Suche nach Prädiktor | meineki.news

Leichtgewichtiger Tree-of-Thought-Ansatz mit Plug-and-Play-Prädiktor

In der Welt der großen Sprachmodelle (LLMs) hat die Fähigkeit zum komplexen Denken stark zugenommen. Doch etablierte Methoden wie das Tree-…

arXiv – cs.AI 24.03.2026 04:00

Forschung

V2X‑Datenfusion steigert Fahrzeugdiagnose um 2,6 F1‑Punkte

Ein neues Konzept für die vorausschauende Wartung von Fahrzeugen nutzt V2X‑Kommunikation, um Echtzeit‑Daten von Bordsensoren mit externen K…

arXiv – cs.LG 17.03.2026 04:00

Forschung

Von Müll zu Gold: Wie Datenarchitektur die Vorhersagekraft stärkt

In einer bahnbrechenden Studie wird das weit verbreitete „Garbage‑In, Garbage‑Out“-Mantra neu bewertet: Moderne tabellarische Lernmodelle e…

arXiv – cs.AI 16.03.2026 04:00

Forschung

Neuer Ansatz liefert valide Feature-Tests für tabellarische Modelle

Moderne Machine‑Learning‑Modelle sind extrem ausdrucksstark, doch ihre statistische Analyse bleibt ein großes Problem. Zwar erzielen Black‑…

arXiv – cs.LG 10.03.2026 04:00

Forschung

Bayessche Optimierung von In-Context Learning mit selektiven Zustandsräumen

In einer kürzlich veröffentlichten Arbeit auf arXiv (2602.17744v1) stellen die Autoren ein neues Prinzip vor, das In-Context Learning (ICL)…

arXiv – cs.LG 23.02.2026 05:00

Forschung

PBS beschleunigt Sprachmodelltraining: Verlustbasierte Stichprobenpriorisierung

Ein neues Verfahren namens Predictive Batch Scheduling (PBS) verspricht, das Training von Sprachmodellen deutlich zu beschleunigen. Dabei w…

arXiv – cs.AI 20.02.2026 05:00

Forschung

Tensor-Methoden enthüllen Muster im Verhalten an Bahnübergängen

Die Sicherheit an Bahnübergängen ist ein komplexes Problem, bei dem das Fahrerverhalten stark von Ort, Tageszeit und Wetterbedingungen abhä…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Reguliertes Meta-Lernen steigert Ensemble-Genauigkeit drastisch

Deep-Ensemble-Methoden erhöhen die Vorhersageleistung, stoßen jedoch häufig an drei praktische Grenzen: redundante Basismodelle erhöhen den…

arXiv – cs.LG 16.02.2026 05:00

Forschung

Neues Modell: Predictive Associative Memory nutzt zeitliche Ko‑Ereignisse statt Ähnlichkeit

In einer wegweisenden Veröffentlichung auf arXiv wird ein neues Konzept für neuronale Speichersysteme vorgestellt: Predictive Associative M…

arXiv – cs.LG 13.02.2026 05:00

Forschung

R2RAG‑Flood: KI‑gestützte Schadensvorhersage ohne Training

Ein neues, auf Logik basierendes KI‑Framework namens R2RAG‑Flood ermöglicht die sofortige Vorhersage von Gebäudeschäden nach Stürmen – und…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Bootstrapping-Regularisierung erhöht Stabilität klinischer Risiko‑Modelle

In der klinischen Praxis werden Vorhersagemodelle immer häufiger eingesetzt, doch viele Deep‑Learning‑Ansätze zeigen eine erhebliche Instab…

arXiv – cs.LG 13.02.2026 05:00

Forschung

Deep Learning übertrifft ML bei Vorhersage von Kinder-Malnutrition in Nepal

In einer wegweisenden Analyse aus Nepal zeigen Deep‑Learning‑Modelle deutlich bessere Ergebnisse als klassische Machine‑Learning‑Algorithme…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Neues KI-Modell: ODE-basierte Netzwerke für intervalle-censierte Zeitdaten

Ein neues Forschungsprojekt präsentiert ICODEN, ein neuronales Netzwerk, das gewöhnliche Differentialgleichungen nutzt, um die Hazard-Funkt…

arXiv – cs.LG 12.02.2026 05:00

Forschung

KI-Modelle prognostizieren Aufenthaltsdauer nach Wirbelsäulenoperation – 29 Studien

