Suche nach Zeitreihenmodell

Neue Methode vorhersagt Stress aus Smartwatch‑Daten – individuell und erklärbar

In einer kürzlich veröffentlichten Studie auf arXiv wird ein neuartiges, erklärbares Modell vorgestellt, das Stress kontinuierlich vorhersa…

arXiv – cs.LG 24.02.2026 05:00

Forschung

Dynamische Systeme: Schlüssel zur nächsten Generation der Zeitreihenanalyse

Die Modellierung von Zeitreihen hat sich von einfachen linearen Statistiken zu hochmodernen Foundation‑Modellen entwickelt. Trotz des große…

arXiv – cs.LG 20.02.2026 05:00

Forschung

Sonar-TS: Neuronisch-symbolisches System für natürliche Sprachabfragen Zeitreihen

Sonar-TS ist ein neuartiges neuro-symbolisches Framework, das es Anwendern ohne Fachkenntnisse ermöglicht, aus riesigen Zeitreihen-Datenban…

arXiv – cs.AI 20.02.2026 05:00

Forschung

LISA: Laplacian-basierte In-Context-Analyse für dynamische Zeitreihen

Wissenschaftler haben die Methode LISA (Laplacian In-context Spectral Analysis) vorgestellt, die es ermöglicht, Laplacian-basierte Zeitreih…

arXiv – cs.LG 06.02.2026 05:00

Forschung

MiCA: Leichtgewichtiger, mobilitätsbasierter Vorhersage-Adapter für Epidemien

Eine neue Methode namens Mobility‑Informed Causal Adapter (MiCA) verspricht, die Vorhersage von Infektionskrankheiten zu verbessern, ohne a…

arXiv – cs.AI 19.01.2026 05:00

Forschung

PiXTime: Federiertes Zeitreihenmodell für heterogene Datenstrukturen

In der Welt der Zeitreihenanalyse sind Daten oft wertvoll, aber schwer zu teilen. Das neue Modell PiXTime nutzt federated learning, um vert…

arXiv – cs.LG 12.01.2026 05:00

Forschung

Transformers lernen von Natur aus kausal – neue Studie enthüllt

Eine kürzlich veröffentlichte Arbeit auf arXiv zeigt, dass Transformer‑Modelle, die in einer autoregressiven Weise trainiert werden, von Ha…

arXiv – cs.LG 12.01.2026 05:00

Forschung

MemKD: Effiziente Zeitreihenklassifikation durch Memory-Discrepancy KD

Deep‑Learning‑Modelle, insbesondere rekurrente neuronale Netze wie LSTM, haben die Analyse von Zeitreihen revolutioniert. Sie erkennen komp…

arXiv – cs.LG 09.01.2026 05:00

Forschung

Interpretierbare Wissensübertragung in Zeitreihen: Temporal Saliency Distillation

Die Kompression von Modellen durch Knowledge Distillation funktioniert, indem ein großes Lehrmodell (Teacher) sein Wissen an ein kleineres…

arXiv – cs.LG 09.01.2026 05:00

Forschung

<h1>Neues Forschungsprojekt vergleicht KI-Modelle zur Vorhersage von EV‑Ladebedarf</h1> <p>Mit der rasanten Verbreitung von Elektrofahrzeugen wächst die Sorge, dass deren Ladeverhalten die Stromnetze stark beeinflussen könnte. Um dieser Herausforderung zu begegnen, ist die präzise Vorhersage des Ladebedarfs von entscheidender Bedeutung.</p> <p>In einer ersten systematischen Untersuchung wurden fünf Zeitreihenmodelle – von klassischen statistischen Verfahren bis hin zu modernen Machine‑Learning- und Deep‑Lea

arXiv – cs.LG 22.12.2025 05:00

Forschung

Erklärbare KI revolutioniert Big-Data-Betrugserkennung

In der heutigen Finanz-, Versicherungs- und Cybersecurity-Landschaft ist Big Data zu einem unverzichtbaren Baustein geworden. Durch die Kom…

