Suche nach Convolutional Networks

Neues Graph Neural Network füllt fehlende Straßenzustandsdaten zuverlässig aus

Die Bewertung des Straßenzustands ist entscheidend für die Planung von Wartungs- und Sanierungsmaßnahmen. In der Praxis bleiben jedoch häuf…

arXiv – cs.LG 10.03.2026 04:00

Forschung

Hybrid-Quanten-Netzwerk revolutioniert Zeitreihenanalyse

Ein neues Modell namens Hybrid Quantum Temporal Convolutional Network (HQTCN) wurde vorgestellt, das die Skalierbarkeitsprobleme von Quante…

arXiv – cs.LG 02.03.2026 05:00

Forschung

Neues GNN-Modell GLaDiGAtor verbessert Vorhersage von Krankheits‑Gen‑Assoziationen

Die Zuordnung von Genen zu Krankheiten ist ein entscheidender Schritt, um Krankheitsmechanismen zu verstehen und neue Diagnose- sowie Thera…

arXiv – cs.LG 24.02.2026 05:00

Forschung

Neue Studie zeigt: TCN und DCNN dominieren MNIST-1D – Near-Human Performance

Arbeiten an kleinen Datensätzen wie MNIST haben die Entwicklung von Machine‑Learning‑Algorithmen maßgeblich vorangetrieben, weil sie ein ko…

arXiv – cs.LG 17.02.2026 05:00

Forschung

Laplacian-LoRA: Oversmoothing in tiefen GCNs durch spektrale Low‑Rank‑Anpassung

In tiefen Graph Convolutional Networks (GCNs) führt das Phänomen des Oversmoothings dazu, dass Knotenrepräsentationen mit zunehmender Tiefe…

arXiv – cs.LG 10.02.2026 05:00

Forschung

Motif-basierter PageRank verbessert Graph-Convolutional Networks

Neues Verfahren namens GCN‑MPPR nutzt einen motif‑basierten Personalized PageRank, um die Informationsweitergabe in Message‑Passing‑Neural‑…

arXiv – cs.AI 10.02.2026 05:00

Forschung

ChemProt & DrugProt vereint: Fortschritt bei Relationsextraktion

Ein neues arXiv‑Paper präsentiert die erfolgreiche Zusammenführung der ChemProt‑ und DrugProt‑Datensätze, um die Erkennung chemisch‑genetis…

arXiv – cs.AI 05.02.2026 05:00

Forschung

Neuer Ansatz für Testzeit-Anpassung: Geometrische Quantile für Architekturen

Testzeit‑Anpassung (TTA) ist ein Verfahren, bei dem ein Klassifikator an Testdaten angepasst wird, deren Verteilung sich leicht von der Tra…

arXiv – cs.LG 19.01.2026 05:00

Forschung

Neues GNN-Modell reduziert PDEs effizient – Latent Dynamics GCN

Graph Neural Networks (GNNs) gewinnen zunehmend an Bedeutung als leistungsstarke Werkzeuge für die nichtlineare Modellreduktion (MOR) zeita…

arXiv – cs.LG 19.01.2026 05:00

Forschung

Deepfake‑Gefahren erkennen: KI‑Sicherheitsmaßnahmen für Unternehmen

Generative KI hat die Art und Weise, wie Inhalte erstellt werden, revolutioniert – gleichzeitig hat sie aber auch die Tür zu realistischen…

arXiv – cs.AI 13.01.2026 05:00

Forschung

Gradienten in Deep Learning: Vorhersagbare Pfade und niedrige Rangstruktur

Die Optimierung von Deep‑Learning‑Modellen weist eine Struktur auf, die klassische Worst‑Case‑Gradientenschätzungen nicht erfassen. In der…

arXiv – cs.LG 09.01.2026 05:00

Forschung

Semi-supervised GCNs optimiert durch kontrastives Lernen und Selbsttraining

Ein neues arXiv-Papier (2512.13770v1) präsentiert MV‑SupGCN, ein semi‑supervised Graph Convolutional Network, das die Integration von heter…

