Suche nach Tabellendaten

MedFeat: KI-gestützte Feature Engineering für klinische Tabellendaten

In der Analyse klinischer Tabellendaten übertreffen klassische Modelle mit gezielter Feature Engineering häufig neuronale Netzwerke. Durch…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Chebyshev-Polynome und anisotrope RBF-Modelle in Tabellendatenregression

In einer aktuellen Veröffentlichung auf arXiv wird die Rolle von glatten Basisfunktionen in der Tabellendatenregression neu beleuchtet. Wäh…

arXiv – cs.LG 27.02.2026 05:00

Forschung

MultiModalPFN: TabPFN erweitert für multimodale Tabellendaten

TabPFN hat sich als leistungsstarkes Basismodell für tabellarische Daten etabliert, stößt jedoch an Grenzen, wenn heterogene Modalitäten wi…

arXiv – cs.LG 25.02.2026 05:00

Forschung

MapTab: Neue Benchmark für multimodale Routenplanung

Die Forschung zu multimodalen großen Sprachmodellen (MLLMs) erreicht einen wichtigen Meilenstein: Mit dem neuen Benchmark MapTab können Ent…

arXiv – cs.LG 24.02.2026 05:00

Forschung

O-Shap: Neue hierarchische SHAP-Methode verbessert Bild- und Tabellenerklärungen

Die neu vorgestellte Methode O‑Shap erweitert die klassische Shapley‑Value‑Analyse um die Owen‑Value‑Erweiterung, die Gruppenzugehörigkeite…

arXiv – cs.AI 20.02.2026 05:00

Forschung

UTOPIA: Tabellendaten unlernbar machen – neue Methode schützt sensible Daten

In der Welt der künstlichen Intelligenz gibt es ein neues Werkzeug, das dafür sorgt, dass sensible Tabellendaten nicht ohne Erlaubnis train…

