Suche nach Stationarität

FTimeXer: Transformer steigert CO₂-Vorhersage im Stromnetz

Ein neuer Ansatz namens FTimeXer verspricht, die Genauigkeit von Vorhersagen zum CO₂-Fußabdruck des Stromnetzes deutlich zu erhöhen. Durch…

arXiv – cs.LG 06.04.2026 04:00

Forschung

Causal-Audit: Risikobewertung von Annahmeverletzungen in Zeitreihen-Kausalität

Ein neues Tool namens Causal-Audit bietet Forschern eine systematische Möglichkeit, die Zuverlässigkeit von Zeitreihen-Kausalitätsmethoden…

arXiv – cs.LG 06.04.2026 04:00

Forschung

Transformer-Modelle revolutionieren Windstrukturvorhersage und digitale Zwillinge

Ein neues Transformer‑Verfahren zur Vorhersage von windinduzierten strukturellen Reaktionen wurde vorgestellt. Das Modell kombiniert eine s…

arXiv – cs.LG 03.04.2026 04:00

Forschung

TimeAPN: Adaptive Normalisierung von Amplitude und Phase in Zeitreihen

Die Herausforderung der Nichtstationarität in multivariaten Langzeitzeitreihen ist ein zentrales Problem für die Vorhersagegenauigkeit. Sch…

arXiv – cs.LG 19.03.2026 04:00

Forschung

<p>Zwei‑Stufen‑Unsicherheit: Sicheres Einsetzen von Aktien‑Rangiermodellen</p> <p>Moderne Aktien‑Rangiermodelle werden häufig so eingesetzt, als wären reine Punktvorhersagen ausreichend: Das Modell liefert Scores, und das Portfolio folgt der daraus resultierenden Reihenfolge. Unter Nicht‑Stationarität können diese Rangierer jedoch bei regime‑Wechseln versagen. Im AI Stock Forecaster liefert ein LightGBM‑Rangierer insgesamt gute Ergebnisse für einen 20‑Tage‑Horizont, doch die 2024‑Holdout‑Phase fällt in eine

arXiv – cs.AI 17.03.2026 04:00

Forschung

Hybrid‑AI: Regression trifft Foundation Models für präzise Strompreisprognosen

Die Strompreis‑Markt‑Daten sind bekannt für ihre extreme Volatilität, Nichtlinearität und Nicht‑Stationarität. Diese Eigenschaften machen g…

arXiv – cs.LG 10.03.2026 04:00

Forschung

Neues Modell kombiniert Node-Transformer und BERT‑Sentiment für Börsenprognosen

In einer kürzlich veröffentlichten Studie auf arXiv wird ein innovatives Prognosemodell vorgestellt, das die Vorhersagegenauigkeit für Akti…

arXiv – cs.LG 09.03.2026 04:00

Forschung

HiMAC: Hierarchisches Lernen für LLM-Agenten in Langzeitaufgaben

In einer neuen Veröffentlichung auf arXiv präsentiert HiMAC ein innovatives, hierarchisches Lernframework, das Large Language Model (LLM)-A…

arXiv – cs.AI 03.03.2026 05:00

Forschung

GradAlign: Gradientbasierte Datenauswahl verbessert RL für LLMs

Reinforcement Learning (RL) hat sich zu einem zentralen Post‑Training‑Paradigma für große Sprachmodelle (LLMs) entwickelt, doch seine Leist…

arXiv – cs.LG 26.02.2026 05:00

Forschung

VCDF: Ein robustes Framework zur kausalen Entdeckung in Zeitreihen

Die kausale Analyse von Zeitreihen ist entscheidend, um dynamische Systeme zu verstehen, doch viele bestehende Verfahren sind empfindlich g…

arXiv – cs.AI 26.02.2026 05:00

Forschung

Oracle‑robuste Online‑Alignment für große Sprachmodelle: Neue Fortschritte

In einer kürzlich veröffentlichten Arbeit auf arXiv wird ein neuer Ansatz zur Online‑Ausrichtung großer Sprachmodelle vorgestellt, der mit…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Neues Verfahren entschlüsselt Gehirnverbindungen trotz indirekter Messungen

