Suche nach Neuronale Netze

ARTEMIS: Neuro-Symbolisches Modell liefert arbitragefreie Marktprognosen

In der quantitativen Finanzwelt sind Deep‑Learning‑Modelle häufig als Black‑Box‑Systeme bekannt, die zwar leistungsstark, aber schwer nachv…

arXiv – cs.LG 20.03.2026 04:00

Forschung

Erklärungs‑Lotterie: Gleiche Vorhersagen, unterschiedliche Feature‑Attributionen

Eine neue Studie zeigt, dass Modelle, die exakt dieselben Vorhersagen liefern, bei der Erklärung der Ergebnisse völlig unterschiedliche Fea…

arXiv – cs.LG 18.03.2026 04:00

Forschung

Ein neues, formal verifiziertes Messwerkzeug namens Budget‑Sensitive Discovery Score (BSDS) wurde vorgestellt, das die Bewertung von KI‑gestützten Auswahlstrategien in der wissenschaftlichen Forschung revolutioniert. Durch die Kombination von Fehlentdeckungs‑ und Abweichungspenalitäten liefert der BSDS ein umfassendes Bild der Effizienz von Auswahlmethoden, während die daraus abgeleitete Discovery Quality Score (DQS) eine einheitliche Kennzahl bietet, die Manipulationen durch gezielte Budgetwahl ausschl

Die Autoren nutzten den Lean‑4-Beweisassistenten, um 20 Theoreme zu prüfen, die die mathematische Richtigkeit des Scores garantieren. Im pr…

arXiv – cs.AI 16.03.2026 04:00

Forschung

Datensatzkompression macht KI im Gesundheitswesen datenschutzfreundlich

In einer bahnbrechenden Studie zeigt sich, dass die Technik der Datensatzkompression (DC) es ermöglicht, aus einer großen Menge medizinisch…

arXiv – cs.LG 11.03.2026 04:00

Forschung

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

KI in Chemie: NLP‑basierte Molekülrepräsentationen für Materialwissenschaften

Deep‑Learning‑Modelle haben in den letzten Jahren nicht nur die Informatik, sondern auch die Naturwissenschaften erobert. Damit die enorme…

arXiv – cs.AI 09.03.2026 04:00

Forschung

Klassische neuronale Netze zeigen überraschend nichtklassische Statistiken

In einer neuen Studie wird ein einfaches, klassisches neuronales Netzwerk namens NCnet vorgestellt, das unter normalen Trainingsbedingungen…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Adaptive Messung physikalischer Systeme verbessert ML‑Vorhersagen

In einer neuen Studie wird gezeigt, wie physikalische Dynamiksysteme als natürliche Informationsverarbeiter genutzt werden können. Durch ge…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Kleine Variationen, Fehler: Zuverlässigkeit bei Compute‑in‑Memory‑Acceleratoren

Compute‑in‑Memory‑Architekturen versprechen enorme Energie‑ und Durchsatzgewinne für neuronale Netzwerke, indem sie den klassischen von‑Neu…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Warum sind lineare RNNs besser parallelisierbar? In der aktuellen Forschung gewinnen lineare rekurrente neuronale Netze (LRNNs) als Sprachmodelle immer mehr an Bedeutung. Sie vereinen eine starke Ausdruckskraft mit einer hohen Parallelisierbarkeit, was sie zu einer attraktiven Alternative zu herkömmlichen, nichtlinearen RNNs und sogar zu Transformern macht. Die neue Studie von ArXiv 2603.03612v1 liefert die entscheidende Antwort: LRNNs lassen sich als log‑tiefe arithmetische Schaltkreise da

arXiv – cs.LG 05.03.2026 05:00

Forschung

Neues Tool übersetzt natürliche Sprache in Prüfungen für neuronale Netze

The passage you provided is already written in German. If you need it translated into another language (e.g., English, French, etc.) or if…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Neue RNNs mit selektiver Aktualisierung meistern Langzeitsequenzen effizient