Eine systematische Übersicht von 29 Studien, die zwischen 2015 und 2024 veröffentlicht wurden, zeigt, dass moderne KI‑Modelle die Dauer des…

arXiv – cs.LG 04.02.2026 05:00

Forschung

GRIP2: Robustes, leistungsstarkes Deep‑Knockoff‑Verfahren zur Merkmalsauswahl

Ein brandneues Verfahren namens GRIP2 (Group Regularization Importance Persistence in 2 Dimensions) verspricht, die Auswahl relevanter Merk…

arXiv – cs.LG 03.02.2026 05:00

Forschung

Meddollina: Der neue Standard für kontinuierliche klinische Intelligenz

Generative KI‑Modelle im Gesundheitswesen wirken zunehmend flüssig und wissend, doch echte klinische Entscheidungsfindung ist weit mehr als…

arXiv – cs.AI 02.02.2026 05:00

Forschung

Neue Theorie erklärt Synergie in Multi-Agent-Systemen unter Budgetgrenze

Forscher haben eine kompakte, kalibrierbare Theorie entwickelt, die genau vorhersagt, wann Multi-Agent-Systeme unter einem festen Rechenbud…

arXiv – cs.AI 27.01.2026 05:00

Forschung

Optimiertes Entscheidungsbaum-Framework erkennt IoT‑Anomalien mit 99,91 % Genauigkeit

Mit der rasanten Verbreitung von IoT‑Geräten wächst die Angriffsfläche für Cyberbedrohungen enorm. Ein robustes Intrusion‑Detection‑System…

arXiv – cs.AI 22.01.2026 05:00

Forschung

Neues Modell MSR-HINE verbessert Langzeitvorhersagen chaotischer Systeme drastisch

Die Vorhersage von chaotischen dynamischen Systemen über lange Zeiträume bleibt ein zentrales Problem in der Wissenschaft, weil kleine Fehl…

arXiv – cs.LG 22.01.2026 05:00

Forschung

Generative KI: Pilot zeigt sichere, skalierbare Gesundheitsunterstützung

Eine neue Studie aus dem Jahr 2025 hat gezeigt, dass ein speziell entwickelter generativer KI‑Chatbot für psychische Gesundheit sichere, pe…

arXiv – cs.AI 19.01.2026 05:00

Forschung

ZeroRouter: Kosten‑effiziente, Zero‑Shot-LLM-Routing-Lösung ohne Modell‑Lock‑In

Die rasante Verbreitung von Large Language Models (LLMs) hat ein fragmentiertes und ineffizientes Ökosystem geschaffen, in dem die nahtlose…

arXiv – cs.LG 13.01.2026 05:00

Forschung

Graphische Analyse von Würfelkopien: Neuer Ansatz zur Alzheimer‑Diagnose

Frühe und leicht zugängliche Erkennung von Alzheimer bleibt eine zentrale Herausforderung in der klinischen Praxis. Ein neuer Ansatz nutzt…

arXiv – cs.LG 19.12.2025 05:00

Forschung

SparOA: Hybrid-CPU-GPU beschleunigt Edge-DNN-Infereenzen um bis zu 50 %

Die steigenden Rechenanforderungen von Deep‑Neural‑Network‑Modellen stellen besonders auf ressourcenbeschränkten Edge‑Geräten ein erheblich…

arXiv – cs.AI 26.11.2025 05:00

Forschung

Steuerung latenter Merkmale: Empirische Studie zur Aktivierungssteuerung von LLMs

Moderne Sprachmodelle benötigen eine präzise Steuerung ihres Verhaltens, um sicher und effektiv in vielfältigen Anwendungen eingesetzt werd…

arXiv – cs.AI 25.11.2025 05:00

Forschung

Emotionale Social-Media-Empfehlungen: KI lernt, Nutzerwohlbefinden zu schützen

In der heutigen digitalen Landschaft bestimmen Social‑Media‑Empfehlungssysteme maßgeblich, welche Inhalte Nutzer sehen und damit auch ihre…

arXiv – cs.AI 20.11.2025 05:00

Forschung

Erklärbares KI-Tool zur PCOS‑Risikobewertung: Fairness, Kalibrierung, Anwendung

Ein neues, erklärbares KI‑Framework wurde vorgestellt, das die Vorhersage von polyzystischem Ovarialsyndrom (PCOS) mit besonderem Fokus auf…

arXiv – cs.LG 18.11.2025 05:00

Forschung

Automatisierte FIM‑Bewertung durch Deep Learning erkennt Bewegungsmuster

Ein neues Forschungsprojekt aus dem Bereich der Rehabilitationsmedizin hat einen automatisierten Ansatz zur Schätzung des Functional Indepe…

