Suche nach Kovarianz | meineki.news

Weak‑SIGReg: Kovarianz‑Regularisierung für stabile Deep‑Learning‑Modelle

Ein neues Verfahren namens Weak‑SIGReg sorgt dafür, dass tiefe neuronale Netze ohne auf architektonische Tricks angewiesen zu sein, stabil…

arXiv – cs.LG 09.03.2026 04:00

Forschung

RLHF‑Alignment bleibt flach: Gradient‑Analyse enthüllt die Ursache

Eine neue Studie auf arXiv zeigt, warum die Sicherheit von Sprachmodellen bei Reinforcement‑Learning‑from‑Human‑Feedback (RLHF) nur oberflä…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Neuer Ansatz: Unlernbare Beispiele reduzieren gegenseitige Information

Die riesige Menge an frei verfügbaren Daten im Internet hat den Durchbruch des Deep Learning vorangetrieben – gleichzeitig wächst die Sorge…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Preconditioning verbessert Flow-Matching-Training durch bessere Konditionierung

Ein neues Papier auf arXiv beleuchtet, wie die Geometrie der Zwischendichten in Flow‑Matching‑ und score‑basierten Diffusionsmodellen die O…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Nachweisbare Unterraumidentifikation bei nichtlinearem Multi-View-CCA

In einer neuen Studie auf arXiv wird gezeigt, wie die nichtlineare kanonische Korrelationsanalyse (CCA) in einem Multi‑View‑Setup eindeutig…

arXiv – cs.LG 02.03.2026 05:00

Forschung

Maschinelles Lernen optimiert LEO-Orbitvorhersagen durch Fehlerkorrektur

Low Earth Orbit (LEO)-Satelliten werden zunehmend als Alternative zu GNSS für Positionierung, Navigation und Zeitmessung eingesetzt. Damit…

arXiv – cs.LG 20.02.2026 05:00

Forschung

Malliavin‑Calculus: Der Schlüssel zu effizienterem stochastischem Backpropagation

In einer neuen Veröffentlichung auf arXiv wird gezeigt, wie die Malliavin‑Integration‑by‑Parts‑Identität die beiden klassischen Gradientens…

arXiv – cs.LG 20.02.2026 05:00

Forschung

Diskrete Double-Bracket-Flows: Neue Matrixfreie Eigenzerlegung

Forscher haben einen innovativen Ansatz zur eigenwertbasierten Zerlegung von Matrizen vorgestellt, der ohne direkte Matrixzugriffe auskommt…

arXiv – cs.LG 17.02.2026 05:00

Forschung

Deep Learning verbessert Unsicherheitsabschätzung atomarer Potentiale

In der Molekulardynamik sind Unsicherheitsabschätzungen entscheidend, um die Zuverlässigkeit von maschinellen Lernpotenzialen (MLIPs) zu be…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Transformer‑Attention‑Modelle als neue Basis für Quantenfeldtheorie

Ein neues arXiv‑Paper präsentiert einen innovativen Ansatz, um skalare Quantenfeldtheorien mit Hilfe von Transformer‑Attention‑Köpfen zu ko…

arXiv – cs.LG 12.02.2026 05:00

Forschung

MePo: Meta-Post-Refinement verbessert kontinuierliches Lernen ohne Wiederholung

Ein neues Verfahren namens Meta Post-Refinement (MePo) verspricht einen Durchbruch im Bereich des kontinuierlichen Lernens ohne Wiederholun…

arXiv – cs.AI 10.02.2026 05:00

Forschung

Dorfman-Framework: robuste Feature‑Auswahl in hochdimensionalen Genomdaten

Ein neues Verfahren namens Dorfman-Framework verspricht, die Auswahl relevanter Gene in hochdimensionalen Genomdaten zu revolutionieren. Du…

arXiv – cs.LG 10.02.2026 05:00

Forschung

Neues EEG-Emotionserkennungsmodell mit Hybrid-Transformer erzielt Rekordleistung

Emotionserkennung aus Elektroenzephalographie (EEG) ist ein zentrales Thema in der affektiven Informatik und für Entscheidungshilfesysteme…

