Suche nach CiM | meineki.news

Kleine Variationen, Fehler: Zuverlässigkeit bei Compute‑in‑Memory‑Acceleratoren

Compute‑in‑Memory‑Architekturen versprechen enorme Energie‑ und Durchsatzgewinne für neuronale Netzwerke, indem sie den klassischen von‑Neu…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neural Operators lernen effizienter dank fundamentaler Physikkenntnisse

In den letzten Jahren hat die wissenschaftliche maschinelle Lernforschung (SciML) Neural Operators (NOs) zu leistungsstarken Ersatzmodellen…

arXiv – cs.LG 18.02.2026 05:00

Forschung

CiMRAG: Noise‑resistent domänenadap Retrieval‑Augmented Generation für Edge‑LLMs

Personalisierte virtuelle Assistenten, die auf großen Sprachmodellen (LLMs) laufen, gewinnen zunehmend an Bedeutung – besonders wenn sie au…

arXiv – cs.LG 29.01.2026 05:00

Forschung

Downsampling bei Nadel-EMG: Workflow zur Erhaltung diagnostischer Informationen

Die automatisierte Analyse von Nadel‑EMG‑Signalen gewinnt zunehmend an Bedeutung, um neuromuskuläre Erkrankungen frühzeitig zu erkennen. Da…

arXiv – cs.AI 16.01.2026 05:00

Forschung

Verbesserte lokale Suche für MaxSAT dank differenzieller Klauselgewichtung

Partial Maximum Satisfiability (PMS) und Weighted Partial Maximum Satisfiability (WPMS) erweitern das klassische MaxSAT-Problem und finden…

arXiv – cs.AI 08.12.2025 05:00

Praxis

PINA wird Teil von PyTorch: Einheitliches SciML-Framework

Die neueste Entwicklung im Bereich Scientific Machine Learning (SciML) ist die Integration von PINA in das PyTorch-Ökosystem. Durch diese P…

PyTorch – Blog 18.11.2025 23:19

Forschung

MLCommons startet einheitliche Ontologie für wissenschaftliche ML‑Benchmarks

Wissenschaftliches Machine Learning (ML) erstreckt sich über zahlreiche Fachgebiete und Datenformate, doch bisher existierende Benchmark‑In…

arXiv – cs.LG 11.11.2025 05:00

Forschung

MDM: Manhattan-Distanz-Mapping verbessert Memristor-Crossbar-Leistung

Die neue Methode Manhattan Distance Mapping (MDM) optimiert die Platzierung aktiver Memristoren in bit-sliced Compute‑in‑Memory (CIM) Cross…

arXiv – cs.AI 10.11.2025 05:00

Forschung

<h1>LLMs schreiben Solver: Neue SciML-Agenten lösen ODEs ohne Vorhersagen</h1> <p>In der Welt des wissenschaftlichen Machine Learning haben Forscher lange versucht, komplexe physikalische Aufgaben direkt mit neuronalen Netzen zu lösen. Trotz vielversprechender Ansätze wie physics‑informed neural networks oder neural ODEs blieb die Erreichung hoher Genauigkeit und Stabilität oft ein Problem.</p> <p>Eine neuartige Idee setzt stattdessen auf große Sprachmodelle (LLMs), die Code generieren, der auf bewährten nu

arXiv – cs.LG 15.09.2025 05:00

Forschung

Federiertes OpenMax-System verbessert offene Gesichtserkennung

In einer neuen Studie aus dem arXiv-Preprint 2508.19312 wird ein innovatives Gesichtserkennungssystem vorgestellt, das federiertes Lernen m…

arXiv – cs.AI 28.08.2025 05:00

Forschung

Neues STE-Modell verbessert Genauigkeit und Effizienz von Analog‑CIM‑Netzwerken

Forscher haben ein erweitertes Straight‑Through Estimator (STE) entwickelt, das die Leistung von neuronalen Netzwerken auf Analog‑Compute‑I…

arXiv – cs.LG 19.08.2025 05:00

Finde Modelle, Firmen und Themen

Kleine Variationen, Fehler: Zuverlässigkeit bei Compute‑in‑Memory‑Acceleratoren

Neural Operators lernen effizienter dank fundamentaler Physikkenntnisse

CiMRAG: Noise‑resistent domänenadap Retrieval‑Augmented Generation für Edge‑LLMs

Downsampling bei Nadel-EMG: Workflow zur Erhaltung diagnostischer Informationen

Verbesserte lokale Suche für MaxSAT dank differenzieller Klauselgewichtung

PINA wird Teil von PyTorch: Einheitliches SciML-Framework

MLCommons startet einheitliche Ontologie für wissenschaftliche ML‑Benchmarks

MDM: Manhattan-Distanz-Mapping verbessert Memristor-Crossbar-Leistung

Federiertes OpenMax-System verbessert offene Gesichtserkennung

Neues STE-Modell verbessert Genauigkeit und Effizienz von Analog‑CIM‑Netzwerken

🍪 Cookie-Einstellungen