In realen Audio- und Videodaten liegen wichtige Informationen oft in langen stillen oder verrauschten Abschnitten verborgen. Klassische rek…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Malignant Tail: Warum Überparameterisierte Netze bei Label‑Noise versagen

Eine brandneue Veröffentlichung auf arXiv beleuchtet, warum moderne neuronale Netze bei steigender Rauschanteil plötzlich von gutem zu schä…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Neues Diagnosewerkzeug deckt individuelle Risiko‑Instabilität in KI‑Modellen auf

Künstliche Intelligenz revolutioniert die medizinische Entscheidungsfindung, doch ein bislang unterschätztes Problem droht die Zuverlässigk…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neues Modell generiert neuronale Netze unabhängig von Breite

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein innovatives Verfahren vorgestellt, das die Generierung von neuronalen Netzwerk…

arXiv – cs.LG 03.03.2026 05:00

Forschung

ROKA: Robustes Unlearning schützt Modelle vor indirekten Angriffen

Die Notwendigkeit, Modelle gezielt zu „vergessen“, wächst, weil Datenschutz immer wichtiger wird. Doch herkömmliche Unlearning‑Methoden füh…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Intrusive Lorentz Neural Network: Rekordleistung im hyperbolischen Lernen

In vielen realen Datensätzen liegen hierarchische Strukturen verborgen, die sich besonders gut durch hyperbolische Geometrie darstellen las…

arXiv – cs.LG 02.03.2026 05:00

Forschung

ECHO: Gemeinschaften in Attributierten Netzwerken ohne Speicherengpässe

Die neue Methode ECHO (Encoding Communities via High‑order Operators) löst ein langjähriges Problem in der Analyse von Attributen in Netzwe…

arXiv – cs.LG 27.02.2026 05:00

Forschung

Trainingdatenqualität bestimmt Klassifikator-Erfolg – kritische Schwelle

Eine neue Studie, veröffentlicht auf arXiv (2602.21462v1), untersucht, wie die Qualität der Trainingsdaten die Leistung von Klassifikatoren…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Momentum Guidance: Neue, effiziente Steuerung für Flow-Modelle

Flow-basierte Generative Modelle haben sich als leistungsstarkes Werkzeug für hochqualitative Bildgenerierung etabliert. In ihrer Standardf…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Neues Quantitatives Approximationstheorem für gruppeninvariante Lernmodelle

Die Universal Approximation Theorem besagt, dass neuronale Netze beliebige stetige Funktionen auf kompakten Mengen approximieren können. In…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Deep Learning revolutioniert Hautkrebsdiagnose: VGG16 und DenseNet201 im Test

Hautkrebs bleibt eine der gefährlichsten Erkrankungen, wenn er nicht frühzeitig erkannt wird. Jährlich werden weltweit Millionen Menschen m…

arXiv – cs.AI 23.02.2026 05:00

Forschung

Neuralnetze meistern Modulare Addition: Fourier, Lottery Ticket & Grokking erklärt

Eine neue Studie auf arXiv beleuchtet, wie zweischichtige neuronale Netze die Modulare Addition erlernen. Der Fokus liegt auf der Entstehun…

arXiv – cs.LG 20.02.2026 05:00

Forschung

SpecMuon: Spektraler Optimierer beschleunigt physikbasierte neuronale Netze

We need to produce the output: the same text but with the German translation. The instruction: "Translate the following text into German. T…

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

ExLipBaB: Lipschitz-Konstante für Stückweise lineare neuronale Netze berechnen

Die Lipschitz-Konstante eines neuronalen Netzwerks liefert wertvolle Einblicke in dessen Robustheit, Generalisierbarkeit und sogar die Mögl…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Rationale Aktivierungen: Mehr Ausdruckskraft und Effizienz in neuronalen Netzen

