Suche nach XGBoost | meineki.news

FedSCS‑XGB: Federiertes XGBoost für kontinuierliche Gesundheitsüberwachung

Wearable‑Sensoren mit lokaler Datenverarbeitung können Gesundheitsrisiken frühzeitig erkennen, die Dokumentation verbessern und personalisi…

arXiv – cs.LG 09.03.2026 04:00

Forschung

Neues Ensemble-Framework liefert erklärbare Alzheimer‑Diagnose aus Daten

Die frühzeitige und genaue Erkennung von Alzheimer bleibt eine der größten Herausforderungen in der Medizin. Ein neues, erklärbares Ensembl…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Smart‑Sohlen erkennen Aktivitäten mit zirkulärem dilatiertem CNN

Neue Forschung zeigt, dass intelligente Einlegesohlen mit Drucksensoren, Beschleunigungsmessern und Gyroskopen die menschliche Gangart und…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Hybrid-Ansatz aus ML-Ensembles und LLMs verbessert Herzkrankheiten-Vorhersage

Herz-Kreislauf-Erkrankungen bleiben weltweit die häufigste Todesursache. Um Patienten frühzeitig zu erkennen und präzise Risikoklassifikati…

arXiv – cs.LG 27.02.2026 05:00

Forschung

Maschinelles Lernen erkennt frühzeitig Dosierungsfehler in klinischen Studien

In einer wegweisenden Studie wurde ein Machine‑Learning‑Framework entwickelt, das klinische Studien bereits vor ihrem Start auf das Risiko…

arXiv – cs.LG 27.02.2026 05:00

Forschung

LLM-Framework erkennt Strompreisspitzen mit wenigen Beispielen

Ein neues Forschungsprojekt aus dem arXiv-Repository präsentiert ein innovatives Few‑Shot-Framework, das auf Large Language Models (LLMs) b…

arXiv – cs.LG 20.02.2026 05:00

Forschung

KI-gestützte Vorhersage von Rechnungsdilution in Lieferkettensfinanzierung

Rechnungsdilution – der Unterschied zwischen dem genehmigten Rechnungsbetrag und dem tatsächlich eingezogenen Betrag – stellt einen bedeute…

arXiv – cs.AI 18.02.2026 05:00

Forschung

Neuer Autoencoder lernt aus unvollständigen EHR-Daten ohne Imputation

Die jüngste Veröffentlichung auf arXiv präsentiert den Augmented‑Intrinsic Dual‑Masked Autoencoder (AID‑MAE), der sich durch die direkte Ve…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Neues Hybrid-Modell verbessert Bitcoin-Preisprognosen

Die Vorhersage des Bitcoin-Preises bleibt eine der größten Herausforderungen im Kryptowährungsmarkt. Dezentrale Börsen sind nichtlinear, ex…

arXiv – cs.AI 16.02.2026 05:00

Forschung

Schnelle Milchqualitätsprüfung: Sicht- und hyperspektrale Bildgebung

Die Qualität von Milch ist entscheidend für Ernährung und Lebensmittelsicherheit. In einer neuen Studie wurde untersucht, ob sichtbare und…

arXiv – cs.AI 16.02.2026 05:00

Forschung

Skalierbare Kalibrierung: Empirische Analyse modellunabhängiger Post‑Hoc‑Methoden

In einer umfassenden Untersuchung wurden 21 gängige Klassifikatoren – von linearen Modellen über SVMs bis hin zu Tree‑Ensembles wie CatBoos…

arXiv – cs.LG 29.01.2026 05:00

Forschung

Neues probabilistisches Interpolationsmodell verbessert GEDI-Biomasse-Kartierung

Die präzise Erfassung von Biomasse über die gesamte Erdoberfläche mithilfe der NASA‑Mission GEDI erfordert die Interpolation von spärlich v…

arXiv – cs.LG 26.01.2026 05:00

Forschung

Wetter- und Zugdaten vereint: neues finnisches Verspätungsdatenset

Ein brandneues, öffentlich zugängliches Datenset verbindet finnische Zugverkehrsdaten mit synchronisierten Wettermessungen aus 2018 bis 202…

