Suche nach Dimensionalität

Transformer-Keys verkleinern: Low-Dimensional Attention spart Speicher

In einer neuen Studie wird die bisherige Symmetrie im Transformer‑Attention‑Mechanismus in Frage gestellt. Während klassische Modelle diese…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Oracle-effizientes Hybrid-Lernen bei eingeschränkten Gegnern

In der Hybrid-Online-Lernaufgabe werden die Merkmale zufällig aus einer unbekannten Verteilung gezogen, während die Labels von einem Gegner…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Neues Paper: Adversariale Angriffe durch exponentielle Dimensionalitätsdeviance

In einer kürzlich veröffentlichten Studie auf arXiv (2603.03507v1) wird ein neues Konzept vorgestellt, das die Ursache für die anhaltende P…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Optimierer formen Lernpfade: Drift und Transversalität bei Transformers

In einer neuen Untersuchung von arXiv‑Studien wird die Geometrie von Trainingspfaden in kleinen Transformer‑Modellen genauer beleuchtet. Da…

arXiv – cs.LG 02.03.2026 05:00

Forschung

Neue Gleichgewichts-Theorie für orchestrierte KI-Agenten-Systeme

Wissenschaftler haben eine bahnbrechende Gleichgewichts-Theorie für Systeme von großen Sprachmodellen (LLM) entwickelt, die unter zentraler…

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

Neue Studie zeigt Robustheit tiefer ReLU‑Netze gegen Fehlklassifikationen

Eine aktuelle Veröffentlichung auf arXiv beleuchtet die Widerstandsfähigkeit von tiefen neuronalen Netzen mit ReLU-Aktivierungen gegenüber…

arXiv – cs.LG 24.02.2026 05:00

Forschung

ML-gestützte Ballastdaten-Erkennung und -Reduktion in multimodalen Datensätzen

Moderne Datensätze sind häufig mit Ballast – redundanten oder wenig nützlichen Informationen – überladen, die die Dimensionalität, den Spei…

arXiv – cs.LG 20.02.2026 05:00

Forschung

LLM-Embeddings verbessern Gebäudesemantik in AI-Training

Eine präzise Darstellung von Gebäudesemantik – sowohl generische Objektarten als auch spezifische Untertypen – ist entscheidend für die Aus…

arXiv – cs.AI 18.02.2026 05:00

Forschung

PolyNODE: Neuronale ODEs mit variabler Dimension auf M-Polyfolds

Ein neues Forschungsprojekt aus dem Bereich des geometrischen Deep Learnings hat die Grenzen herkömmlicher Neural Ordinary Differential Equ…

arXiv – cs.AI 18.02.2026 05:00

Forschung

Neuer RL-Algorithmus vereint Effizienz von Model-Free und Stärke von Model-Based

Ein neuer Reinforcement‑Learning‑Ansatz namens Unified Latent Dynamics (ULD) kombiniert die schnelle Lernfähigkeit von model‑free Methoden…

arXiv – cs.LG 16.02.2026 05:00

Forschung

Neue Methode: Multi‑Objective‑Optimierung mit Banditen‑Lernen

In der Multi‑Objective‑Optimierung kombinatorischer Probleme gilt die Suche nach Pareto‑optimalen Lösungen über riesige diskrete Räume als…

arXiv – cs.LG 13.02.2026 05:00

Forschung

Kernel‑Lernverfahren prognostiziert ICU‑Notwendigkeit bei COVID‑19 Röntgenbildern

In der Welt des maschinellen Lernens sind Kernel‑Methoden seit langem ein bewährtes Werkzeug für Klassifikations‑ und Vorhersageaufgaben. S…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Autoregressive Modelle revolutionieren die Generierung von Wissensgraphen

Ein neuer Beitrag auf arXiv (2602.06707v1) stellt ARK – Auto‑Regressive Knowledge Graph Generation – vor, eine Familie von Modellen, die Wi…

arXiv – cs.AI 09.02.2026 05:00

Forschung

Neues Diffusionsmodell revolutioniert Normatives Modellieren in der Neurobildgebung