arXiv – cs.LG 19.12.2025 05:00

Forschung

AIR: Adaptive Information Routing verbessert multimodale Zeitreihenprognosen

Ein neues Forschungsprojekt aus dem Bereich der künstlichen Intelligenz präsentiert den Adaptive Information Routing (AIR)-Ansatz, der die…

arXiv – cs.LG 12.12.2025 05:00

Forschung

Neues Framework für präzise Preisprognosen von Baustoffen

Die anhaltende Volatilität der Baustoffpreise stellt Bauunternehmen vor erhebliche Risiken bei Kostenabschätzungen, Budgetierung und Projek…

arXiv – cs.LG 11.12.2025 05:00

Forschung

Neues generatives Modell schützt Patientendaten und verbessert Langzeitdiagnosen

Die Nutzung elektronischer Patientenakten hat die medizinische Forschung revolutioniert, doch gleichzeitig stellen strenge Datenschutzgeset…

arXiv – cs.LG 02.12.2025 05:00

Forschung

LLM-gestützte Embeddings verbessern Airbnb-Trendvorhersagen regional

Die rasante Verbreitung von Kurzzeitvermietungsplattformen wie Airbnb hat lokale Wohnmärkte stark verändert und oft zu steigenden Mietpreis…

arXiv – cs.AI 19.11.2025 05:00

Forschung

Kleine Vokabulare: Tokenisierung & Transferlernen steigern Zeitreihenleistung

In einer neuen Studie von Forschern, die sich auf Zeitreihenmodelle spezialisiert haben, wird die entscheidende Rolle von Tokenisierung und…

arXiv – cs.LG 18.11.2025 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

Neues Sprachmodell liefert präzise, erklärbare Aktienprognosen

Forscher haben ein innovatives Verfahren namens Verbal Technical Analysis (VTA) vorgestellt, das Sprachmodelle nutzt, um Zeitreihen von Akt…

arXiv – cs.AI 13.11.2025 05:00

Forschung

QuAnTS: Textbasierte Fragen zu Zeitreihen – ein neues Dataset für die Forschung

Ein neues Dataset namens QuAnTS eröffnet die Möglichkeit, Fragen zu Zeitreihen mithilfe von Text zu stellen und zu beantworten. Dabei liegt…

arXiv – cs.LG 10.11.2025 05:00

Forschung

<p>Mehrwert durch multimodale Vorhersagen: Präziser & erklärbar im digitalen Marketing</p> <p>Die Vorhersage von Klickzahlen ist für Werbetreibende entscheidend, weil sie direkt den Umsatz und die Kampagnenstrategie beeinflusst. Traditionelle Zeitreihenmodelle nutzen ausschließlich numerische Daten und vernachlässigen dabei wertvolle kontextuelle Informationen, etwa aus Texten wie Keyword‑Updates. Ein neues multimodales Framework kombiniert Klickdaten mit Textprotokollen aus realen Werbekampagnen und liefer

arXiv – cs.AI 15.09.2025 05:00

Forschung

BALM-TSF: Ausgewogene multimodale Ausrichtung für LLM-basierte Zeitreihenprognosen

Eine brandneue Methode namens BALM-TSF hat die Welt der Zeitreihenprognosen auf den Kopf gestellt. Durch die Kombination von klassischen Ze…

arXiv – cs.AI 03.09.2025 05:00

Forschung

Prophet schlägt LSTM bei Luftverschmutzungsprognosen in Nord‑Nigeria

Eine neue Studie aus dem arXiv‑Repository untersucht, wie man die Luftqualität in einer der am stärksten belasteten Regionen der Welt – Nor…

arXiv – cs.LG 25.08.2025 05:00

Forschung

KI-gestützte Vorhersage von Ölproduktion mit PI-Features und ICP

Eine neue KI-Methodik aus dem arXiv-Preprint 2508.14078v1 bietet ein robustes Framework für die Vorhersage von Ölproduktionsraten außerhalb…

arXiv – cs.LG 21.08.2025 05:00

Forschung

Agentische Workflows mit LLMs revolutionieren Finanzzeitreihenmodellierung

In einer neuen Veröffentlichung auf arXiv wird das modulare Agenten-Framework TS‑Agent vorgestellt, das die Automatisierung von Zeitreihenm…

