Finde Modelle, Firmen und Themen

In einer kürzlich veröffentlichten Studie haben Forscher ein neues, skalierbares Gaussian‑Process‑Framework vorgestellt, das parametrische…

Maschinelles Lernen wird zunehmend für die Topologieoptimierung eingesetzt, doch bisherige Ansätze sind oft auf vereinfachte Testfälle besc…

Eine neue Studie liefert einen strengeren Regret‑Lower‑Bound für Gaussian‑Process‑Bandits mit dem squared exponential (SE) Kernel, wenn die…

Bayessche Optimierung (BO) gilt als leistungsstarke Methode zur Feinabstimmung von Fertigungsprozessen, stößt jedoch bei hochdimensionalen…

Eine brandneue Übersicht zum Thema Bayesian Quadrature, veröffentlicht auf arXiv, bietet erstmals einen systematischen und umfassenden Einb…

Reinforcement Learning (RL) hat sich als leistungsstarkes Werkzeug für optimale Entscheidungsfindung und Steuerung etabliert, doch in siche…

NeuroPareto ist ein neu entwickeltes Verfahren, das die Suche nach optimalen Trade‑Offs in hochdimensionalen Parameterräumen unter strengen…

In einer aktuellen Veröffentlichung auf arXiv wird ein innovativer Ansatz vorgestellt, der die Effizienz von Optimierungsaufgaben mit teure…

In einer neuen Studie wird Bayesian-LoRA vorgestellt, eine Methode, die die klassische LoRA‑Aktualisierung in ein probabilistisches Low‑Ran…

In der Welt der Bayesian Optimization (BO) gilt seit langem die Annahme, dass die Zielfunktion überall gleich glatt sei. Diese Vereinfachun…

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovativer Ansatz vorgestellt, der das Training von Gaussian Processes (GPs)…

In einer neuen Veröffentlichung auf arXiv wird ein innovatives Trainingsziel für Gaußsche Prozesse vorgestellt, das auf niedrigdimensionale…

In verteilten Lernsystemen für Multi‑Agenten ist die Balance zwischen der Menge und der Qualität der Modelle entscheidend. Ein neues Verfah…

In der Welt der Gaussian‑Process‑Regressionen ist die Wahl des richtigen Kovarianz‑Kernels entscheidend für die Modellqualität. Ein neues V…

In einer wegweisenden Studie wurden Heat‑Pipe‑Mikroreaktoren (HPMRs) mithilfe modernster KI‑Methoden neu gestaltet. Diese kompakt‑transport…

Vorwärtsosmose (FO) gilt als vielversprechende, energieeffiziente Membrantrenntechnologie, doch die genaue Modellierung des Wasserflusses (…

In der Welt der Multi‑Output‑Gaussian‑Prozesse (MGP) hat sich ein neues Modell namens R²‑HGP etabliert, das die Grenzen des heterogenen Tra…

In einem aktuellen Beitrag auf arXiv wird ein innovatives Konzept vorgestellt, das selbstüberwachtes Lernen (SSL) mit Gaußschen Prozessen (…

Monte‑Carlo‑Tree‑Search (MCTS) ist ein zentraler Algorithmus für Online‑Planung und wird besonders dann eingesetzt, wenn die verfügbare Rec…

Kolmogorov‑Arnold‑Netze (KAN) haben sich als interpretierbare Alternativen zu klassischen Multi‑Layer‑Perceptrons etabliert. In ihrer Stand…

Kolmogorov‑Arnold‑Netze (KANs) haben sich als vielversprechende Alternative zu klassischen Multi‑Layer‑Perceptrons etabliert, indem sie ler…

Ein neuer Ansatz aus dem arXiv-Preprint Improving Iterative Gaussian Processes via Warm Starting Sequential Posteriors verspricht, die Skal…

In einer kürzlich veröffentlichten Studie auf arXiv (2511.09144v1) wird ein innovatives, auf Chaining basierendes Verfahren vorgestellt, da…

Aktuelle Verfahren zur stochastischen Hyperparameter‑Optimierung von Gaußschen Prozessen (GPs) beruhen meist auf Annäherungen, etwa auf ver…

Wissenschaftler haben einen neuen Algorithmus namens GP‑MOBO vorgestellt, der die Grenzen der molekularen Optimierung sprengt. Durch die Ko…