arXiv – cs.LG 17.12.2025 05:00

Forschung

Neues Graph-Convolution-Modell verbessert Sepsis-Erkennung in der Intensivpflege

In einer aktuellen Studie aus China wurde ein neues Modell namens Triplet-GCN vorgestellt, das die Erkennung von Sepsis in der Intensivpfle…

arXiv – cs.LG 08.12.2025 05:00

Forschung

RGE-GCN: Graph Convolutional Networks für frühzeitige Krebsdiagnose mit RNA‑seq

Die frühzeitige Erkennung von Krebs ist entscheidend für die Verbesserung der Überlebensraten, doch die Auswahl zuverlässiger Biomarker aus…

arXiv – cs.LG 05.12.2025 05:00

Forschung

Neue komplexgewichtete Convolutional Networks steigern Ausdruckskraft von GNNs

Graph Neural Networks (GNNs) haben in vielen Bereichen beeindruckende Erfolge erzielt, stoßen jedoch häufig an Grenzen wie Oversmoothing un…

arXiv – cs.LG 19.11.2025 05:00

Forschung

Neues Modell kombiniert TCN, TFT und Bi‑LSTM für präzisere RUL‑Vorhersage

Ein neues Prognosemodell für die verbleibende Lebensdauer von Industrieanlagen wurde vorgestellt. Durch die Kombination von Temporal Convol…

arXiv – cs.AI 10.11.2025 05:00

Forschung

Neues Multi-View Graph Convolution Network verbessert interne Talentempfehlungen

Ein innovatives Modell aus der Forschung der Universität Zürich nutzt E‑Mail-Daten, um die Eignung von Mitarbeitern für neue Positionen gen…

arXiv – cs.LG 29.08.2025 05:00

Forschung

Neues Dual‑Attention Graph Network verbessert fMRI‑Klassifikation bei Autismus

Ein neues Forschungsframework aus dem Bereich der Neurowissenschaften nutzt dynamische Graphen und spatio‑temporale Aufmerksamkeitsmechanis…

arXiv – cs.LG 20.08.2025 05:00

Finde Modelle, Firmen und Themen

Neues Graph Neural Network füllt fehlende Straßenzustandsdaten zuverlässig aus

Hybrid-Quanten-Netzwerk revolutioniert Zeitreihenanalyse

Neues GNN-Modell GLaDiGAtor verbessert Vorhersage von Krankheits‑Gen‑Assoziationen

Neue Studie zeigt: TCN und DCNN dominieren MNIST-1D – Near-Human Performance

Laplacian-LoRA: Oversmoothing in tiefen GCNs durch spektrale Low‑Rank‑Anpassung

Motif-basierter PageRank verbessert Graph-Convolutional Networks

ChemProt & DrugProt vereint: Fortschritt bei Relationsextraktion

Neuer Ansatz für Testzeit-Anpassung: Geometrische Quantile für Architekturen

Neues GNN-Modell reduziert PDEs effizient – Latent Dynamics GCN

Deepfake‑Gefahren erkennen: KI‑Sicherheitsmaßnahmen für Unternehmen

Gradienten in Deep Learning: Vorhersagbare Pfade und niedrige Rangstruktur

Semi-supervised GCNs optimiert durch kontrastives Lernen und Selbsttraining

Neues Graph-Convolution-Modell verbessert Sepsis-Erkennung in der Intensivpflege

RGE-GCN: Graph Convolutional Networks für frühzeitige Krebsdiagnose mit RNA‑seq

Neue komplexgewichtete Convolutional Networks steigern Ausdruckskraft von GNNs

Neues Modell kombiniert TCN, TFT und Bi‑LSTM für präzisere RUL‑Vorhersage

Neues Multi-View Graph Convolution Network verbessert interne Talentempfehlungen

Neues Dual‑Attention Graph Network verbessert fMRI‑Klassifikation bei Autismus

🍪 Cookie-Einstellungen