Suche nach Heterogene Daten

<p>Neues Daten-Transformationsmodell vereint heterogene Daten für bessere Empfehlungen</p> <p>In einer aktuellen Veröffentlichung auf arXiv wird ein innovatives Verfahren vorgestellt, das die Qualität von Empfehlungssystemen deutlich steigert. Das Modell, genannt <strong>Taesar</strong>, nutzt einen datenorientierten Ansatz, um Informationen aus mehreren Hilfskontexten in das Zielgebiet zu übertragen. Dadurch werden typische Probleme wie Datenknappheit und kalte Starts wirksam bekämpft.</p> <p>Der Schlüssel

arXiv – cs.AI 27.02.2026 05:00

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

Sparse‑Orthogonal LoRA: 73 % weniger Kommunikation im dezentralen Federated Learning

In einer neuen Studie wird gezeigt, wie mobile Geräte mit unterschiedlichen Aufgaben‑Datensätzen gemeinsam ein großes Sprachmodell (LLM) ve…

arXiv – cs.LG 25.02.2026 05:00

Forschung

Do It for HER: Belohnungsspezifikation in RL mit First-Order Temporaler Logik

In einer wegweisenden Veröffentlichung stellen die Autoren ein neues Framework vor, das die logische Spezifikation von nicht-Markovianen Be…

arXiv – cs.AI 09.02.2026 05:00

Forschung

<h1>HeteroComp: Neue Methode erkennt Gruppenanomalien in heterogenen Tensorströmen</h1> <p>In der Analyse von Ereignis‑Tensorströmen, die Zeitstempel und mehrere Attribute wie IP‑Adressen und Paketgrößen enthalten, ist die Erkennung von Anomalien von entscheidender Bedeutung. Traditionelle Verfahren zur Tensorzerlegung und Anomalieerkennung stoßen jedoch an zwei wesentliche Grenzen: Sie können heterogene Datenströme, die sowohl kategoriale als auch kontinuierliche Attribute umfassen, nicht adäquat verarbeit

arXiv – cs.LG 06.02.2026 05:00

Forschung

Graphen als dauerhafte Basis: G-Substrate revolutioniert multimodales Lernen

Graphen sind das natürliche Mittel, um Beziehungen in allen möglichen Datenformen abzubilden. Trotz ihrer allgegenwärtigen Bedeutung werden…

arXiv – cs.LG 02.02.2026 05:00

Forschung

DataCross: Benchmark & Agenten-Framework für heterogene Datenanalyse

In der Praxis sind wichtige Informationen häufig in unterschiedlichen Formaten verstreut – strukturierte Quellen wie SQL‑Tabellen oder CSV‑…

arXiv – cs.AI 30.01.2026 05:00

Forschung

HyCARD-Net: Hybrid-Intelligenz-Framework verbessert Herz‑Kreislauf‑Diagnose

Herz‑ und Kreislauf‑Erkrankungen bleiben weltweit die häufigste Todesursache, was die dringende Notwendigkeit intelligenter, datenbasierter…

arXiv – cs.AI 27.01.2026 05:00

Forschung

DataScribe: KI-native Plattform für Materialdesign und Entdeckung

DataScribe ist eine neue, cloudbasierte Plattform, die Materialforschung auf ein neues Level hebt. Durch KI‑Native‑Technologie verbindet si…

arXiv – cs.LG 14.01.2026 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

ForenAgent: KI-Tool nutzt Python zur flexiblen Bildfälschungserkennung

In der Welt der Bildfälschungserkennung (IFD) haben bisher zwei Ansätze dominierte: die Analyse von low‑level‑Artefakten, die keine semanti…

arXiv – cs.AI 19.12.2025 05:00

Forschung

Sprach‑KI + Graph‑Transformer: Neuroüberwachung bei seltenen Erkrankungen

Seltene neurologische Erkrankungen lassen Patienten häufig von kognitiven Symptomen wie „Brain‑Fog“ klagen – Symptome, die herkömmliche Tes…

arXiv – cs.AI 05.12.2025 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

IVGAE: Neuer Graph‑Autoencoder für fehlende heterogene Daten

In der Analyse von realen Tabellendaten bleibt das Problem fehlender Werte ein zentrales Hindernis, besonders wenn die Daten sowohl numeri…

arXiv – cs.LG 01.12.2025 05:00

Forschung

KGpipe: Neues Framework für reproduzierbare KG-Integrationspipelines

Die Erstellung hochwertiger Wissensgraphen aus heterogenen Datenquellen erfordert die Kombination mehrerer Techniken – von der Informations…