Die gezielte Ermittlung von gerichteten Verbindungen im Gehirn aus neuroimaging-Daten ist ein schwieriges Problem. Hemodynamische Filterung…

arXiv – cs.AI 11.02.2026 05:00

Forschung

Online-Lernen Markov-Spielen: Empirischer Nash-Wert-Fehler & Nicht-Stationarität

In einer neuen Studie auf arXiv wird das Online-Lernen in zwei‑Spieler‑Markov‑Spielen ohne Beobachtung der gegnerischen Aktionen untersucht…

arXiv – cs.LG 10.02.2026 05:00

Forschung

Hybrid‑Modelle verbessern epidemiologische Prognosen um bis zu 35 %

Eine neue Studie aus dem arXiv‑Repository zeigt, dass die Kombination von mechanistischen Kompartimentmodellen mit neuronalen Netzwerken da…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Neues Netzwerk entdeckt verborgene Zusammenhänge in multivariaten Zeitreihen

Ein neues Forschungsprojekt aus dem Bereich der Zeitreihenanalyse hat ein innovatives, task‑agnostisches Entdeckungsframework vorgestellt…

arXiv – cs.LG 28.01.2026 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

LLMs revolutionieren Multi-Agenten: Ende der manuellen Belohnungs-Engineering

In der Welt des Multi-Agenten‑Reinforcement‑Learning bleibt die manuelle Gestaltung von Belohnungsfunktionen ein zentrales Problem. Die Zuo…

arXiv – cs.AI 14.01.2026 05:00

Forschung

UACER: Ensemble-Ansatz steigert Robustheit im adversarialen Reinforcement Learning

Robustes adversariales Reinforcement Learning gewinnt zunehmend an Bedeutung, wenn Agenten in realen Umgebungen mit unsicheren Störungen um…

arXiv – cs.LG 12.12.2025 05:00

Forschung

Neue Deep-Modelle liefern verlässliche Vorhersagen bei Regimewechseln

In einer wegweisenden Veröffentlichung auf arXiv wird gezeigt, wie Deep Switching State‑Space Models in Kombination mit Adaptive Conformal…

arXiv – cs.LG 04.12.2025 05:00

Forschung

DPWMixer: Wavelet-basierter Dual-Path-Mixer revolutioniert Langzeit-Vorhersagen

Die Vorhersage von Zeitreihen über lange Zeiträume ist ein zentrales Problem in der rechnergestützten Intelligenz. Traditionelle Transforme…

arXiv – cs.LG 03.12.2025 05:00

Forschung

Effizientes Spiking Neural Network lernt kontinuierlich für selbstadaptive iBMI

Die Zahl der gleichzeitig aufgezeichneten Neuronen in implantierbaren Gehirn‑Maschine‑Schnittstellen (iBMIs) wächst exponentiell. Um die Da…

arXiv – cs.LG 01.12.2025 05:00

Forschung

Staggered Resets verbessern Parallel‑RL‑Umgebungen drastisch

In der neuesten Veröffentlichung auf arXiv zeigt ein Forschungsteam, wie ein simples Reset-Verfahren die Effizienz von massiv parallelen Re…

arXiv – cs.LG 27.11.2025 05:00

Forschung

SG-OIF: Neues Framework für Echtzeit-Analyse von Einflussfaktoren in Vision-Modelle

Die Bewertung, wie einzelne Trainingsbeispiele die Vorhersagen eines tiefen Vision-Modells beeinflussen, ist entscheidend für die sichere N…

arXiv – cs.AI 26.11.2025 05:00

Forschung

COWM-Schicht stabilisiert Deep RL durch Clustering-basierte Gewichtorthogonalität

Reinforcement‑Learning‑Agenten haben in den letzten Jahren beeindruckende Leistungen erzielt, doch sie arbeiten meist unter der Annahme, da…

arXiv – cs.LG 18.11.2025 05:00

Forschung

MARL koordiniert heterogene Satellitencluster für autonome Erdbeobachtung

In einer wegweisenden Studie aus dem arXiv-Repository wird gezeigt, wie Multi‑Agent Reinforcement Learning (MARL) die Ressourcenoptimierung…

arXiv – cs.AI 18.11.2025 05:00

Forschung

Neuer Ansatz für effiziente Multi‑Objective Bilevel Learning

Ein neuer Ansatz namens WC‑MHGD eröffnet die Tür zu schnellen, effizienten Lösungen im Bereich Multi‑Objective Bilevel Learning (MOBL). Das…

arXiv – cs.LG 12.11.2025 05:00

Forschung

Neue Glaubensinertie: Harte Regret‑Grenzen bei nicht‑stationären Bandits

In einer kürzlich veröffentlichten Studie auf arXiv wird ein völlig neuer Ansatz zur Analyse von Regret‑Grenzen in nicht‑stationären Multi‑…

arXiv – cs.LG 11.11.2025 05:00

Forschung

Multi-Agent Reinforcement Learning revolutioniert intelligente Verkehrssysteme – umfassende Übersicht