arXiv – cs.LG 09.02.2026 05:00

Forschung

PromptSplit: Prompt-basierte Unterschiede in generativen Modellen aufdecken

In der rasanten Entwicklung von KI‑Modellen, die aus Texten Bilder, Texte oder Bildunterschriften generieren, wird die Vielfalt der Modelle…

arXiv – cs.LG 05.02.2026 05:00

Forschung

Exakte geschlossene Formel für Gaußsche Momente in Residual-Netzen In einer neuen Veröffentlichung auf arXiv wird ein langjähriges Problem der KI-Forschung gelöst: Die exakte Berechnung von Mittelwert und Kovarianz einer beliebigen multivariaten Gaußschen Verteilung, wenn sie durch ein tiefes Residual-Netzwerk propagiert wird. Durch schichtweise Momentenabgleich wird die Unsicherheit in den Eingaben präzise nachverfolgt. Der Beitrag liefert erstmals geschlossene Formeln für die Momentenabgleichverfahren

arXiv – cs.LG 02.02.2026 05:00

Forschung

Präzision trifft Frühwarnung: KI erkennt Seizure und Kundenabwanderung

Ein brandneues Machine‑Learning-Verfahren verspricht, kritische Ereignisse wie epileptische Anfälle, plötzliche Kundenabwanderung oder soga…

arXiv – cs.LG 30.01.2026 05:00

Forschung

Transformer zeigen Phasenübergang: Objektpermanenz in Repräsentationsräumen

Eine neue Studie auf arXiv beleuchtet, wie tiefgreifende Transformer‑Modelle – von 1,5 B bis 30 B Parametern – plötzlich ihre Fähigkeit zur…

arXiv – cs.LG 29.01.2026 05:00

Forschung

Bandierte SE‑Kovarianzen beschleunigen Gaussian Process Training

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

arXiv – cs.LG 28.01.2026 05:00

Forschung

Neues probabilistisches Interpolationsmodell verbessert GEDI-Biomasse-Kartierung

Die präzise Erfassung von Biomasse über die gesamte Erdoberfläche mithilfe der NASA‑Mission GEDI erfordert die Interpolation von spärlich v…

arXiv – cs.LG 26.01.2026 05:00

Forschung

Stabile Exponential-Integration für Gaussian‑Mixture‑BBVI: Neue Methode

Eine neue Technik für die Black‑Box‑Variationsinferenz (BBVI) mit Gaußschen Mischfamilien verspricht, komplexe Posteriorverteilungen effizi…

arXiv – cs.LG 22.01.2026 05:00

Forschung

Aktivationssensitivität: Das Prinzip für Quantisierung nach Training

In der Welt der großen Sprachmodelle ist die Quantisierung nach dem Training (PTQ) ein entscheidender Schritt, um Modelle effizienter zu ma…

arXiv – cs.LG 21.01.2026 05:00

Forschung

Bayessche Kalman-Filter revolutionieren In-Context-Lernen in LLMs

Ein neues arXiv‑Veröffentlichung (2601.06100v1) präsentiert einen theoretisch fundierten Ansatz, der die Anpassung von großen Sprachmodelle…

arXiv – cs.LG 13.01.2026 05:00

Forschung

Neues Verfahren: Geometrische Optimierung zur Auswahl von GP‑Kernels

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

arXiv – cs.LG 12.01.2026 05:00

Forschung

Latente Variable Kausalität trotz Selektionsbias entdeckt Wissenschaftler haben einen neuen Ansatz entwickelt, um kausale Zusammenhänge in Modellen mit latenten Variablen zu identifizieren, selbst wenn die Daten durch Selektionsbias verzerrt sind. Der Schlüssel liegt in sogenannten Rangbeschränkungen, die die Rangstruktur von Kovarianzuntermatrizen in linearen Gaußschen Modellen nutzen – eine Erweiterung der klassischen Bedingten Unabhängigkeitsregeln. Obwohl Selektionsbias die gemeinsame Verteilung sta

arXiv – cs.LG 15.12.2025 05:00

Forschung

Neues Verfahren: Selbstüberwachtes Lernen mit Gaußschen Prozessen

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

arXiv – cs.LG 11.12.2025 05:00

Forschung

Neues Verfahren korrigiert frühzeitige Schätzfehler in Krisensituationen

In Notfall- und Hochrisikobereichen bestimmen erste Schätzungen des Systemzustands entscheidend, welche Maßnahmen später ergriffen werden…

