Suche nach Unsicherheitsabschätzung

SOLID: Diffusionsmodell liefert präzise Vorhersagen bei spärlichen Messungen

Physikalische Felder, wie Temperaturverteilungen oder Luftfeuchte, werden häufig nur an wenigen, zeitlich variierenden Sensoren erfasst. Di…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Neues Lernverfahren optimiert DRAM-Equalizer mit Worst-Case-Garantie

Die Optimierung von Equalizer‑Parametern ist entscheidend für die Signalintegrität in Hochgeschwindigkeits‑Speichersystemen, die bei Multi‑…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Hybrid‑Lernmodell kombiniert Modell‑ und Reinforcement Learning für UAV‑Koordination

Ein neues Forschungsprojekt aus dem Bereich der autonomen Robotik hat einen hybriden Lernansatz vorgestellt, der die Stärken von modellbasi…

arXiv – cs.LG 05.03.2026 05:00

Forschung

JANUS: Liefert synthetische Daten mit 100% Konformität Unsicherheitsabschätzung

In der Welt der synthetischen Daten steht ein Quartett an Herausforderungen: die Treue zur Originalverteilung, die Kontrolle komplexer logi…

arXiv – cs.LG 05.03.2026 05:00

Forschung

Skalierbares GP-Framework für parametrische Raum‑Zeit‑Felder

In einer kürzlich veröffentlichten Studie haben Forscher ein neues, skalierbares Gaussian‑Process‑Framework vorgestellt, das parametrische…

arXiv – cs.LG 03.03.2026 05:00

Forschung

Neue Methode nutzt KI-Unsicherheit für interpretierbare Modelle

Concept‑Bottleneck‑Modelle (CBMs) ermöglichen eine transparente Klassifikation, indem sie Eingaben zunächst in hochrangige, menschlich vers…

arXiv – cs.LG 02.03.2026 05:00

Forschung

cVMDx: 100‑fach schnellere Trajektorienvorhersage mit Diffusion

Ein neues Diffusionsmodell namens cVMDx verspricht die Zukunft der autonomen Fahrvorhersage. Durch die Kombination von DDIM‑Sampling und ei…

arXiv – cs.LG 26.02.2026 05:00

Forschung

UDE-basierte Surrogates beschleunigen Agentenbasierte Epidemiemodelle um 10.000×

Eine neue Methode namens ABM‑UDE nutzt Universal Differential Equations (UDE), um agentenbasierte Epidemiemodelle (ABMs) in Sekunden zu rep…

arXiv – cs.LG 26.02.2026 05:00

Forschung

Bayessche Stiefel-Adapter: Kalibrierte PEFT für zuverlässige Sprachmodelle

Parameter‑effizientes Fine‑Tuning wie LoRA ermöglicht die praktische Anpassung großer Sprachmodelle, liefert jedoch keine verlässlichen Uns…

arXiv – cs.LG 23.02.2026 05:00

Forschung

Maschinelles Lernen optimiert LEO-Orbitvorhersagen durch Fehlerkorrektur

Low Earth Orbit (LEO)-Satelliten werden zunehmend als Alternative zu GNSS für Positionierung, Navigation und Zeitmessung eingesetzt. Damit…

arXiv – cs.LG 20.02.2026 05:00

Forschung

MMCAformer: Makro‑Mikro‑Transformer für Verkehrsgeschwindigkeitsvorhersage

Ein neuer Ansatz zur Verkehrsgeschwindigkeitsvorhersage hat die Forschung im Bereich der vernetzten Fahrzeuge vorangetrieben. Der „Macro‑M…

arXiv – cs.LG 20.02.2026 05:00

Forschung

UCTECG-Net: Präzise Arrhythmie-Erkennung mit zuverlässiger Unsicherheitsabschätzung Ein neues Deep‑Learning-Modell namens UCTECG‑Net kombiniert eindimensionale Convolutional‑Netzwerke mit Transformer‑Encodern, um rohe EKG‑Signale und deren Spektrogramme gleichzeitig zu verarbeiten. Durch diese hybride Architektur erzielt das System eine deutlich höhere Genauigkeit bei der Arrhythmie‑Erkennung als herkömmliche LSTM‑, CNN‑1D‑ und Transformer‑Modelle. In umfangreichen Tests auf den Datensätzen

arXiv – cs.LG 19.02.2026 05:00

Forschung

Bayessche Quadratur: Vollständiger Überblick über Modelle, Theorien und Praxis

Eine brandneue Übersicht zum Thema Bayesian Quadrature, veröffentlicht auf arXiv, bietet erstmals einen systematischen und umfassenden Einb…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Konformes Vorhersagen auf Mannigfaltigkeiten: geometriebewusste Unsicherheit