arXiv – cs.AI 20.08.2025 05:00

Forschung

LIME und SHAP erklären Zeitreihen‑Vorhersagen – Fallstudie mit Air Passengers

In der heutigen datengetriebenen Welt entscheiden sich Branchen wie Luftfahrt, Energie, Einzelhandel und Gesundheitswesen zunehmend auf Zei…

arXiv – cs.LG 19.08.2025 05:00

Forschung

CC-Time: Sprachmodelle revolutionieren Zeitreihen‑Vorhersagen

Die jüngsten Fortschritte bei vortrainierten Sprachmodellen (PLMs) haben die Welt der Zeitreihen‑Vorhersage (TSF) neu belebt. Trotz ihrer b…

arXiv – cs.LG 19.08.2025 05:00

Forschung

Neues CNN‑LSTM‑Modell verbessert Vorhersage von PM2,5‑Konzentrationen

Wissenschaftler haben ein neues Hybridmodell aus Convolutional Neural Networks (CNN) und Long Short-Term Memory (LSTM) entwickelt, das die…

arXiv – cs.LG 18.08.2025 05:00

Forschung

Neues Semi‑Supervised Pre‑Training verbessert Zeitreihenklassifikation

Deep‑Learning‑Modelle für Zeitreihen müssen komplexe zeitliche Muster erfassen, um dynamische Daten wirkungsvoll zu repräsentieren. Selbst‑…

arXiv – cs.LG 15.08.2025 05:00

Finde Modelle, Firmen und Themen

Neue Methode vorhersagt Stress aus Smartwatch‑Daten – individuell und erklärbar

Dynamische Systeme: Schlüssel zur nächsten Generation der Zeitreihenanalyse

Sonar-TS: Neuronisch-symbolisches System für natürliche Sprachabfragen Zeitreihen

LISA: Laplacian-basierte In-Context-Analyse für dynamische Zeitreihen

MiCA: Leichtgewichtiger, mobilitätsbasierter Vorhersage-Adapter für Epidemien

PiXTime: Federiertes Zeitreihenmodell für heterogene Datenstrukturen

Transformers lernen von Natur aus kausal – neue Studie enthüllt

MemKD: Effiziente Zeitreihenklassifikation durch Memory-Discrepancy KD

Interpretierbare Wissensübertragung in Zeitreihen: Temporal Saliency Distillation

Erklärbare KI revolutioniert Big-Data-Betrugserkennung

AIR: Adaptive Information Routing verbessert multimodale Zeitreihenprognosen

Neues Framework für präzise Preisprognosen von Baustoffen

Neues generatives Modell schützt Patientendaten und verbessert Langzeitdiagnosen

LLM-gestützte Embeddings verbessern Airbnb-Trendvorhersagen regional

Kleine Vokabulare: Tokenisierung & Transferlernen steigern Zeitreihenleistung

JEPAs entschlüsseln dynamische Muster: Koopman‑Invarianten als Schlüssel

Neues Sprachmodell liefert präzise, erklärbare Aktienprognosen

QuAnTS: Textbasierte Fragen zu Zeitreihen – ein neues Dataset für die Forschung

BALM-TSF: Ausgewogene multimodale Ausrichtung für LLM-basierte Zeitreihenprognosen

Prophet schlägt LSTM bei Luftverschmutzungsprognosen in Nord‑Nigeria

KI-gestützte Vorhersage von Ölproduktion mit PI-Features und ICP

Agentische Workflows mit LLMs revolutionieren Finanzzeitreihenmodellierung

LIME und SHAP erklären Zeitreihen‑Vorhersagen – Fallstudie mit Air Passengers

CC-Time: Sprachmodelle revolutionieren Zeitreihen‑Vorhersagen

Neues CNN‑LSTM‑Modell verbessert Vorhersage von PM2,5‑Konzentrationen

Neues Semi‑Supervised Pre‑Training verbessert Zeitreihenklassifikation

🍪 Cookie-Einstellungen