arXiv – cs.AI 04.12.2025 05:00

Forschung

Equilibrium Propagation ohne Grenzen: Finite Nudges ermöglichen Lerngradienten

In einer wegweisenden Veröffentlichung wird Equilibrium Propagation (EP) von der Beschränkung infinitesimaler Störungen befreit. Durch die…

arXiv – cs.LG 01.12.2025 05:00

Forschung

Covariance Scattering Transforms: Stabile, untrainierte Netzwerke

In der Datenanalyse spielen Verfahren, die auf Kovarianzinformationen basieren, eine zentrale Rolle – von der klassischen Hauptkomponentena…

arXiv – cs.LG 13.11.2025 05:00

Forschung

Multivariate Variational Autoencoder (MVAE) verbessert Rekonstruktion und Kalibrierung

Ein neues Modell, der Multivariate Variational Autoencoder (MVAE), wurde auf arXiv vorgestellt und verspricht, die Vorteile der klassischen…

arXiv – cs.LG 12.11.2025 05:00

Forschung

Neues Netzwerk zur kausalen Abstraktion: Theorie und Lernverfahren

In der Forschung zu kausaler künstlicher Intelligenz wird die Erklärbarkeit, Vertrauenswürdigkeit und Robustheit von Modellen durch struktu…

arXiv – cs.AI 01.10.2025 05:00

Finde Modelle, Firmen und Themen

Weak‑SIGReg: Kovarianz‑Regularisierung für stabile Deep‑Learning‑Modelle

RLHF‑Alignment bleibt flach: Gradient‑Analyse enthüllt die Ursache

Neuer Ansatz: Unlernbare Beispiele reduzieren gegenseitige Information

Preconditioning verbessert Flow-Matching-Training durch bessere Konditionierung

Nachweisbare Unterraumidentifikation bei nichtlinearem Multi-View-CCA

Maschinelles Lernen optimiert LEO-Orbitvorhersagen durch Fehlerkorrektur

Malliavin‑Calculus: Der Schlüssel zu effizienterem stochastischem Backpropagation

Diskrete Double-Bracket-Flows: Neue Matrixfreie Eigenzerlegung

Deep Learning verbessert Unsicherheitsabschätzung atomarer Potentiale

Transformer‑Attention‑Modelle als neue Basis für Quantenfeldtheorie

MePo: Meta-Post-Refinement verbessert kontinuierliches Lernen ohne Wiederholung

Dorfman-Framework: robuste Feature‑Auswahl in hochdimensionalen Genomdaten

Neues EEG-Emotionserkennungsmodell mit Hybrid-Transformer erzielt Rekordleistung

PromptSplit: Prompt-basierte Unterschiede in generativen Modellen aufdecken

Präzision trifft Frühwarnung: KI erkennt Seizure und Kundenabwanderung

Transformer zeigen Phasenübergang: Objektpermanenz in Repräsentationsräumen

Bandierte SE‑Kovarianzen beschleunigen Gaussian Process Training

Neues probabilistisches Interpolationsmodell verbessert GEDI-Biomasse-Kartierung

Stabile Exponential-Integration für Gaussian‑Mixture‑BBVI: Neue Methode

Aktivationssensitivität: Das Prinzip für Quantisierung nach Training

Bayessche Kalman-Filter revolutionieren In-Context-Lernen in LLMs

Neues Verfahren: Geometrische Optimierung zur Auswahl von GP‑Kernels

Neues Verfahren: Selbstüberwachtes Lernen mit Gaußschen Prozessen

Neues Verfahren korrigiert frühzeitige Schätzfehler in Krisensituationen

Equilibrium Propagation ohne Grenzen: Finite Nudges ermöglichen Lerngradienten

Covariance Scattering Transforms: Stabile, untrainierte Netzwerke

Multivariate Variational Autoencoder (MVAE) verbessert Rekonstruktion und Kalibrierung

Neues Netzwerk zur kausalen Abstraktion: Theorie und Lernverfahren

🍪 Cookie-Einstellungen