Finde Modelle, Firmen und Themen

Die Bestimmung des Alters spielt in forensischen und gerichtlichen Entscheidungen eine zentrale Rolle, insbesondere bei Personen ohne Dokum…

Die präzise Durchführung von Kounterfactual-Analysen bei Zeitreihen ist für Entscheidungen in Bereichen wie Finanzen, Gesundheitswesen und…

Ein neues arXiv-Papier präsentiert die Fubini‑Study‑Metrik als revolutionäre Methode zur Analyse von Repräsentationsdrift in hochdimensiona…

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

In der Welt der Diffusionsmodelle ist die Einhaltung von Einschränkungen ein zentrales Problem, besonders in wissenschaftlichen Anwendungen…

Ein neues arXiv-Papier (2512.13770v1) präsentiert MV‑SupGCN, ein semi‑supervised Graph Convolutional Network, das die Integration von heter…

In der neuesten Veröffentlichung auf arXiv wird ein innovatives Verfahren zur Kombination mehrerer Datenquellen vorgestellt, das die Leistu…

In einer neuen Studie aus dem arXiv-Repository wird untersucht, wie große Sprachmodelle (LLMs) bei der Gestaltung analoger Schaltungen eing…

Capsule Networks (CapsNets) haben sich als äußerst leistungsfähig für die graphbasierte Datenrepräsentation erwiesen, weil sie durch dynami…

Maschinelles Lernen steht vor zahlreichen Hürden – von Rechenbeschränkungen über die Schwächen einzelner Ansätze bis hin zur Komplexität gr…

Ein neues Forschungsdokument auf arXiv (2511.12563v1) stellt LOBERT vor – ein generatives KI-Foundation-Modell, das speziell für die Analys…

In kritischen Bereichen wie autonomem Fahren oder medizinischer Bildanalyse lernen KI‑Systeme ständig neue Aufgaben anhand derselben Datenq…

In der heutigen Zeit wird Representation Learning vermehrt eingesetzt, um Datenrepräsentationen zu erzeugen, die sich über verschiedene nac…

In der Welt des maschinellen Lernens hat sich eine zentrale Idee etabliert: Daten können in einer Form dargestellt werden, die für Algorith…

Forscher haben herausgefunden, dass große Sprachmodelle (LLMs) zwar erstaunlich gut bei der Vorhersage von tabellarischen Daten sind, aber…

Die digitale Patientenakte, kurz EHR, wird immer komplexer: Größere Datensätze, längere Zeitreihen und multimodale Integrationen stellen ne…

Graph Neural Networks (GNNs) haben sich als äußerst leistungsfähig erwiesen, wenn es darum geht, aus relationalen Daten zu lernen. Sie nutz…