Finde Modelle, Firmen und Themen

Die neueste Veröffentlichung auf arXiv (2602.00059v1) stellt TextBFGS vor – ein Quasi-Newton-Framework, das die Optimierung von diskreten…

Stochastische Gradientenabstiegsverfahren (SGD) bilden das Herzstück moderner Deep‑Learning‑Modelle. Trotz ihrer weiten Verbreitung bleibt…

In einer wegweisenden Studie wird die Riemannische Zeroth-Order-Optimierung auf Mannigfaltigkeiten untersucht, deren zugrunde liegende Metr…

Ein neuer Ansatz aus dem arXiv-Preprint Improving Iterative Gaussian Processes via Warm Starting Sequential Posteriors verspricht, die Skal…

In einer neuen Veröffentlichung auf arXiv wird gezeigt, dass stochastische Gradientenverfahren – die in der Praxis häufig zum Trainieren vo…

Mit dem stetig wachsenden Datenvolumen und der zunehmenden Dynamik in verteilten Systemen wird Online‑Optimierung immer wichtiger für Echtz…

In der heutigen KI‑Forschung sind Optimierungsalgorithmen, die Momentum und adaptive Schrittgrößen kombinieren, ein entscheidender Erfolgsf…