arXiv – cs.LG 26.01.2026 05:00

Forschung

Maschinelles Lernen prognostiziert ED-Patientenaufnahmen – XGBoost führt an

Überfüllte Notaufnahmen stellen ein ernstes Problem für Patientensicherheit und betriebliche Effizienz dar. Um die Ressourcenplanung zu ver…

arXiv – cs.LG 23.01.2026 05:00

Forschung

XGBoost liefert präzise Tagesprognosen für NEPSE-Indexrenditen

In einer neuen Studie wird ein robustes Machine‑Learning‑Framework vorgestellt, das die täglichen Log‑Renditen des Nepal Stock Exchange (NE…

arXiv – cs.LG 15.01.2026 05:00

Forschung

Hybrid-Explainable AI stärkt Vertrauen bei Muttergesundheitsrisiken in Bangladesch

In Bangladesch, wo Ressourcen knapp sind, hat ein neues Forschungsprojekt gezeigt, dass ein hybrides erklärbares KI-Modell die Akzeptanz vo…

arXiv – cs.AI 14.01.2026 05:00

Forschung

XGBoost-Subsampling erschwert das Lernen von Verhältnis-Interaktionen

Viele praxisnahe Aufgaben enthalten Signale, die erst sichtbar werden, wenn mehrere Rohmessungen kombiniert werden – typische Beispiele sin…

arXiv – cs.LG 14.01.2026 05:00

Forschung

KI-gestützte Umweltanalysen verbessern Vorhersage von australischen Buschfeuern

Australische Buschfeuer gehören zu den verheerendsten Naturkatastrophen des Kontinents und fordern erhebliche ökologische, wirtschaftliche…

arXiv – cs.LG 13.01.2026 05:00

Forschung

Leichtgewichtiges ML für Sichtvorhersage in der Luftfahrt schlägt TAF

In der Luftfahrt ist die kurzfristige Vorhersage von Sichtbehinderungen und Niederschlag entscheidend für Sicherheit und Effizienz. Traditi…

arXiv – cs.LG 22.12.2025 05:00

Forschung

Hybrid-Quantum-Ensemble steigert S&P 500 Vorhersagegenauigkeit auf 60,14 %

Ein neues Forschungsprojekt aus dem Bereich der Finanzmarktprognosen hat gezeigt, dass ein hybrides Ensemble‑Framework die Richtungsgenauig…

arXiv – cs.LG 19.12.2025 05:00

Forschung

ML-Modelle für Ernteerträge in Deutschland: Generalisierung im Fokus

Eine neue Untersuchung aus dem arXiv-Repository beleuchtet die Leistungsfähigkeit und Erklärbarkeit von maschinellen Lernmodellen, die Ernt…

arXiv – cs.LG 18.12.2025 05:00

Forschung

Hybrid‑LNN+XGBoost reduziert Bullwhip‑Effekt in Lieferketten

Ein neues Forschungsprojekt aus dem Bereich der Lieferkettenoptimierung präsentiert ein innovatives Modell, das die Schwankungen in der Nac…

arXiv – cs.AI 17.12.2025 05:00

Forschung

Datengetriebene Modelle revolutionieren Regenvorhersagen in Südamerika

Die Vorhersage von Niederschlagsmengen ist ein komplexes Problem, das präzise Modelle erfordert. Genauere Regenprognosen sind entscheidend…

arXiv – cs.LG 17.12.2025 05:00

Forschung

Soft Decision Tree in PyTorch: Erklärbar, erweiterbar und leistungsstark

Ein neues Projekt aus dem KI‑Research‑Institute hat einen Soft Decision Tree (SDT) sowie eine Short‑term Memory Soft Decision Tree (SM‑SDT)…

arXiv – cs.LG 16.12.2025 05:00

Forschung

AutoML revolutioniert Vorhersage von Bodenverdichtung: XGBoost liefert 89 % Genauigkeit

In der Bauindustrie ist die genaue Bestimmung der optimalen Feuchte (OMC) und der maximalen Trockendichte (MDD) von Böden entscheidend für…

arXiv – cs.AI 10.12.2025 05:00

Forschung

RaX-Crash: Effiziente, erklärbare Pipeline zur Unfallverletzungsvorhersage in NYC

