Finde Modelle, Firmen und Themen

Graphdaten sind häufig von Rauschen und trügerischen Zusammenhängen durchdrungen, die die eigentlichen kausalen Beziehungen verbergen. Dies…

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

In der Computer Vision gewinnt das Konzept der „interpretable‑by‑design“-Modelle immer mehr an Bedeutung, weil sie nachvollziehbare Erkläru…

Eine aktuelle Untersuchung auf arXiv hat die behauptete Generalisierung von Tabular Language Models (TLMs) in Frage gestellt. Die Autoren p…

In einer neuen Studie aus dem arXiv-Repository wird gezeigt, wie Quanten‑Machine‑Learning (QML) die Analyse von Erdbeobachtungsdaten (EO) b…

Neues Forschungsergebnis aus dem Bereich der künstlichen Intelligenz zeigt, dass große Sprachmodelle (LLMs) nicht nur als Klassifikatoren e…

Federated Learning ermöglicht es, Modelle gemeinsam zu trainieren, ohne dass rohe Daten ausgetauscht werden. In ressourcenbeschränkten Edge…

Neuromorphe Bildverarbeitung hat in den letzten Jahren enorme Fortschritte erzielt, weil Spiking Neural Networks (SNNs) sich hervorragend f…

Deep‑Learning‑Modelle, insbesondere rekurrente neuronale Netze wie LSTM, haben die Analyse von Zeitreihen revolutioniert. Sie erkennen komp…

In einer neuen Studie aus dem arXiv‑Repository wird gezeigt, dass quantum‑inspirierte Klassifikatoren klassische Random‑Forest‑Modelle bei…

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

In der aufstrebenden Disziplin des Multiview-Lernens, bei dem Modelle aus mehreren Perspektiven lernen, haben sich Support‑Vector‑Machine‑A…

Ein neues arXiv-Posting (2512.13872v1) liefert zwei wegweisende Ergebnisse zur Messung der Kalibrierungsfehler von binären Klassifikatoren…

Ein neues Projekt aus dem KI‑Research‑Institute hat einen Soft Decision Tree (SDT) sowie eine Short‑term Memory Soft Decision Tree (SM‑SDT)…

Die Integration von Künstlicher Intelligenz in Produktionsprozesse gewinnt zunehmend an Bedeutung. Durch den Einsatz intelligenter Systeme…

Eine neue Studie aus dem Bereich der optimalen Transportmethoden präsentiert einen halbüberwachten Ansatz, der mit tiefen Convolutional‑Net…

GraphTCL, ein neues Dual-View-Contrastive-Learning-Framework, kombiniert die Stärken von Graph Neural Networks (GNNs) mit topologischen Ein…

Mehransichtliches Lernen nutzt verschiedene Darstellungen derselben Instanzen, um die Klassifikationsleistung zu steigern. Dabei werden unt…

In der heutigen KI-Welt sind Embedding‑Räume unverzichtbar, denn sie wandeln rohe Daten in hochdimensionale Vektoren um, die komplexe seman…

In der medizinischen Künstlichen Intelligenz gewinnt multimodales Lernen zunehmend an Bedeutung, weil es Bilddaten mit ergänzenden Textinfo…

Große Sprachmodelle (LLMs) liefern zwar erstklassige Klassifikationsleistungen, doch die damit verbundenen Rechen- und Kostenbelastungen er…

Vision‑Language‑Modelle (VLMs) haben sich als leistungsstarke Werkzeuge zur automatischen Datenannotation etabliert, doch ihre generierten…

Ein neues arXiv‑Veröffentlichung (ID 2511.08846v1) beleuchtet, wie topologische Deskriptoren – insbesondere die Euler‑Charakteristik (EC) u…

Eine neue Variante der ROC‑optimierten Support‑Vector‑Machine (ROC‑SVM) wurde vorgestellt, die die bisherige hohe Rechenkomplexität drastis…

In einer wegweisenden Studie wurde ein Federated‑Learning‑Framework entwickelt, das die Klassifikation von Elektrokardiogrammen (ECG) in Io…

Die neue Studie aus dem arXiv-Repository zeigt, wie künstliche Intelligenz die Wartung von Elektrobussen revolutioniert. Durch die Analyse…

In einer neuen Veröffentlichung wird die bisherige Arbeit zur Verbesserung der 3D‑LiDAR‑Punktwolkenklassifikation erweitert. Dabei kommen P…

Modulare Expertensysteme (Mixture-of-Experts, MoE) haben die multimodale KI revolutioniert, indem sie die Spezialisierung einzelner Modelle…

In einem neuen Beitrag auf arXiv wird das Verfahren FAIRWELL vorgestellt, das selbstüberwachtes Lernen (SSL) nutzt, um die Fairness von Mod…

Concept‑Bottleneck‑Models (CBMs) ermöglichen es, tiefen neuronalen Netzwerken eine klare, konzeptbasierte Interpretation zu geben und gezie…