Finde Modelle, Firmen und Themen

In der quantitativen Finanzwelt sind Deep‑Learning‑Modelle häufig als Black‑Box‑Systeme bekannt, die zwar leistungsstark, aber schwer nachv…

Hypergraph‑Neuronale Netzwerke (HGNNs) haben sich als leistungsstarkes Werkzeug zur Modellierung komplexer höherer Beziehungen erwiesen. Ei…

Die Leistung von neuronalen Netzwerken sinkt, wenn sie auf nicht robuste Merkmale von verfälschten Daten reagieren. Da diese Modelle oft un…

In einer kürzlich veröffentlichten Arbeit auf arXiv wird gezeigt, wie moderne Optimierungstheorie die Skalierung von Hyperparametern für gr…

Die Finanzwelt steht vor einer spannenden Herausforderung: Deep‑Learning‑Modelle liefern beeindruckende Ergebnisse, doch regulatorische Vor…

Forscher haben eine neue Kennzahl namens „opaque serial depth“ entwickelt, die misst, wie viel Rechenleistung ein Sprachmodell ohne sichtba…

In der Forschung zu neuronalen Netzwerken wird zunehmend erkannt, dass stark überparameterisierte Modelle enorme Speicher- und Rechenressou…

In einer kürzlich veröffentlichten Studie auf arXiv (2603.03507v1) wird ein neues Konzept vorgestellt, das die Ursache für die anhaltende P…

Compute‑in‑Memory‑Architekturen versprechen enorme Energie‑ und Durchsatzgewinne für neuronale Netzwerke, indem sie den klassischen von‑Neu…

In einer neuen Veröffentlichung auf arXiv wird ein innovativer Ansatz vorgestellt, der Hyperdimensional Computing (HDC) auf ein neues Leist…

Ein neues arXiv‑Veröffentlichung (2603.03610v1) liefert einen bedeutenden Fortschritt in der Optimierung von Systemen, die aus modularen Ba…

Ein neu entwickeltes Open-Source-Modell, das auf über einer Billion DNA‑Basen trainiert wurde, kann Gene, regulatorische Sequenzen, Splice‑…

In der Analyse klinischer Tabellendaten übertreffen klassische Modelle mit gezielter Feature Engineering häufig neuronale Netzwerke. Durch…

In der Welt der datengetriebenen Modellierung dynamischer Systeme ist die Menge an Trainingsdaten oft ein entscheidender Faktor. Für viele…

Wissenschaftler haben ein neues neuronales Netzwerk entwickelt, das die Identifikation von Musikstücken aus Gehirnaufzeichnungen deutlich v…

Die neueste Veröffentlichung auf arXiv (2602.23789v1) präsentiert UPath, einen universellen Planer, der die Grenzen herkömmlicher Heuristik…

Die neue Bibliothek SymTorch ermöglicht es, komplexe neuronale Netzwerke in leicht verständliche, geschlossene mathematische Ausdrücke zu ü…

Verstehen, wie neuronale Netzwerke ihre Vorhersagen treffen, ist entscheidend für Debugging, Auditing und den Einsatz in der Praxis. Die me…

In der Welt der 3D‑Modellierung haben sich E(3)-equivariant neuronale Netzwerke als äußerst leistungsfähig erwiesen. Ein zentrales Element…

In einer neuen Studie von ArXiv (2602.18628v1) wird ein innovatives Konzept vorgestellt, das die klassische Idee fester Gewichtvektoren in…

Pharmakokinetische Modelle, die auf physiologischen Prinzipien basieren, sind unverzichtbar für die moderne Arzneimittelentwicklung. Ihre b…

Bayessche neuronale Netzwerke (BNNs) ermöglichen eine robuste Unsicherheitsquantifizierung, erfordern jedoch deutlich mehr Rechenleistung a…

Die Erhaltung der Artenvielfalt ist ein zentrales Anliegen der heutigen Zeit. Besonders Vögel eignen sich hervorragend für die Überwachung…

Eine neue Klasse von neuronalen Netzwerken, die auf hyperbolischen Räumen operieren, wurde auf arXiv veröffentlicht (ID 2602.18858v1). Hype…

Graphdaten gewinnen in der KI immer mehr an Bedeutung, weil sie komplexe Beziehungen zwischen Entitäten abbilden können. Um aus diesen Stru…

Generative KI stellt eine bislang ungeahnte Herausforderung für unser Verständnis von Wissen und dessen Erzeugung dar. Im Gegensatz zu früh…

Mit TopoFlow – einer neu entwickelten, physikgeleiteten neuronalen Netzwerkarchitektur – wird die Vorhersage von Luftqualitätsdaten auf ein…

Eine neue Untersuchung auf arXiv beleuchtet die bislang undurchsichtige Mechanik, mit der neuronale Netzwerke während des Trainings neue Fä…

Physik-informierte neuronale Netzwerke (PINNs) ermöglichen die Rekonstruktion von Strömungen, indem sie spärliche Geschwindigkeitsmessungen…

Agentenbasierte Modelle (ABM) sind ein beliebtes Werkzeug, um komplexe Systeme zu simulieren. Durch die rasante Entwicklung von Rechenleist…