Suche nach LSTM | meineki.news

Erklärbares Deep Learning verbessert Schiffswegvorhersage in Binnengewässern

Die sichere Navigation auf stark frequentierten Binnengewässern hängt von präzisen Vorhersagen der Schiffsbewegungen ab. Durch den Einsatz…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Transformer-Modell SpeedTransformer verbessert Erkennung von Fortbewegungsmodi

In einer neuen Studie aus dem Bereich GeoAI hat das Forschungsteam SpeedTransformer vorgestellt, ein Transformer‑basiertes Modell, das auss…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neues AC‑LSTM-Modell verbessert Modellierung von Breitband-Power‑Amplifiern

Ein neu entwickeltes AC‑LSTM (Amplitude‑Conditioned Long Short‑Term Memory) Modell setzt neue Maßstäbe bei der Verhaltensmodellierung von B…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neues Framework erhöht Robustheit bei medizinischen Zeitreihen

Ein neues Modell namens RC‑GRF (Representation‑Consistent Gated Recurrent Framework) verspricht, die Zuverlässigkeit von Klassifikationsalg…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neue Urban‑Vibrancy‑Embeddings verbessern Verkehrsvorhersagen

In einer aktuellen Studie aus dem arXiv-Repository wird gezeigt, wie die dynamische menschliche Aktivität in Städten mithilfe von mobilen D…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Neue Methode vorhersagt Stress aus Smartwatch‑Daten – individuell und erklärbar

In einer kürzlich veröffentlichten Studie auf arXiv wird ein neuartiges, erklärbares Modell vorgestellt, das Stress kontinuierlich vorhersa…

arXiv – cs.LG 24.02.2026 05:00

Forschung

GANs steigern Finanzprognosen: Transformer‑basierte Datenaugmentation

Forscher haben gezeigt, dass Generative Adversarial Networks (GANs) die Genauigkeit von Finanzprognosen deutlich erhöhen können. Durch die…

arXiv – cs.AI 23.02.2026 05:00

Forschung

<p>UCTECG-Net: Präzise Arrhythmie-Erkennung mit zuverlässiger Unsicherheitsabschätzung</p> <p>Ein neues Deep‑Learning-Modell namens UCTECG‑Net kombiniert eindimensionale Convolutional‑Netzwerke mit Transformer‑Encodern, um rohe EKG‑Signale und deren Spektrogramme gleichzeitig zu verarbeiten. Durch diese hybride Architektur erzielt das System eine deutlich höhere Genauigkeit bei der Arrhythmie‑Erkennung als herkömmliche LSTM‑, CNN‑1D‑ und Transformer‑Modelle.</p> <p>In umfangreichen Tests auf den Datensätzen

arXiv – cs.LG 19.02.2026 05:00

Forschung

Neues KI-Modell vorhersagt schwere Sonnenstürme mit hoher Genauigkeit

Forscher haben ein völlig neues, auf Klassenspezifischen Belohnungen basierendes Klassifikationssystem entwickelt, das schwere Sonnenstürme…

arXiv – cs.LG 19.02.2026 05:00

Forschung

<h1>Erklärbares Deep-Learning-IDS erreicht 99 % Genauigkeit</h1> <p>Ein neues Intrusion Detection System (IDS) kombiniert Convolutional Neural Networks (CNN) und Long Short-Term Memory (LSTM) Netzwerke, um Netzwerkverkehr präzise zu klassifizieren und gleichzeitig die Entscheidungen des Modells verständlich zu machen. Durch die Integration von Explainable Artificial Intelligence (XAI) wird die Transparenz von Deep‑Learning‑Algorithmen deutlich erhöht.</p> <p>Die Leistung des Systems wurde anhand des etablie

arXiv – cs.AI 17.02.2026 05:00

Forschung

Neues Hybrid-Modell verbessert Bitcoin-Preisprognosen

Die Vorhersage des Bitcoin-Preises bleibt eine der größten Herausforderungen im Kryptowährungsmarkt. Dezentrale Börsen sind nichtlinear, ex…

arXiv – cs.AI 16.02.2026 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

Foundation-Modelle steigern Strompreisprognosen um 37 % in volatilen Märkten

Ein neues arXiv‑Veröffentlichung zeigt, dass moderne Zeitreihen‑Foundation‑Modelle (TSFMs) die Vorhersagegenauigkeit von Strompreisen im Ta…

