Finde Modelle, Firmen und Themen

In der Finanzanalyse und Technologieüberwachung werden Sentimentsignale aus wenigen Nachrichten häufig genutzt, doch die Umwandlung einzeln…

Die Gefahren von tropischen Wirbelstürmen für Leben, Infrastruktur und Wirtschaft sind enorm. Deshalb ist eine präzise und rechtzeitige Vor…

In der Analyse von Reverse‑Diffusion‑Modellen wird bislang der Sampling‑Fehler in der euclidischen Geometrie des Wasserstein‑Abstands \(\Wt…

Dezentrales Federated Learning (DFL) bleibt stark anfällig für adaptive Backdoor-Angriffe, die klassische passive Verteidigungsmaßnahmen um…

Forscher haben einen bahnbrechenden Ansatz für die Vorhersage von Zeitreihen vorgestellt: Baguan-TS. Dieser Transformer nutzt In‑Context‑Le…

Hypergraph‑Neuronale Netzwerke (HGNNs) haben sich als leistungsstarkes Werkzeug zur Modellierung komplexer höherer Beziehungen erwiesen. Ei…

Die funktionelle Magnetresonanztomographie (fMRI) ist inzwischen ein etabliertes Verfahren zur Messung der Gehirnaktivität. In den letzten…

In der klinischen Praxis ist die Anpassung von Basismodellen an neue Standorte oft ein langwieriger Prozess, der durch Domain‑Shift und wen…

Ein neues arXiv‑Veröffentlichung zeigt, dass die Kombination aus Langevin‑Dynamik und stochastischem Gewichtungsdurchschnitt die optimale S…

Federated Learning (FL) leidet häufig unter heterogenen, nicht‑IID‑Daten und aggressiven Clients, was zu Drift, langsamer Konvergenz und ho…

Die neu vorgestellte Methode Graph Hopfield Networks kombiniert in einer einzigen Energiefunktion assoziatives Gedächtnis mit der Glättung…

Flow-basierte Generative Modelle haben sich als leistungsstarkes Werkzeug für hochqualitative Bildgenerierung etabliert. In ihrer Standardf…

In einer kürzlich veröffentlichten Studie wird ein neues Verfahren vorgestellt, das die Zuverlässigkeit von Semi‑Dual Neural Optimal Transp…

Neues Forschungsergebnis zeigt, dass die Struktur von Graphen in Graph Neural Networks (GNNs) nicht allein durch Homophilie bestimmt wird…

Die Überwachung von Waldbränden erfordert hochauflösende atmosphärische Messungen, doch kostengünstige Sensoren an unbemannten Luftfahrzeug…

In der Welt der Empfehlungssysteme haben spectral graph neural networks (GNNs) lange Zeit den Erfolg ihrer Modelle dem Low‑Pass‑Filtering z…

High‑Resolution-Verkehrsdaten sind entscheidend für intelligente Transportsysteme, aber die üblichen Messungen sind oft zu spärlich und ver…

In vielen realen Anwendungen fehlen bei Knoten in Graphen wichtige Attribute – etwa bei Web‑Benutzern, deren Daten teilweise privat sind. D…

Die rasante Entwicklung von Bildgeneratoren wie StyleGAN, Midjourney und DALL‑E hat zu hochrealistischen synthetischen Bildern geführt, die…

Neutronenbilder spielen eine zentrale Rolle bei der Analyse von Inertial Confinement Fusion (ICF)-Ereignissen, etwa am National Ignition Fa…

Ein neues Forschungsdokument auf arXiv präsentiert LaguerreNet, ein Spectral Graph Neural Network, das die beiden größten Schwächen herkömm…

Die klassische Diskriminanzanalyse geht davon aus, dass die Trainingsdaten identisch verteilt sind. In vielen realen Anwendungen werden Beo…

Die Fehlerintensitätsdiagnose (FID) ist ein entscheidender Bestandteil der Überwachung und Wartung von Maschinen in komplexen Industrieanla…

In der Entscheidungsgestützten Lernforschung (Decision‑Focused Learning, DFL) wird ein Machine‑Learning‑Modell darauf trainiert, die Parame…

Eine neue Studie aus dem arXiv‑Repository untersucht den Spannungsbogen zwischen Komplexität und Treue bei Erklärungen, die auf Gradienten…