KI News. Verstehen, was wichtig wird.

Suche Anmelden

Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Hyperdimensional Computing”

Hyperdimensional Computing: Maximaler Margin-Ansatz übertrifft neuronale Netzwerke

In einer neuen Veröffentlichung auf arXiv wird ein innovativer Ansatz vorgestellt, der Hyperdimensional Computing (HDC) auf ein neues Leist…

arXiv – cs.LG 05.03.2026 05:00

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

<h1>PathHD: Hypervektoren statt neuronaler Encoder – KG-Logik mit nur einem LLM-Aufruf</h1> <p>Neutrale, strukturierte Wissensgraphen (KGs) werden in der KI immer wichtiger, doch die üblichen Verfahren, die auf schweren neuronalen Encodern oder wiederholten LLM-Aufrufen basieren, kosten viel Zeit, GPU-Ressourcen und bleiben oft undurchsichtig. Mit dem neuen Ansatz <strong>PathHD</strong> wird das Spiel geändert: Hyperdimensional Computing (HDC) ersetzt die neuronalen Pfadbewertungen, und ein einziger LLM-Au

arXiv – cs.LG 11.12.2025 05:00

VS-Graph: Hyperdimensionales Lernen für schnelle, genaue Graphklassifikation

Die Klassifikation von Graphen ist ein zentrales Problem in Bereichen wie Molekülvorhersage und Materialdesign. Während Graph Neural Networ…

arXiv – cs.LG 04.12.2025 05:00

G-Net: Nachweislich einfache Konstruktion hochpräziser binärer neuronaler Netze

Ein neues Verfahren namens G‑Net ermöglicht die schnelle und zuverlässige Erstellung von binären neuronalen Netzwerken, die die Genauigkeit…

arXiv – cs.LG 27.11.2025 05:00

Neues VSA-Framework: Lisp 1.5 mit Residue-Hyperdimensional Computing erweitert

Auf der Plattform arXiv wurde ein neuer Beitrag veröffentlicht, der die Grenzen der Vektor‑Symbolischen Architektur (VSA) sprengt. Durch di…

arXiv – cs.LG 13.11.2025 05:00

DecoHD: Hyperdimensional Klassifikation mit extremen Speicherersparnissen

Die neueste Veröffentlichung von DecoHD zeigt, wie Hyperdimensional Computing (HDC) unter extremen Speicherbeschränkungen effizient bleiben…

arXiv – cs.LG 07.11.2025 05:00

<h1>LogHD: Logarithmische Klassenskalierung erhöht Robustheit und Effizienz von HDC</h1> <p>Hyperdimensional Computing (HDC) ist ideal für Systeme mit begrenztem Speicher, geringer Energieaufnahme und hoher Zuverlässigkeit. Das klassische „ein Prototyp pro Klasse“-Modell benötigt jedoch Speicher proportional zu <em>O(C·D)</em>, wobei <em>C</em> die Anzahl der Klassen und <em>D</em> die Dimensionalität der Hypervektoren ist. Diese Speicherintensität limitiert die Einsatzmöglichkeiten von HDC in ressourcenbes

arXiv – cs.LG 07.11.2025 05:00

FedUHD: Federated Learning ohne Labels dank Hyperdimensional Computing

Ein neues Verfahren namens FedUHD kombiniert unüberwachtes Federated Learning mit Hyperdimensional Computing (HDC) und löst damit zentrale…

arXiv – cs.LG 19.08.2025 05:00