Suche nach RNN | meineki.news

PPO bleibt robust: Sequenzmodelle bekämpfen Sensorfehler in RL-Systemen

Reinforcement‑Learning‑Systeme müssen in der Praxis mit Veränderungen in ihren Beobachtungsdaten umgehen können. Die meisten gängigen Polic…

arXiv – cs.LG 06.03.2026 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

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

LLM-gestützte Analyse von Hirnnetzwerken: FCN-LLM setzt neue Maßstäbe

Große Sprachmodelle (LLMs) haben in den letzten Jahren enorme Fortschritte im Sprachverständnis und in multimodalen Anwendungen erzielt. In…

arXiv – cs.AI 03.03.2026 05:00

Forschung

Transit-Netzwerk-Design mit KI: Zwei‑Ebene Nachfrageunsicherheit

Ein neues Forschungsmodell namens 2LRC‑TND (Two‑Level Rider Choice Transit Network Design) kombiniert maschinelles Lernen mit kontextualer…

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

Fixierte Pole in RNNs: Effizientere Online-Training für Echtzeit-Anwendungen

Eine neue Untersuchung auf arXiv beleuchtet, warum das Lernen der Pole in rekurrenten neuronalen Netzen (RNNs) bei Echtzeit-Online-Training…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Neue Theorie verbindet Feature‑Lernen in RNNs und DNNs

Forscher haben eine einheitliche Mittelwertfeld‑Theorie entwickelt, die das Feature‑Learning in rekurrenten und tiefen neuronalen Netzwerke…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Effiziente kontinuierliche Vorhersagen mit Coden: Neuer TGNN-Ansatz

Die Verarbeitung dynamischer Graphen steht im Fokus neuer Forschung, doch bisherige Temporal Graph Neural Networks (TGNNs) sind meist auf e…

arXiv – cs.LG 16.02.2026 05:00

Forschung

SGD sucht nicht nach Flachheit – Daten bestimmen die Schärfe

Ein neues arXiv‑Veröffentlichung (2602.05065v1) beleuchtet die lange diskutierte Frage, ob der klassische Stochastic Gradient Descent (SGD)…

arXiv – cs.LG 06.02.2026 05:00

Forschung

Neues erklärbares Deep-Learning-Modell liefert präzise ADHD-Diagnose

Ein neu entwickeltes, erklärbares Deep-Learning-Framework verspricht, die Diagnose von Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS…

arXiv – cs.LG 04.02.2026 05:00

Forschung

Adaptive Flow Routing entschlüsselt latente Gehirnnetzwerke

Die Frage, wie sich großräumige kognitive Phänotypen aus mikroskopischer neuronaler Vernetzung ableiten lassen, bleibt ein zentrales Ziel d…

arXiv – cs.AI 03.02.2026 05:00

Forschung

Nezentrales Federated Learning: zweite Ordnung verbessert Konvergenz

Dezentrales Federated Learning (DFL) ermöglicht es Geräten, ohne zentralen Server direkt miteinander zu kommunizieren und gemeinsam ein all…

arXiv – cs.AI 29.01.2026 05:00

Forschung

Kritische Organisation von Deep Neural Networks und p-adischen Feldtheorien

In einer wegweisenden Arbeit untersuchen die Autoren die thermodynamische Grenze von Deep Neural Networks (DNNs) und rekurrenten neuronalen…

arXiv – cs.LG 28.01.2026 05:00

Forschung

N-Way Self-Evaluating Deliberation: Neue Architektur vereint heterogene Agenten

Das N-Way Self-Evaluating Deliberation (NSED) ist ein neues Runtime Mixture-of-Models (MoM)-Protokoll, das aus einer Vielzahl unterschiedli…

arXiv – cs.AI 26.01.2026 05:00

Forschung

KI-gestützte Reflexionsfragen: Zwei-Agenten-Framework verbessert Qualität

Eine neue Studie zeigt, wie KI-basierte Sprachmodelle Lehrkräfte bei der Erstellung von Reflexionsfragen unterstützen können. Durch einen s…

arXiv – cs.LG 22.01.2026 05:00

Forschung

LLMs für Zeitreihenklassifikation: Inception‑Encoder liefern Resultate

Die jüngste Studie zeigt, dass große Sprachmodelle (LLMs) nicht nur in der natürlichen Sprachverarbeitung glänzen, sondern auch bei der Kla…

arXiv – cs.LG 16.01.2026 05:00

Forschung

Neuer Ansatz verbessert Domänenübergreifende Generalisierung bei RNNs

Deep‑Learning‑Modelle haben in den letzten Jahren enorme Fortschritte erzielt, doch ihre begrenzte Interpretierbarkeit und die Schwäche bei…

arXiv – cs.LG 14.01.2026 05:00

Forschung

Discrete Transformer: Algorithmen aus Modellen extrahieren – neue Interpretierbarkeit

Ein neues Verfahren namens Discrete Transformer eröffnet die Möglichkeit, aus trainierten Modellen eigenständig ausführbare Programme zu ge…

arXiv – cs.LG 12.01.2026 05:00

Forschung

DynaSTy: Vorhersage von Knoteneigenschaften in dynamischen Graphen

Ein neues Framework namens DynaSTy verspricht, die Vorhersage von Knoteneigenschaften in dynamischen Graphen deutlich zu verbessern. Durch…

arXiv – cs.LG 12.01.2026 05:00

Forschung

DM‑RNN: Quantensystem für musikalische Kontext‑ und Polyphonieanalyse

Ein neues Modell namens Density Matrix RNN (DM‑RNN) eröffnet die Möglichkeit, musikalische Ambiguität mathematisch exakt zu erfassen. Im Ge…

arXiv – cs.LG 09.01.2026 05:00

Praxis

NVIDIA präsentiert Nemotron Speech ASR: Spracherkennung für geringe Latenz

NVIDIA hat sein neuestes Streaming‑Transkriptionsmodell „Nemotron Speech ASR“ vorgestellt, das speziell für Anwendungen mit niedriger Laten…

