Finde Modelle, Firmen und Themen

State‑Space‑Modelle (SSMs) haben sich als leistungsstarke Grundlage für die Modellierung von langen Sequenzen etabliert. Durch das HiPPO‑Fr…

In einer bahnbrechenden Veröffentlichung auf arXiv präsentiert das Forschungsteam die Methode PaCoDi, die die Generation von Zeitreihen neu…

Magnetische Anomalien bieten eine vielversprechende GPS‑Alternative, wenn Satellitenempfang fehlt oder gestört ist. Für Luftfahrzeuge ist d…

Flow‑Matching‑Modelle haben die Qualität der Text‑zu‑Sprache‑Synthese revolutioniert, doch ihr iteratives Sampling während der Inferenz ver…

Forscher haben Flow Matching auf diskrete Aktionsräume ausgeweitet, um Offline‑Reinforcement‑Learning in breiteren Szenarien zu ermöglichen…

Die Fähigkeit, aus Beobachtungen sinnvolle kausale Darstellungen zu extrahieren, hat sich als entscheidend für maschinelles Lernen und wiss…

Physik-informierte neuronale Netze (PINNs) lösen Differentialgleichungen ohne Gitter, indem sie physikalische Gesetze direkt in das Trainin…

In der Welt des zielbedingten Verstärkungslernens (GCRL) wird die Herausforderung der Belohnungs­gestaltung durch die Umwandlung von Aufgab…

Ein neues arXiv‑Veröffentlichung beleuchtet die Herausforderung des risikosensitiven Reinforcement Learning (RSRL) in kontinuierlicher Zeit…

Graph Neural Networks (GNNs) haben sich als leistungsstarke Werkzeuge zur Analyse von Netzwerken etabliert, doch ihre klassische lokale Nac…

Parkinsons Erkrankung zeichnet sich durch heterogene, sich im Laufe der Zeit verändernde Gehirn‑Morphometrie‑Muster aus. Die Modellierung d…

Die jüngste Veröffentlichung auf arXiv (2508.16815v1) stellt das Uncertainty Propagation Network (UPN) vor – ein innovatives Konzept, das U…

Ein neuer Beitrag auf arXiv (Version 1 vom 25.08.2025) präsentiert eine innovative Technik, mit der Zustandsraummodelle für kontinuierliche…