arXiv – cs.AI 06.02.2026 05:00

Forschung

MOOC‑Empfehlungssystem nutzt semantische Pfade für bessere Vorschläge

In der Welt der Online‑Kurse gewinnen Empfehlungssysteme zunehmend an Bedeutung, um Lernende bei der Auswahl passender Inhalte zu unterstüt…

arXiv – cs.AI 06.02.2026 05:00

Forschung

Maschinelles Lernen macht mechanistische Modelle zu Prognosewerkzeugen

In einer bahnbrechenden Veröffentlichung auf arXiv haben Forscher gezeigt, wie klassische mechanistische Modelle durch den Einsatz von masc…

arXiv – cs.LG 05.02.2026 05:00

Forschung

Neues Paper: Lernbare Koopman-Operatoren verbessern Transformer-Vorhersagen

Ein neues arXiv-Paper präsentiert eine innovative Familie lernbarer Koopman-Operatoren, die lineare Dynamiktheorie mit modernen Deep‑Learni…

arXiv – cs.LG 04.02.2026 05:00

Forschung

S5-Transformer dominiert EEG-Decodierung: 98,7 % Genauigkeit bei 64 s Kontext

In einer neuen Studie wurde untersucht, wie die Architektur eines Modells und die Länge des zeitlichen Kontextes die Leistung bei der Dekod…

arXiv – cs.LG 30.01.2026 05:00

Forschung

HyCARD-Net: Hybrid-Intelligenz-Framework verbessert Herz‑Kreislauf‑Diagnose

Herz‑ und Kreislauf‑Erkrankungen bleiben weltweit die häufigste Todesursache, was die dringende Notwendigkeit intelligenter, datenbasierter…

arXiv – cs.AI 27.01.2026 05:00

Forschung

Brownian ReLU: Neue Aktivierungsfunktion verbessert LSTM bei Finanzdaten

In der Welt des Deep Learning stoßen herkömmliche Aktivierungsfunktionen wie ReLU, LeakyReLU und PReLU häufig auf Gradientinstabilitäten, w…

arXiv – cs.LG 26.01.2026 05:00

Forschung

Maschinelles Lernen prognostiziert ED-Patientenaufnahmen – XGBoost führt an

Überfüllte Notaufnahmen stellen ein ernstes Problem für Patientensicherheit und betriebliche Effizienz dar. Um die Ressourcenplanung zu ver…

arXiv – cs.LG 23.01.2026 05:00

Forschung

Lattice: Confidence‑Gated System verbessert Vorhersagen in Empfehlungssystemen und LIGO

Ein neues Hybrid‑System namens Lattice nutzt ein binäres Confidence‑Gating, um lernte Verhaltensarchtypen nur dann einzusetzen, wenn die Vo…

arXiv – cs.LG 23.01.2026 05:00

Forschung

LSTM-Modell prognostiziert Fahrzeugwechsel an Ein- und Ausfahrten

Eine neue Studie zeigt, wie ein mehrschichtiges LSTM-Netzwerk die Fahrverhalten an Ein- und Ausfahrten vorhersagen kann. Durch die präzise…

arXiv – cs.LG 22.01.2026 05:00

Forschung

KI-Co-Scientist revolutioniert medizinische Evidenzsynthese – Proof of Concept

In einer wegweisenden Studie wurde ein KI-Co-Scientist vorgestellt, der die Synthese medizinischer Erkenntnisse skalierbar und transparent…

arXiv – cs.AI 21.01.2026 05:00

Forschung

Physikbasierte Denoising-Autoencoder verbessern UAV-Wildfeuer-Überwachung

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

arXiv – cs.LG 21.01.2026 05:00

Forschung

Neues FAConvLSTM-Modell steigert Effizienz und Genauigkeit bei Klimadatenanalyse

Die Analyse hochauflösender, multivariater Erdbeobachtungsdaten erfordert die Erfassung komplexer, physikalisch bedeutungsvoller räumlich‑z…

arXiv – cs.LG 19.01.2026 05:00

Forschung

AVP-Pro: Zwei‑Stufen‑Ansatz mit adaptiver Fusion und kontrastivem Lernen

Die präzise Identifikation von antiviralen Peptiden (AVPs) ist ein entscheidender Schritt bei der Entwicklung neuer Medikamente. Mit dem ne…

arXiv – cs.LG 19.01.2026 05:00

Forschung

LSTM-Modelle verbessern Prognosen erneuerbarer Energie und senken CO₂

Ein neues Forschungsdokument aus dem arXiv-Repository präsentiert einen innovativen Ansatz zur Vorhersage der Stromerzeugung aus erneuerbar…

arXiv – cs.LG 19.01.2026 05:00

Forschung

Unüberwachtes LSTM‑Autoencoder‑Modell erkennt frühzeitig Ausfälle bei Turbofan‑Triebwerken