arXiv – cs.AI 25.11.2025 05:00

Forschung

<h1>Deep Multi-View Clustering meistert Unsicherheiten bei heterogenen Daten</h1> <p>In der Praxis von federated multi‑view clustering stoßen Entwickler häufig auf heterogene Daten – manche Clients besitzen nur einen Teil der Ansichten, andere liefern redundante oder sogar beschädigte Informationen. Diese Uneinheitlichkeit führt zu semantischen Konflikten und erschwert die Aggregation der lokalen Modelle.</p> <p>Das neue Enhanced Federated Deep Multi‑View Clustering (EFDMVC) löst diese Probleme in zwei Schr

arXiv – cs.LG 25.11.2025 05:00

Forschung

IonCast: KI-Framework für präzise Vorhersage ionosphärischer Dynamik

Die Ionenosphäre ist ein entscheidender Faktor für die Genauigkeit von GNSS, die Hochfrequenzkommunikation und die Luftfahrt. Genauere Vorh…

arXiv – cs.LG 20.11.2025 05:00

Forschung

Bootstrap‑Rate beeinflusst Random‑Forest‑Regression stark

Random Forests werden üblicherweise mit einer Bootstrap‑Rate von 1,0 trainiert, das heißt, jedes Baumsample hat dieselbe Größe wie das komp…

arXiv – cs.LG 19.11.2025 05:00

Forschung

KI-gestützte Bewertung von Teambeiträgen: neues Tool zur Konfliktlösung

Ein neues KI-gestütztes Tool verspricht, die Bewertung individueller Beiträge in Teams zu revolutionieren. Das System sammelt und strukturi…

arXiv – cs.AI 12.11.2025 05:00

Forschung

Neuer Ansatz zur Patientenclusterung bei ALS verbessert Überlebensanalyse

Forscher haben einen innovativen Clustering-Ansatz entwickelt, der die Sequenzen von ALS‑Patienten anhand eines deklarativen Fortschrittssc…

arXiv – cs.LG 05.11.2025 05:00

Forschung

DFCA: Vollständig dezentrales Clustering für Federated Learning

Ein neuer Ansatz namens DFCA (Decentralized Federated Clustering Algorithm) verspricht, die Grenzen herkömmlicher Federated‑Learning‑Method…

arXiv – cs.LG 20.10.2025 05:00

Forschung

FFT-MoE: Sparsere Mixture-of-Experts für effizientes Federated Fine‑Tuning

Mit dem Aufkommen von Foundation Models (FMs) rückt die Frage nach einer datenschutzfreundlichen und ressourcenschonenden Feinabstimmung im…

arXiv – cs.LG 27.08.2025 05:00

Finde Modelle, Firmen und Themen

MultiModalPFN: TabPFN erweitert für multimodale Tabellendaten

Sparse‑Orthogonal LoRA: 73 % weniger Kommunikation im dezentralen Federated Learning

Do It for HER: Belohnungsspezifikation in RL mit First-Order Temporaler Logik

Graphen als dauerhafte Basis: G-Substrate revolutioniert multimodales Lernen

DataCross: Benchmark & Agenten-Framework für heterogene Datenanalyse

HyCARD-Net: Hybrid-Intelligenz-Framework verbessert Herz‑Kreislauf‑Diagnose

DataScribe: KI-native Plattform für Materialdesign und Entdeckung

PiXTime: Federiertes Zeitreihenmodell für heterogene Datenstrukturen

ForenAgent: KI-Tool nutzt Python zur flexiblen Bildfälschungserkennung

Sprach‑KI + Graph‑Transformer: Neuroüberwachung bei seltenen Erkrankungen

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

IVGAE: Neuer Graph‑Autoencoder für fehlende heterogene Daten

KGpipe: Neues Framework für reproduzierbare KG-Integrationspipelines

IonCast: KI-Framework für präzise Vorhersage ionosphärischer Dynamik

Bootstrap‑Rate beeinflusst Random‑Forest‑Regression stark

KI-gestützte Bewertung von Teambeiträgen: neues Tool zur Konfliktlösung

Neuer Ansatz zur Patientenclusterung bei ALS verbessert Überlebensanalyse

DFCA: Vollständig dezentrales Clustering für Federated Learning

FFT-MoE: Sparsere Mixture-of-Experts für effizientes Federated Fine‑Tuning

🍪 Cookie-Einstellungen

Sparse‑Orthogonal LoRA: 73 % weniger Kommunikation im dezentralen Federated Learning