Konformes Vorhersagen liefert distributionsfreie Abdeckungsgarantien für Regressionsprognosen, doch bisher wurden die Methoden ausschließli…

arXiv – cs.LG 19.02.2026 05:00

Forschung

Neues Modell verbessert Ausdehnung von KI außerhalb des Trainingsbereichs

Mit dem jüngsten Beitrag auf arXiv (2602.13550v1) wird ein innovativer Ansatz vorgestellt, der die Herausforderung der „Out-of-Support“ (Oo…

arXiv – cs.LG 17.02.2026 05:00

Forschung

Sicheres Reinforcement Learning durch Rücksetzschutz mit Gaußschen Prozess-Modellen

Reinforcement Learning (RL) hat sich als leistungsstarkes Werkzeug für optimale Entscheidungsfindung und Steuerung etabliert, doch in siche…

arXiv – cs.AI 16.02.2026 05:00

Forschung

PRISM: 3D-Probabilistische neuronale Darstellung für interpretierbare Formen

Die neue Methode PRISM kombiniert neuronale Darstellungen mit statistischer Formanalyse, um die Entwicklung anatomischer Formen in Abhängig…

arXiv – cs.LG 13.02.2026 05:00

Forschung

Deep Learning verbessert Unsicherheitsabschätzung atomarer Potentiale

In der Molekulardynamik sind Unsicherheitsabschätzungen entscheidend, um die Zuverlässigkeit von maschinellen Lernpotenzialen (MLIPs) zu be…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Blockweise Vorteilsschätzung optimiert Multi-Objective RL in Textgenerierung

Eine neue Technik namens Blockwise Advantage Estimation (BAE) verspricht, die Leistung von Reinforcement‑Learning‑Modellen bei strukturiert…

arXiv – cs.LG 12.02.2026 05:00

Forschung

Generatives Machine Learning erweitert Klimasimulations‑Ensembles

Wissenschaftler haben ein neues Verfahren entwickelt, das die Grenzen herkömmlicher Klimamodelle sprengt: Ein konditionaler Variational Aut…

arXiv – cs.LG 09.02.2026 05:00

Forschung

Neue Studie bewertet Unsicherheitsanalyse bei Plug‑and‑Play‑Diffusion-Prior

In einer wegweisenden Untersuchung haben Forscher die Unsicherheitsabschätzung von Plug‑and‑Play‑Diffusion-Prior (PnPDP) neu bewertet – ein…

arXiv – cs.LG 05.02.2026 05:00

Forschung

Neue Methode verbessert Unsicherheitsabschätzung in Conformal Prediction

Forscher haben gezeigt, wie die Symmetrie von vortrainierten Modellen die Genauigkeit von Conformal Prediction (CP) deutlich steigern kann…

arXiv – cs.LG 05.02.2026 05:00

Forschung

FIRE: Neue Multi‑Fidelity‑Regression mit tabellarischen Grundmodellen

In der Welt der Multi‑Fidelity‑Regression, wo Daten oft stark unausgewogen sind, hat ein neues Verfahren namens FIRE die Messlatte höher ge…

arXiv – cs.LG 02.02.2026 05:00

Forschung

Verlässliche Unsicherheitsabschätzungen für generative Modelle

Moderne konditionale Generative Modelle können aus Eingabevariablen hochdimensionale Verteilungen erzeugen und damit realistische Stichprob…

arXiv – cs.LG 02.02.2026 05:00

Forschung

PHDME: Diffusionsmodelle ohne explizite Gleichungen – neue Methode für Datenknappheit