Die Komplexität moderner Städte erfordert neue Wege, um Mobilität effizient, nachhaltig und flexibel zu gestalten. In diesem Kontext steht…

arXiv – cs.LG 29.08.2025 05:00

Forschung

FinCast: Das erste Basismodell für Finanzzeitreihen‑Vorhersagen

FinCast ist das erste „Foundation Model“, das speziell für die Vorhersage von Finanzzeitreihen entwickelt wurde. Durch das Training an umfa…

arXiv – cs.LG 28.08.2025 05:00

Forschung

Neuer Transformer verbessert Schlafstadienklassifikation dank EEG‑EOG‑Fusion

Ein neues Verfahren namens SleepDIFFormer nutzt einen Multivariate Differential Transformer, um die Klassifikation von Schlafstadien aus EE…

arXiv – cs.LG 22.08.2025 05:00

Finde Modelle, Firmen und Themen

FTimeXer: Transformer steigert CO₂-Vorhersage im Stromnetz

Causal-Audit: Risikobewertung von Annahmeverletzungen in Zeitreihen-Kausalität

Transformer-Modelle revolutionieren Windstrukturvorhersage und digitale Zwillinge

TimeAPN: Adaptive Normalisierung von Amplitude und Phase in Zeitreihen

Hybrid‑AI: Regression trifft Foundation Models für präzise Strompreisprognosen

Neues Modell kombiniert Node-Transformer und BERT‑Sentiment für Börsenprognosen

HiMAC: Hierarchisches Lernen für LLM-Agenten in Langzeitaufgaben

GradAlign: Gradientbasierte Datenauswahl verbessert RL für LLMs

VCDF: Ein robustes Framework zur kausalen Entdeckung in Zeitreihen

Oracle‑robuste Online‑Alignment für große Sprachmodelle: Neue Fortschritte

Neues Verfahren entschlüsselt Gehirnverbindungen trotz indirekter Messungen

Online-Lernen Markov-Spielen: Empirischer Nash-Wert-Fehler & Nicht-Stationarität

Hybrid‑Modelle verbessern epidemiologische Prognosen um bis zu 35 %

Neues Netzwerk entdeckt verborgene Zusammenhänge in multivariaten Zeitreihen

Neues FAConvLSTM-Modell steigert Effizienz und Genauigkeit bei Klimadatenanalyse

LLMs revolutionieren Multi-Agenten: Ende der manuellen Belohnungs-Engineering

UACER: Ensemble-Ansatz steigert Robustheit im adversarialen Reinforcement Learning

Neue Deep-Modelle liefern verlässliche Vorhersagen bei Regimewechseln

DPWMixer: Wavelet-basierter Dual-Path-Mixer revolutioniert Langzeit-Vorhersagen

Effizientes Spiking Neural Network lernt kontinuierlich für selbstadaptive iBMI

Staggered Resets verbessern Parallel‑RL‑Umgebungen drastisch

SG-OIF: Neues Framework für Echtzeit-Analyse von Einflussfaktoren in Vision-Modelle

COWM-Schicht stabilisiert Deep RL durch Clustering-basierte Gewichtorthogonalität

MARL koordiniert heterogene Satellitencluster für autonome Erdbeobachtung

Neuer Ansatz für effiziente Multi‑Objective Bilevel Learning

Neue Glaubensinertie: Harte Regret‑Grenzen bei nicht‑stationären Bandits

Multi-Agent Reinforcement Learning revolutioniert intelligente Verkehrssysteme – umfassende Übersicht

FinCast: Das erste Basismodell für Finanzzeitreihen‑Vorhersagen

Neuer Transformer verbessert Schlafstadienklassifikation dank EEG‑EOG‑Fusion

🍪 Cookie-Einstellungen

Hybrid‑Modelle verbessern epidemiologische Prognosen um bis zu 35 %