New York City meldet jährlich über 100.000 Verkehrsunfälle, die erhebliche Verletzungs- und Gesundheitsbelastungen verursachen. Mit dem neu…

arXiv – cs.LG 10.12.2025 05:00

Forschung

Transfer Learning verbessert Sterblichkeitsvorhersage in der Intensivpflege

In der Intensivstation variieren die Ursachen kritischer Erkrankungen stark je nach Diagnose. Bisher wurden Vorhersagemodelle, die diese di…

arXiv – cs.LG 09.12.2025 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

Robuste Tabellarische Basismodelle: Adversarial Training mit synthetischen Daten

In den letzten Jahren hat sich die Entwicklung von tabellarischen Basismodellen (TFMs) rasant beschleunigt. Diese Modelle zeigen ein starke…

arXiv – cs.LG 04.12.2025 05:00

Forschung

Rep3Net: Multimodale KI für präzise Vorhersage molekularer Bioaktivität

In der frühen Phase der Wirkstoffentwicklung spielt die Vorhersage der Bioaktivität von Molekülen gegen Zielproteine eine entscheidende Rol…

arXiv – cs.LG 02.12.2025 05:00

Finde Modelle, Firmen und Themen

FedSCS‑XGB: Federiertes XGBoost für kontinuierliche Gesundheitsüberwachung

Neues Ensemble-Framework liefert erklärbare Alzheimer‑Diagnose aus Daten

Smart‑Sohlen erkennen Aktivitäten mit zirkulärem dilatiertem CNN

Hybrid-Ansatz aus ML-Ensembles und LLMs verbessert Herzkrankheiten-Vorhersage

Maschinelles Lernen erkennt frühzeitig Dosierungsfehler in klinischen Studien

LLM-Framework erkennt Strompreisspitzen mit wenigen Beispielen

KI-gestützte Vorhersage von Rechnungsdilution in Lieferkettensfinanzierung

Neuer Autoencoder lernt aus unvollständigen EHR-Daten ohne Imputation

Neues Hybrid-Modell verbessert Bitcoin-Preisprognosen

Schnelle Milchqualitätsprüfung: Sicht- und hyperspektrale Bildgebung

Skalierbare Kalibrierung: Empirische Analyse modellunabhängiger Post‑Hoc‑Methoden

Neues probabilistisches Interpolationsmodell verbessert GEDI-Biomasse-Kartierung

Wetter- und Zugdaten vereint: neues finnisches Verspätungsdatenset

Maschinelles Lernen prognostiziert ED-Patientenaufnahmen – XGBoost führt an

XGBoost liefert präzise Tagesprognosen für NEPSE-Indexrenditen

Hybrid-Explainable AI stärkt Vertrauen bei Muttergesundheitsrisiken in Bangladesch

XGBoost-Subsampling erschwert das Lernen von Verhältnis-Interaktionen

KI-gestützte Umweltanalysen verbessern Vorhersage von australischen Buschfeuern

Leichtgewichtiges ML für Sichtvorhersage in der Luftfahrt schlägt TAF

Hybrid-Quantum-Ensemble steigert S&P 500 Vorhersagegenauigkeit auf 60,14 %

ML-Modelle für Ernteerträge in Deutschland: Generalisierung im Fokus

Hybrid‑LNN+XGBoost reduziert Bullwhip‑Effekt in Lieferketten

Datengetriebene Modelle revolutionieren Regenvorhersagen in Südamerika

Soft Decision Tree in PyTorch: Erklärbar, erweiterbar und leistungsstark

AutoML revolutioniert Vorhersage von Bodenverdichtung: XGBoost liefert 89 % Genauigkeit

RaX-Crash: Effiziente, erklärbare Pipeline zur Unfallverletzungsvorhersage in NYC

Transfer Learning verbessert Sterblichkeitsvorhersage in der Intensivpflege

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

Robuste Tabellarische Basismodelle: Adversarial Training mit synthetischen Daten

Rep3Net: Multimodale KI für präzise Vorhersage molekularer Bioaktivität

🍪 Cookie-Einstellungen

Hybrid-Quantum-Ensemble steigert S&P 500 Vorhersagegenauigkeit auf 60,14 %

AutoML revolutioniert Vorhersage von Bodenverdichtung: XGBoost liefert 89 % Genauigkeit