Ein neues Verfahren namens PHDME (Port‑Hamiltonian Diffusion Models) verspricht, die Zuverlässigkeit von Diffusionsmodellen in Situationen…

arXiv – cs.LG 30.01.2026 05:00

Forschung

S5-Transformer dominiert EEG-Decodierung: 98,7 % Genauigkeit bei 64 s Kontext

In einer neuen Studie wurde untersucht, wie die Architektur eines Modells und die Länge des zeitlichen Kontextes die Leistung bei der Dekod…

arXiv – cs.LG 30.01.2026 05:00

Forschung

EVEREST: Neuer Transformer für seltene Ereignisse in Zeitreihen

Ein neuer Ansatz namens EVEREST verspricht, die Vorhersage seltener Ereignisse in multivariaten Zeitreihen zu revolutionieren. Durch die Ko…

arXiv – cs.LG 28.01.2026 05:00

Forschung

Erklärbare Unsicherheitsabschätzung für Energieprognosen in Kläranlagen

Kläranlagen verbrauchen weltweit 1 – 3 % der gesamten Stromversorgung. Genauere Energievorhersagen sind daher entscheidend für die betriebl…

arXiv – cs.AI 28.01.2026 05:00

Forschung

PyHealth 2.0: Open-Source-Toolkit für reproduzierbare klinische Deep Learning

Mit PyHealth 2.0 wird klinisches Deep Learning endlich wieder zugänglich und reproduzierbar. Das neue Toolkit ermöglicht es Forschenden, ko…

arXiv – cs.AI 26.01.2026 05:00

Forschung

Neues probabilistisches Interpolationsmodell verbessert GEDI-Biomasse-Kartierung

Die präzise Erfassung von Biomasse über die gesamte Erdoberfläche mithilfe der NASA‑Mission GEDI erfordert die Interpolation von spärlich v…

arXiv – cs.LG 26.01.2026 05:00

Finde Modelle, Firmen und Themen

SOLID: Diffusionsmodell liefert präzise Vorhersagen bei spärlichen Messungen

Neues Lernverfahren optimiert DRAM-Equalizer mit Worst-Case-Garantie

Hybrid‑Lernmodell kombiniert Modell‑ und Reinforcement Learning für UAV‑Koordination

JANUS: Liefert synthetische Daten mit 100% Konformität Unsicherheitsabschätzung

Skalierbares GP-Framework für parametrische Raum‑Zeit‑Felder

Neue Methode nutzt KI-Unsicherheit für interpretierbare Modelle

cVMDx: 100‑fach schnellere Trajektorienvorhersage mit Diffusion

UDE-basierte Surrogates beschleunigen Agentenbasierte Epidemiemodelle um 10.000×

Bayessche Stiefel-Adapter: Kalibrierte PEFT für zuverlässige Sprachmodelle

Maschinelles Lernen optimiert LEO-Orbitvorhersagen durch Fehlerkorrektur

MMCAformer: Makro‑Mikro‑Transformer für Verkehrs­geschwindigkeitsvorhersage

Bayessche Quadratur: Vollständiger Überblick über Modelle, Theorien und Praxis

Konformes Vorhersagen auf Mannigfaltigkeiten: geometriebewusste Unsicherheit

Neues Modell verbessert Ausdehnung von KI außerhalb des Trainingsbereichs

Sicheres Reinforcement Learning durch Rücksetzschutz mit Gaußschen Prozess-Modellen

PRISM: 3D-Probabilistische neuronale Darstellung für interpretierbare Formen

Deep Learning verbessert Unsicherheitsabschätzung atomarer Potentiale

Blockweise Vorteilsschätzung optimiert Multi-Objective RL in Textgenerierung

Generatives Machine Learning erweitert Klimasimulations‑Ensembles

Neue Studie bewertet Unsicherheitsanalyse bei Plug‑and‑Play‑Diffusion-Prior

Neue Methode verbessert Unsicherheitsabschätzung in Conformal Prediction

FIRE: Neue Multi‑Fidelity‑Regression mit tabellarischen Grundmodellen

Verlässliche Unsicherheitsabschätzungen für generative Modelle

PHDME: Diffusionsmodelle ohne explizite Gleichungen – neue Methode für Datenknappheit

S5-Transformer dominiert EEG-Decodierung: 98,7 % Genauigkeit bei 64 s Kontext

EVEREST: Neuer Transformer für seltene Ereignisse in Zeitreihen

Erklärbare Unsicherheitsabschätzung für Energieprognosen in Kläranlagen

PyHealth 2.0: Open-Source-Toolkit für reproduzierbare klinische Deep Learning

Neues probabilistisches Interpolationsmodell verbessert GEDI-Biomasse-Kartierung

🍪 Cookie-Einstellungen

MMCAformer: Makro‑Mikro‑Transformer für Verkehrsgeschwindigkeitsvorhersage

S5-Transformer dominiert EEG-Decodierung: 98,7 % Genauigkeit bei 64 s Kontext