arXiv – cs.LG 10.02.2026 05:00

Forschung

Neue Angriffsmethode enthüllt Privatsphäre‑Lücken in Mehrtabellendaten

```german Die Forschung zur Entwicklung von KI-gestützten Lernsystemen hat in den letzten Jahren erhebliche Fortschritte gemacht. Diese Sys…

arXiv – cs.LG 10.02.2026 05:00

Forschung

Neues Verfahren verbessert Qualität und Datenschutz bei synthetischen Tabellendaten

Forscher haben ein einfaches, modellunabhängiges Nachbearbeitungsverfahren entwickelt, das die Qualität und den Datenschutz synthetischer T…

arXiv – cs.LG 09.02.2026 05:00

Forschung

LLM-Feature Engineering: Mensch-LLM-Kollaboration verbessert Tabellendaten

In der Welt der tabellarischen Datenanalyse setzen immer mehr Forscher auf große Sprachmodelle (LLMs), um Feature‑Engineering zu automatisi…

arXiv – cs.LG 30.01.2026 05:00

Forschung

StructuralCFN: Netzwerk erklärt Tabellendaten besser als Gradient Boosting

Tabellendaten sind in vielen hochriskanten Bereichen – von der Medizin bis zur Umweltforschung – allgegenwärtig. Trotz ihrer Bedeutung lief…

arXiv – cs.LG 29.01.2026 05:00

Forschung

FORESTLLM: LLMs stärken Random Forests für Few‑Shot-Tabellendaten

In Bereichen wie Finanzen, Gesundheitswesen und wissenschaftlicher Forschung entscheiden sich immer häufiger auf Basis von Tabellendaten…

arXiv – cs.LG 19.01.2026 05:00

Forschung

TABGR: Attributed Table Graphs verbessern Tabellendaten‑Reasoning

The text you provided is already in German.

arXiv – cs.AI 14.01.2026 05:00

Forschung

Entscheidungsbäume im Fokus: Regulierte Daten bestimmen Modellwahl

Entscheidungsbäume sind ein beliebtes Werkzeug für strukturierte Tabellendaten, weil sie leicht verständlich bleiben. In vielen Branchen we…

arXiv – cs.LG 19.12.2025 05:00

Forschung

Orion-Bix: Bi-Axial Attention revolutioniert Tabellendaten im Few-Shot-Lernen

Tabellendaten bilden die Basis der meisten realen Machine‑Learning‑Anwendungen, doch die Entwicklung von Modellen, die mit gemischten numer…

arXiv – cs.LG 02.12.2025 05:00

Forschung

LLMs im Finanzbereich: SHAP-Analyse zeigt Grenzen und Chancen

LLMs haben in den letzten Jahren viel Aufmerksamkeit für Klassifikationsaufgaben erhalten, da sie mit Zero‑Shot‑Prompting eine flexible Alt…

arXiv – cs.LG 02.12.2025 05:00

Forschung

<iLTM: Das neue All-in-One-Modell für Tabellendaten</iLTM>

Tabellendaten bilden die Grundlage für Entscheidungen in Wissenschaft, Industrie und öffentlicher Verwaltung. Trotz großer Fortschritte im…

arXiv – cs.LG 21.11.2025 05:00

Forschung

MultiTab-Net: Transformer für Multitask‑Lernen bei Tabellendaten

Tabellendaten bilden die Grundlage zahlreicher Wirtschaftssysteme – von Finanzen über Gesundheitswesen bis hin zu E‑Commerce. Mit wachsende…

arXiv – cs.LG 14.11.2025 05:00

Forschung

<p>LLMs verbessern Tabellendaten-Feature-Engineering: Robustheits-Framework enthüllt</p> <p>Neuste Fortschritte bei großen Sprachmodellen (LLMs) zeigen großes Potenzial für die Feature‑Engineering‑Phase bei tabellarischen Daten. Gleichzeitig bleibt die Zuverlässigkeit ein Thema, weil die von LLMs erzeugten Ergebnisse stark variieren können. Um diesem Problem zu begegnen, präsentiert die aktuelle Studie ein mehrstufiges Diagnose‑ und Evaluationsframework, das die Robustheit von LLMs in der Feature‑Engineerin

arXiv – cs.LG 01.10.2025 05:00

Forschung

TabPFN v2: Mit Chunked-TabPFN Längere Tabellendaten ohne Vorverarbeitung meistern

Die neueste Version von TabPFN, genannt v2, übertrifft herkömmliche baumbasierte Modelle bei mehreren tabellarischen Benchmarks – ein bemer…

arXiv – cs.LG 03.09.2025 05:00

Forschung

InsightTab: LLMs meistern Tabellendaten durch datengetriebene Klassifikation

In einer kürzlich veröffentlichten Studie auf arXiv (2508.21561v1) wird gezeigt, dass große Sprachmodelle (LLMs) bei der Klassifikation von…

arXiv – cs.LG 01.09.2025 05:00

Forschung

Neues Framework SAFT verbessert Tabellendaten‑Lernen bei Verteilungsverschiebungen

In der Welt der tabellarischen Datenanalyse hat ein neues Konzept namens Shift‑Aware Feature Transformation (SAFT) die Messlatte für Robust…

arXiv – cs.LG 28.08.2025 05:00

Forschung

<h1>LLMs als universelle Vorhersagemodelle? Studie bei kleinen Tabellendaten</h1> <p>Eine neue Untersuchung auf arXiv zeigt, dass große Sprachmodelle (LLMs) – ursprünglich für die Verarbeitung natürlicher Sprache entwickelt – auch bei kleinen strukturierten Datensätzen gute Ergebnisse liefern können. Die Forscher haben die Fähigkeit von LLMs zur Funktionsapproximation auf Klassifikations-, Regressions- und Clusteringaufgaben getestet, ohne die Modelle explizit für die jeweiligen Aufgaben zu fine‑tunen.</p>

arXiv – cs.AI 26.08.2025 05:00

Forschung

FEST: Einheitlicher Rahmen zur Bewertung synthetischer Tabellendaten

Die Erzeugung synthetischer Daten mit generativen Machine‑Learning‑Modellen verspricht, die Privatsphäre bei der Nutzung echter Daten zu sc…

arXiv – cs.LG 25.08.2025 05:00

Forschung

ExBigBang: Erklärbare Persona‑Klassifizierung mit Hybrid‑Transformern

In der nutzerzentrierten Gestaltung gewinnt die Entwicklung von Personas zunehmend an Bedeutung, um Verhalten zu verstehen, Bedürfnisse zu…

arXiv – cs.LG 22.08.2025 05:00

Forschung

FairTabGen vereint Kausal- und Gegenfaktische Fairness bei Tabellendaten

Die Erzeugung synthetischer Daten ist in datensensiblen und datenarmen Bereichen unverzichtbar, insbesondere für die weit verbreiteten tabe…

arXiv – cs.LG 19.08.2025 05:00

Finde Modelle, Firmen und Themen

MedFeat: KI-gestützte Feature Engineering für klinische Tabellendaten

Chebyshev-Polynome und anisotrope RBF-Modelle in Tabellendatenregression

MultiModalPFN: TabPFN erweitert für multimodale Tabellendaten

MapTab: Neue Benchmark für multimodale Routenplanung

O-Shap: Neue hierarchische SHAP-Methode verbessert Bild- und Tabellenerklärungen

UTOPIA: Tabellendaten unlernbar machen – neue Methode schützt sensible Daten

Neue Angriffsmethode enthüllt Privatsphäre‑Lücken in Mehrtabellendaten

Neues Verfahren verbessert Qualität und Datenschutz bei synthetischen Tabellendaten

LLM-Feature Engineering: Mensch-LLM-Kollaboration verbessert Tabellendaten

StructuralCFN: Netzwerk erklärt Tabellendaten besser als Gradient Boosting

FORESTLLM: LLMs stärken Random Forests für Few‑Shot-Tabellendaten

TABGR: Attributed Table Graphs verbessern Tabellendaten‑Reasoning

Entscheidungsbäume im Fokus: Regulierte Daten bestimmen Modellwahl

Orion-Bix: Bi-Axial Attention revolutioniert Tabellendaten im Few-Shot-Lernen

LLMs im Finanzbereich: SHAP-Analyse zeigt Grenzen und Chancen

<iLTM: Das neue All-in-One-Modell für Tabellendaten</iLTM>

MultiTab-Net: Transformer für Multitask‑Lernen bei Tabellendaten

TabPFN v2: Mit Chunked-TabPFN Längere Tabellendaten ohne Vorverarbeitung meistern

InsightTab: LLMs meistern Tabellendaten durch datengetriebene Klassifikation

Neues Framework SAFT verbessert Tabellendaten‑Lernen bei Verteilungsverschiebungen

FEST: Einheitlicher Rahmen zur Bewertung synthetischer Tabellendaten

ExBigBang: Erklärbare Persona‑Klassifizierung mit Hybrid‑Transformern

FairTabGen vereint Kausal- und Gegenfaktische Fairness bei Tabellendaten

🍪 Cookie-Einstellungen