Stephan Günnemann

Dieser Artikel behandelt die Verbesserung von Architektur-Frameworks für die Bedürfnisse der modernen Datenwissenschaft.

Eine Studie, die die Herausforderungen zeigt, mit denen GNNs beim Zählen von Untergraph-Mustern konfrontiert sind.

Eine neue Methode vereinfacht das Beschneiden von neuronalen Netzwerken für bessere Leistung.

Neue Methoden verbessern die Sicherheit von Sprachmodellen, ohne die Funktionalität einzuschränken.

Eine neue Methode verbessert die Kommunikation in der Verarbeitung von Grafikdaten.

Neue Methode deckt Schwachstellen in GNN-Erklärungsmethoden auf.

Neue GNN-Architektur verbessert Vorhersagen durch eine gesteigerte Ausdruckskraft und Fragmentintegration.

Neuronale Wellenfunktionen und Pfaffianen verbessern die Vorhersagen der Quantenchemie erheblich.

Ein neues Framework verbessert die Techniken zur Generierung von molekularen Graphen für die Arzneimittelforschung.

Dieser Artikel behandelt, wie man GNNs vor Datenvergiftung und Hintertürangriffen schützt.

Eine Studie zur Resilienz von Graph-Transformern gegen adversarielle Angriffe.

Die Integration von Quantencomputing und randomisiertem Glätten verbessert die Sicherheit von Machine-Learning-Modellen gegen Angriffe.

Dieser Artikel bespricht, wie man die Robustheit von Quanten-Maschinenlernmodellen gegen Angriffe verbessern kann.

Ein Blick auf Aktivierungslenkung zur Verbesserung des KI-Gedächtnismanagements.