In der Neurobildgebung ermöglicht das neue Ansatzmodell, sogenannte Denoising Diffusion Probabilistic Models (DDPMs), ein ganzheitliches Ve…

arXiv – cs.LG 06.02.2026 05:00

Forschung

Neutrale Operatoren mit Diffusionsschicht: Unsicherheit zuverlässig quantifizieren

Neurale Operatoren haben sich als leistungsstarkes Paradigma etabliert, um diskretisierungunabhängige Abbildungen von Funktionen auf Funkti…

arXiv – cs.LG 05.02.2026 05:00

Forschung

Generative KI optimiert probabilistisches Multi‑Fidelity Surrogatmodell

In der heutigen Zeit sind KI‑gestützte Surrogatmodelle ein zentrales Werkzeug, um komplexe Ingenieurprobleme schnell zu lösen. Ihre Leistun…

arXiv – cs.LG 03.02.2026 05:00

Forschung

<h1>Dimensionalität als Vorteil beim LLM-Feintuning: Varianz‑Kurvature‑Ansatz</h1> <p>Eine neue Untersuchung zeigt, dass Evolution‑Strategies (ES) mit nur wenigen Populationen – etwa 30 – riesige Sprachmodelle mit Milliarden Parametern feinjustieren können. Dieses Ergebnis widerspricht der klassischen Intuition, dass die Dimensionalität die Effizienz von zeroth‑Order‑Methoden stark einschränkt.</p> <p>Darüber hinaus wurde ein zweites Phänomen beobachtet: Unter festen Hyperparametern steigt der Trainingsrewa

arXiv – cs.LG 03.02.2026 05:00

Forschung

THDC: Hyperdimensional Computing neu trainiert mit Backpropagation

Die neueste Veröffentlichung auf arXiv (2602.00116v1) stellt THDC – Trainable Hyperdimensional Computing – vor, ein Verfahren, das Hyperdim…

arXiv – cs.LG 03.02.2026 05:00

Forschung

Moleküle als kontinuierliche Felder: Hyper‑Netzwerke verbessern Darstellungen

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein völlig neues Konzept für die Darstellung von Molekülen vorgestellt. Anstatt Mo…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Transformer zeigen Phasenübergang: Objektpermanenz in Repräsentationsräumen

Eine neue Studie auf arXiv beleuchtet, wie tiefgreifende Transformer‑Modelle – von 1,5 B bis 30 B Parametern – plötzlich ihre Fähigkeit zur…

arXiv – cs.LG 29.01.2026 05:00

Forschung

MAPLE: Selbstüberwachtes Lernen verbessert UMAP Dimensionalitätsreduktion

Eine neue Methode namens MAPLE (Maximum Manifold Capacity Representation) wurde vorgestellt, die die bekannte UMAP-Algorithmus-Variante dur…

arXiv – cs.LG 29.01.2026 05:00

Forschung

Ein einheitlicher Blick auf Abdeckung in linearer Off-Policy-Bewertung

Off‑Policy‑Evaluation (OPE) ist ein zentrales Problem im Reinforcement Learning, bei dem die Zielwertfunktion anhand von Daten, die unter e…

arXiv – cs.LG 28.01.2026 05:00

Forschung

VAE mit hypersphärischen Koordinaten: Anomalieerkennung verbessert

In einer neuen Studie wird gezeigt, wie Variationsautoencoder (VAEs) durch die Verwendung hypersphärischer Koordinaten ihre Fähigkeit zur E…

arXiv – cs.LG 28.01.2026 05:00

Forschung

Neuer Autoencoder erfasst geordnete latente Dimensionen – eine PCA-Weiterentwicklung

Autoencoder gelten seit langem als nichtlineare Erweiterung der Hauptkomponentenanalyse (PCA). Durch gezielte Regularisierung oder Anpassun…

arXiv – cs.LG 28.01.2026 05:00

Forschung

<p>Variationales Modell trennt gemeinsame und individuelle Gehirnverbindungen</p> <p>Die Neurowissenschaften nutzen zunehmend mehrere Bildgebungsmodalitäten, um die Struktur‑ und Funktionsverbindungen des Gehirns zu beschreiben. Um die Muster zu erkennen, die Verhalten und kognitive Fähigkeiten steuern, ist es entscheidend, strukturelle (SC) und funktionelle (FC) Daten zu kombinieren. Dabei stoßen Forscher jedoch auf die hohe Dimensionalität, die nichtlineare Abhängigkeiten zwischen SC und FC sowie die Schw

