑Erkennung als herkömmliche LSTM‑, CNN‑1D‑ und Transformer‑Modelle.</p> <p>In umfangreichen Tests auf den Datensätzen
arXiv – cs.LG
Forschung

<h1>Erklärbares Deep-Learning-IDS erreicht 99 % Genauigkeit</h1> <p>Ein neues Intrusion Detection System (IDS) kombiniert Convolutional Neural Networks (CNN) und Long Short-Term Memory (LSTM) Netzwerke, um Netzwerkverkehr präzise zu klassifizieren und gleichzeitig die Entscheidungen des Modells verständlich zu machen. Durch die Integration von Explainable Artificial Intelligence (XAI) wird die Transparenz von Deep‑Learning‑Algorithmen deutlich erhöht.</p> <p>Die Leistung des Systems wurde anhand des etablie
arXiv – cs.AI
Forschung

<p>Neues FPGA-Design ermöglicht vollauslastete CNN-Inferenz mit hoher Durchsatzrate</p> <p>Ein neues Forschungsprojekt hat einen Durchbruch erzielt, der die Effizienz von CNN-Implementierungen auf FPGAs drastisch steigert.</p> <p>Traditionelle Datenfluss-Architekturen nutzen jede Neuronen-Operation als eigene Hardware-Einheit, was bei FPGAs zu sehr niedriger Latenz und hohem Durchsatz führt. Doch bei Convolutional Neural Networks (CNNs) führen Pooling- und Stride‑größere‑als‑eins‑Schichten zu einer starken

arXiv – cs.AI