Ein neues, unüberwachtes Gesundheitsmonitoring‑Framework für Turbofan‑Triebwerke wurde vorgestellt, das keine Lauf‑bis‑Ausfall‑Labels benöt…

arXiv – cs.LG 16.01.2026 05:00

Forschung

RewriteNets: String‑Rewriting‑Architektur für effizientes Sequenz‑Modellieren

Traditionelle Sequenzmodelle wie der Transformer bauen ihre Struktur auf dichten Aufmerksamkeitsgewichten auf, was zu einer quadratischen R…

arXiv – cs.LG 14.01.2026 05:00

Forschung

Hybridmodell SARIMA‑LSTM revolutioniert lokale Wettervorhersage

Die präzise Vorhersage langfristiger atmosphärischer Variablen bleibt ein zentrales Problem der Meteorologie, weil die Luftbewegungen chao…

arXiv – cs.LG 14.01.2026 05:00

Finde Modelle, Firmen und Themen

Erklärbares Deep Learning verbessert Schiffswegvorhersage in Binnengewässern

Transformer-Modell SpeedTransformer verbessert Erkennung von Fortbewegungsmodi

Neues AC‑LSTM-Modell verbessert Modellierung von Breitband-Power‑Amplifiern

Neues Framework erhöht Robustheit bei medizinischen Zeitreihen

Neue Urban‑Vibrancy‑Embeddings verbessern Verkehrsvorhersagen

Neue Methode vorhersagt Stress aus Smartwatch‑Daten – individuell und erklärbar

GANs steigern Finanzprognosen: Transformer‑basierte Datenaugmentation

Neues KI-Modell vorhersagt schwere Sonnenstürme mit hoher Genauigkeit

Neues Hybrid-Modell verbessert Bitcoin-Preisprognosen

Neues EEG-Emotionserkennungsmodell mit Hybrid-Transformer erzielt Rekordleistung

Foundation-Modelle steigern Strompreisprognosen um 37 % in volatilen Märkten

MOOC‑Empfehlungssystem nutzt semantische Pfade für bessere Vorschläge

Maschinelles Lernen macht mechanistische Modelle zu Prognosewerkzeugen

Neues Paper: Lernbare Koopman-Operatoren verbessern Transformer-Vorhersagen

S5-Transformer dominiert EEG-Decodierung: 98,7 % Genauigkeit bei 64 s Kontext

HyCARD-Net: Hybrid-Intelligenz-Framework verbessert Herz‑Kreislauf‑Diagnose

Brownian ReLU: Neue Aktivierungsfunktion verbessert LSTM bei Finanzdaten

Maschinelles Lernen prognostiziert ED-Patientenaufnahmen – XGBoost führt an

Lattice: Confidence‑Gated System verbessert Vorhersagen in Empfehlungssystemen und LIGO

LSTM-Modell prognostiziert Fahrzeugwechsel an Ein- und Ausfahrten

KI-Co-Scientist revolutioniert medizinische Evidenzsynthese – Proof of Concept

Physikbasierte Denoising-Autoencoder verbessern UAV-Wildfeuer-Überwachung

Neues FAConvLSTM-Modell steigert Effizienz und Genauigkeit bei Klimadatenanalyse

AVP-Pro: Zwei‑Stufen‑Ansatz mit adaptiver Fusion und kontrastivem Lernen

LSTM-Modelle verbessern Prognosen erneuerbarer Energie und senken CO₂

Unüberwachtes LSTM‑Autoencoder‑Modell erkennt frühzeitig Ausfälle bei Turbofan‑Triebwerken

RewriteNets: String‑Rewriting‑Architektur für effizientes Sequenz‑Modellieren

Hybridmodell SARIMA‑LSTM revolutioniert lokale Wettervorhersage

🍪 Cookie-Einstellungen

Foundation-Modelle steigern Strompreisprognosen um 37 % in volatilen Märkten

S5-Transformer dominiert EEG-Decodierung: 98,7 % Genauigkeit bei 64 s Kontext