arXiv – cs.LG 27.01.2026 05:00

Forschung

engGNN: Zweifach-Graph-Netzwerk revolutioniert Omics‑Diagnostik

Omics‑Daten wie Transkriptomik, Proteomik und Metabolomik liefern entscheidende Einblicke in Krankheitsmechanismen, doch ihre enorme Dimens…

arXiv – cs.LG 22.01.2026 05:00

Forschung

Meta-Learning steigert Log-Anomalie-Erkennung über Domänen hinweg

Die zuverlässige Erkennung von Log-Anomalien ist entscheidend für die Stabilität moderner IT-Systeme, stellt jedoch ein erhebliches Problem…

arXiv – cs.LG 22.01.2026 05:00

Forschung

TENG++: Gradient löst PDEs mit Deep Neural Nets bei Randbedingungen

Partielle Differentialgleichungen (PDEs) bilden das Rückgrat vieler Modelle in Physik, Biologie und Technik. Traditionelle numerische Verfa…

arXiv – cs.LG 19.12.2025 05:00

Forschung

Neuer Algorithmus BUILD rekonstruiert lineare DAGs exakt

In der Kausalitätsforschung ist die Rekonstruktion von gerichteten azyklischen Graphen (DAGs) aus Beobachtungsdaten ein zentrales Ziel. Unt…

arXiv – cs.LG 19.12.2025 05:00

Finde Modelle, Firmen und Themen

Transformer-Keys verkleinern: Low-Dimensional Attention spart Speicher

Oracle-effizientes Hybrid-Lernen bei eingeschränkten Gegnern

Neues Paper: Adversariale Angriffe durch exponentielle Dimensionalitätsdeviance

Optimierer formen Lernpfade: Drift und Transversalität bei Transformers

Neue Gleichgewichts-Theorie für orchestrierte KI-Agenten-Systeme

Boosting für Vektorwerte und bedingte Dichteschätzung

Neue Studie zeigt Robustheit tiefer ReLU‑Netze gegen Fehlklassifikationen

ML-gestützte Ballastdaten-Erkennung und -Reduktion in multimodalen Datensätzen

LLM-Embeddings verbessern Gebäudesemantik in AI-Training

PolyNODE: Neuronale ODEs mit variabler Dimension auf M-Polyfolds

Neuer RL-Algorithmus vereint Effizienz von Model-Free und Stärke von Model-Based

Neue Methode: Multi‑Objective‑Optimierung mit Banditen‑Lernen

Kernel‑Lernverfahren prognostiziert ICU‑Notwendigkeit bei COVID‑19 Röntgenbildern

Autoregressive Modelle revolutionieren die Generierung von Wissensgraphen

Neues Diffusionsmodell revolutioniert Normatives Modellieren in der Neurobildgebung

Neutrale Operatoren mit Diffusionsschicht: Unsicherheit zuverlässig quantifizieren

Generative KI optimiert probabilistisches Multi‑Fidelity Surrogatmodell

THDC: Hyperdimensional Computing neu trainiert mit Backpropagation

Moleküle als kontinuierliche Felder: Hyper‑Netzwerke verbessern Darstellungen

Transformer zeigen Phasenübergang: Objektpermanenz in Repräsentationsräumen

MAPLE: Selbstüberwachtes Lernen verbessert UMAP Dimensionalitätsreduktion

Ein einheitlicher Blick auf Abdeckung in linearer Off-Policy-Bewertung

VAE mit hypersphärischen Koordinaten: Anomalieerkennung verbessert

Neuer Autoencoder erfasst geordnete latente Dimensionen – eine PCA-Weiterentwicklung

engGNN: Zweifach-Graph-Netzwerk revolutioniert Omics‑Diagnostik

Meta-Learning steigert Log-Anomalie-Erkennung über Domänen hinweg

TENG++: Gradient löst PDEs mit Deep Neural Nets bei Randbedingungen

Neuer Algorithmus BUILD rekonstruiert lineare DAGs exakt

🍪 Cookie-Einstellungen