MarkTechPost 07.01.2026 04:12

Forschung

Neues universelles MRI-Rekonstruktionsmodell: SDUM liefert skalierbare Ergebnisse

Ein neues, universelles Modell für die Rekonstruktion von Magnetresonanztomographie (MRT)-Daten, das als Scalable Deep Unrolled Model (SDUM…

arXiv – cs.AI 22.12.2025 05:00

Forschung

Neues ML-Framework vorhersagt Thromboserisiko bei rotierenden Blutpumpen

Ein neu entwickeltes, interpretierbares Machine‑Learning‑Framework ermöglicht die präzise Vorhersage von Thromboserisiken in rotierenden Bl…

arXiv – cs.LG 19.12.2025 05:00

Forschung

RNN-Modell reduziert Fehler bei Stromlastvorhersagen dank Fourier-Integration

Eine neue Studie aus dem arXiv-Repository präsentiert ein Fourier-verbessertes rekurrentes neuronales Netzwerk (RNN), das die Genauigkeit v…

arXiv – cs.LG 10.12.2025 05:00

Forschung

Multimodales Graph-Netzwerk prognostiziert Gehirnnetzwerk-Reorganisation

Ein neues multimodales Graph-Neuronales Netzwerk verspricht, die dynamische Umstrukturierung von Gehirnnetzwerken präziser vorherzusagen al…

arXiv – cs.LG 09.12.2025 05:00

Forschung

Neues Maß für Gedächtnisverbrauch in Reinforcement Learning

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein neues, modellunabhängiges Messinstrument namens Temporal Range vorgestellt, da…

arXiv – cs.LG 09.12.2025 05:00

Forschung

RNNs führen Aufgaben durch dynamisches Verformen neuronaler Darstellungen aus

Neurale Netzwerke sind nicht nur statische Rechenmaschinen – sie verändern ihre inneren Darstellungen ständig, um Aufgaben zu lösen. In ein…

arXiv – cs.LG 05.12.2025 05:00

Forschung

BrainHGT: Neuer Graph-Transformer für interpretierbare Hirnnetzwerkanalyse

Der neu veröffentlichte Graph-Transformer „BrainHGT“ nutzt die hierarchische Struktur des Gehirns, um Hirnnetzwerke genauer zu analysieren…

arXiv – cs.LG 25.11.2025 05:00

Finde Modelle, Firmen und Themen

PPO bleibt robust: Sequenzmodelle bekämpfen Sensorfehler in RL-Systemen

Neue RNNs mit selektiver Aktualisierung meistern Langzeitsequenzen effizient

LLM-gestützte Analyse von Hirnnetzwerken: FCN-LLM setzt neue Maßstäbe

Transit-Netzwerk-Design mit KI: Zwei‑Ebene Nachfrageunsicherheit

Neues Framework erhöht Robustheit bei medizinischen Zeitreihen

Neue Urban‑Vibrancy‑Embeddings verbessern Verkehrsvorhersagen

Fixierte Pole in RNNs: Effizientere Online-Training für Echtzeit-Anwendungen

Neue Theorie verbindet Feature‑Lernen in RNNs und DNNs

Effiziente kontinuierliche Vorhersagen mit Coden: Neuer TGNN-Ansatz

SGD sucht nicht nach Flachheit – Daten bestimmen die Schärfe

Neues erklärbares Deep-Learning-Modell liefert präzise ADHD-Diagnose

Adaptive Flow Routing entschlüsselt latente Gehirnnetzwerke

Nezentrales Federated Learning: zweite Ordnung verbessert Konvergenz

Kritische Organisation von Deep Neural Networks und p-adischen Feldtheorien

N-Way Self-Evaluating Deliberation: Neue Architektur vereint heterogene Agenten

KI-gestützte Reflexionsfragen: Zwei-Agenten-Framework verbessert Qualität

**LLMs für Zeitreihenklassifikation: Inception‑Encoder liefern Resultate**

Neuer Ansatz verbessert Domänenübergreifende Generalisierung bei RNNs

Discrete Transformer: Algorithmen aus Modellen extrahieren – neue Interpretierbarkeit

DynaSTy: Vorhersage von Knoteneigenschaften in dynamischen Graphen

DM‑RNN: Quantensystem für musikalische Kontext‑ und Polyphonieanalyse

NVIDIA präsentiert Nemotron Speech ASR: Spracherkennung für geringe Latenz

Neues universelles MRI-Rekonstruktionsmodell: SDUM liefert skalierbare Ergebnisse

Neues ML-Framework vorhersagt Thromboserisiko bei rotierenden Blutpumpen

RNN-Modell reduziert Fehler bei Stromlastvorhersagen dank Fourier-Integration

Multimodales Graph-Netzwerk prognostiziert Gehirnnetzwerk-Reorganisation

Neues Maß für Gedächtnisverbrauch in Reinforcement Learning

RNNs führen Aufgaben durch dynamisches Verformen neuronaler Darstellungen aus

BrainHGT: Neuer Graph-Transformer für interpretierbare Hirnnetzwerkanalyse

🍪 Cookie-Einstellungen

LLMs für Zeitreihenklassifikation: Inception‑Encoder liefern Resultate