arXiv – cs.LG 17.11.2025 05:00

Forschung

JEPAs entschlüsseln dynamische Muster: Koopman‑Invarianten als Schlüssel

Forscher haben ein neues Geheimnis der Joint‑Embedding Predictive Architectures (JEPAs) gelüftet: Diese selbstüberwachten Modelle gruppiere…

arXiv – cs.LG 14.11.2025 05:00

Forschung

Neuer Gradient‑Aware Kompressor reduziert FL-Kommunikationskosten drastisch

Federated Learning (FL) ermöglicht es, Modelle gemeinsam zu trainieren, ohne dass die privaten Daten der Clients offengelegt werden. In der…

arXiv – cs.LG 11.11.2025 05:00

Forschung

KoTaP: Panel-Datensatz zu Steuervermeidung, Performance und Governance in Korea

Die neue Studie präsentiert KoTaP, ein langjähriges Panel-Datensatz für nicht-finanzielle Unternehmen, die zwischen 2011 und 2024 an der KO…

arXiv – cs.LG 07.11.2025 05:00

Finde Modelle, Firmen und Themen

Leichtgewichtiger Tree-of-Thought-Ansatz mit Plug-and-Play-Prädiktor

V2X‑Datenfusion steigert Fahrzeugdiagnose um 2,6 F1‑Punkte

Von Müll zu Gold: Wie Datenarchitektur die Vorhersagekraft stärkt

Neuer Ansatz liefert valide Feature-Tests für tabellarische Modelle

Bayessche Optimierung von In-Context Learning mit selektiven Zustandsräumen

PBS beschleunigt Sprachmodelltraining: Verlustbasierte Stichprobenpriorisierung

Tensor-Methoden enthüllen Muster im Verhalten an Bahnübergängen

Reguliertes Meta-Lernen steigert Ensemble-Genauigkeit drastisch

Neues Modell: Predictive Associative Memory nutzt zeitliche Ko‑Ereignisse statt Ähnlichkeit

R2RAG‑Flood: KI‑gestützte Schadensvorhersage ohne Training

Bootstrapping-Regularisierung erhöht Stabilität klinischer Risiko‑Modelle

Deep Learning übertrifft ML bei Vorhersage von Kinder-Malnutrition in Nepal

Neues KI-Modell: ODE-basierte Netzwerke für intervalle-censierte Zeitdaten

KI-Modelle prognostizieren Aufenthaltsdauer nach Wirbelsäulenoperation – 29 Studien

GRIP2: Robustes, leistungsstarkes Deep‑Knockoff‑Verfahren zur Merkmalsauswahl

Meddollina: Der neue Standard für kontinuierliche klinische Intelligenz

Neue Theorie erklärt Synergie in Multi-Agent-Systemen unter Budgetgrenze

Optimiertes Entscheidungsbaum-Framework erkennt IoT‑Anomalien mit 99,91 % Genauigkeit

Neues Modell MSR-HINE verbessert Langzeitvorhersagen chaotischer Systeme drastisch

Generative KI: Pilot zeigt sichere, skalierbare Gesundheitsunterstützung

ZeroRouter: Kosten‑effiziente, Zero‑Shot-LLM-Routing-Lösung ohne Modell‑Lock‑In

Graphische Analyse von Würfelkopien: Neuer Ansatz zur Alzheimer‑Diagnose

SparOA: Hybrid-CPU-GPU beschleunigt Edge-DNN-Infereenzen um bis zu 50 %

Steuerung latenter Merkmale: Empirische Studie zur Aktivierungssteuerung von LLMs

Emotionale Social-Media-Empfehlungen: KI lernt, Nutzerwohlbefinden zu schützen

Erklärbares KI-Tool zur PCOS‑Risikobewertung: Fairness, Kalibrierung, Anwendung

Automatisierte FIM‑Bewertung durch Deep Learning erkennt Bewegungsmuster

JEPAs entschlüsseln dynamische Muster: Koopman‑Invarianten als Schlüssel

Neuer Gradient‑Aware Kompressor reduziert FL-Kommunikationskosten drastisch

KoTaP: Panel-Datensatz zu Steuervermeidung, Performance und Governance in Korea

🍪 Cookie-Einstellungen

V2X‑Datenfusion steigert Fahrzeugdiagnose um 2,6 F1‑Punkte

Optimiertes Entscheidungsbaum-Framework erkennt IoT‑Anomalien mit 99,91 % Genauigkeit

SparOA: Hybrid-CPU-GPU beschleunigt Edge-DNN-Infereenzen um bis zu 50 %