Neuer Forschungsschwerpunkt: Neuronale Netze, die mit lernbaren, niedriggradigen rationalen Aktivierungsfunktionen arbeiten, zeigen deutlic…

arXiv – cs.AI 16.02.2026 05:00

Forschung

WSBD: Neuer Optimierer für Quantenneuronale Netze beschleunigt Training um 64 %

Die Schulung von Quantenneuronalen Netzen (QNNs) ist bislang stark durch den hohen Rechenaufwand für Gradientenabschätzungen und das sogena…

arXiv – cs.LG 13.02.2026 05:00

Forschung

SnareNet: Reparationsschichten für neuronale Netze mit harten Constraints

Neurale Netze werden zunehmend als Ersatzlösungen und Steuerungspolicies eingesetzt, doch unbeschränkte Vorhersagen können physikalische…

arXiv – cs.LG 11.02.2026 05:00

Forschung

FEM-gestützte Hypergraph-Neuronale Netze revolutionieren elastoplastische Simulationen

Ein neues Forschungsprojekt präsentiert FEM-Informed Hypergraph Neural Networks (FHGNN), die Finite-Elemente-Methoden direkt in die Nachric…

arXiv – cs.LG 10.02.2026 05:00

Finde Modelle, Firmen und Themen

ARTEMIS: Neuro-Symbolisches Modell liefert arbitragefreie Marktprognosen

Erklärungs‑Lotterie: Gleiche Vorhersagen, unterschiedliche Feature‑Attributionen

Datensatzkompression macht KI im Gesundheitswesen datenschutzfreundlich

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

KI in Chemie: NLP‑basierte Molekülrepräsentationen für Materialwissenschaften

Klassische neuronale Netze zeigen überraschend nichtklassische Statistiken

Adaptive Messung physikalischer Systeme verbessert ML‑Vorhersagen

Kleine Variationen, Fehler: Zuverlässigkeit bei Compute‑in‑Memory‑Acceleratoren

Neues Tool übersetzt natürliche Sprache in Prüfungen für neuronale Netze

Neue RNNs mit selektiver Aktualisierung meistern Langzeitsequenzen effizient

Malignant Tail: Warum Überparameterisierte Netze bei Label‑Noise versagen

Neues Diagnosewerkzeug deckt individuelle Risiko‑Instabilität in KI‑Modellen auf

Neues Modell generiert neuronale Netze unabhängig von Breite

ROKA: Robustes Unlearning schützt Modelle vor indirekten Angriffen

Intrusive Lorentz Neural Network: Rekordleistung im hyperbolischen Lernen

ECHO: Gemeinschaften in Attributierten Netzwerken ohne Speicherengpässe

Trainingdatenqualität bestimmt Klassifikator-Erfolg – kritische Schwelle

Momentum Guidance: Neue, effiziente Steuerung für Flow-Modelle

Neues Quantitatives Approximationstheorem für gruppeninvariante Lernmodelle

Deep Learning revolutioniert Hautkrebsdiagnose: VGG16 und DenseNet201 im Test

Neuralnetze meistern Modulare Addition: Fourier, Lottery Ticket & Grokking erklärt

SpecMuon: Spektraler Optimierer beschleunigt physikbasierte neuronale Netze

Neues KI-Modell vorhersagt schwere Sonnenstürme mit hoher Genauigkeit

ExLipBaB: Lipschitz-Konstante für Stückweise lineare neuronale Netze berechnen

Rationale Aktivierungen: Mehr Ausdruckskraft und Effizienz in neuronalen Netzen

WSBD: Neuer Optimierer für Quantenneuronale Netze beschleunigt Training um 64 %

SnareNet: Reparationsschichten für neuronale Netze mit harten Constraints

FEM-gestützte Hypergraph-Neuronale Netze revolutionieren elastoplastische Simulationen

🍪 Cookie-Einstellungen

WSBD: Neuer Optimierer für Quantenneuronale Netze beschleunigt Training um 64 %