Maschinelles Lernen

Rechnen und Sprache Eine sicherere Zukunft für KI-Sprachmodelle

Deliberative Alignment hat das Ziel, KI-Sprachmodelle sicherer und zuverlässiger zu machen.

Melody Y. Guan, Manas Joglekar, Eric Wallace

2025-02-09T22:33:09+00:00 ― 6 min Lesedauer

Software-Entwicklung Fehler in Deep-Learning-Systemen erkennen und beheben

Ein Leitfaden zum Verstehen und Beheben von Fehlern in Deep-Learning-Modellen.

Gunel Jahangirova, Nargiz Humbatova, Jinhan Kim

2025-02-09T21:45:00+00:00 ― 5 min Lesedauer

Maschinelles Lernen Synthetic Data: Eine neue Hoffnung für faire Gesundheitsversorgung

Synthetische Daten könnten helfen, Gesundheitsvorhersagen gerechter für alle Gruppen zu machen.

Daniel Smolyak, Arshana Welivita, Margrét V. Bjarnadóttir

2025-02-09T20:56:51+00:00 ― 7 min Lesedauer

Maschinelles Lernen Lerne Jinns kennen: Der Game Changer für neuronale Netze

Jinns verbessern physikbasierte neuronale Netzwerke für verschiedene Anwendungen in der echten Welt.

Hugo Gangloff, Nicolas Jouvin

2025-02-09T19:30:10+00:00 ― 8 min Lesedauer

Computer Vision und Mustererkennung Weniger ist mehr: Ein neuer Ansatz zur Bildgenerierung

Forscher haben herausgefunden, dass komprimierte Bilder die Qualität von KI-generierter Kunst verbessern.

Vivek Ramanujan, Kushal Tirumala, Armen Aghajanyan

2025-02-09T18:32:24+00:00 ― 8 min Lesedauer

Computer Vision und Mustererkennung Farbenlagerung mit neuronalen Netzen revolutionieren

Entdecke eine smartere Möglichkeit, Farb-LUTs zu speichern und anzuwenden.

Vahid Zehtab, David B. Lindell, Marcus A. Brubaker

2025-02-09T17:39:18+00:00 ― 7 min Lesedauer

Optimierung und Kontrolle Sicherheit und Effizienz in stochastischen Regelungssystemen ausbalancieren

Lern, wie man unsichere Systeme sicher navigiert, um die besten Ergebnisse zu erzielen.

Tingting Ni, Maryam Kamgarpour

2025-02-09T16:45:10+00:00 ― 8 min Lesedauer

Computer Vision und Mustererkennung Revolutionierung des Few-Shot-Lernens und der Domänenanpassung

Ein einheitlicher Rahmen für effiziente Computer Vision-Aufgaben mit minimalen Daten.

Bharadwaj Ravichandran, Alexander Lynch, Sarah Brockman

2025-02-09T16:07:57+00:00 ― 8 min Lesedauer

Maschinelles Lernen Revolutionierung der Zeitreihen-Datenkompression

Eine neue Methode verbessert die Speicherung und den Zugriff auf Zeitreihendaten.

Andrea Guerra, Giorgio Vinciguerra, Antonio Boffa

2025-02-09T14:31:39+00:00 ― 6 min Lesedauer

Maschinelles Lernen Klassifizierung von Knoten: Ein semi-supervisierter Ansatz

Lerne, wie begrenzte Informationen bei der Knotenklassifizierung mit semi-supervised Learning helfen.

Hai-Xiao Wang, Zhichao Wang

2025-02-09T14:24:59+00:00 ― 6 min Lesedauer

Maschinelles Lernen Die Revolutionierung des Model-Trainings mit PAMDA

Lern, wie PAMDA die Anpassung an mehrere Quellen verbessert, um die Modellleistung zu steigern.

Min Huang, Zifeng Xie, Bo Sun

2025-02-09T13:43:30+00:00 ― 7 min Lesedauer

Computer Vision und Mustererkennung Personalisierte Repräsentationslernung: Ein neuer Ansatz zur Bilderkennung

Lern, wie Maschinen persönliche Gegenstände mit weniger Bildern erkennen können.

Shobhita Sundaram, Julia Chae, Yonglong Tian

2025-02-09T12:55:21+00:00 ― 8 min Lesedauer

Ton AI-Stimmen-Test könnte die Erkennung von Kehlkopfkrebs revolutionieren

Eine neue KI-Methode analysiert Stimmen, um das Risiko für Kehlkopfkrebs zu erkennen.

Mary Paterson, James Moor, Luisa Cutillo

2025-02-09T05:28:46+00:00 ― 7 min Lesedauer

Künstliche Intelligenz Die Zukunft mit Event Logs vorhersagen

Lern, wie Ereignisprotokolle Vorhersagen verbessern können, um bessere Entscheidungen zu treffen.

Benedikt Bollig, Matthias Függer, Thomas Nowak

2025-02-09T00:04:57+00:00 ― 8 min Lesedauer

Computer Vision und Mustererkennung Die Zukunft der Video-zu-Audio-Synthese

Entdecke, wie die Video-zu-Audio-Synthese die Medienerlebnisse mit perfekter Klangabstimmung verändert.

Ho Kei Cheng, Masato Ishii, Akio Hayakawa

2025-02-08T21:54:54+00:00 ― 8 min Lesedauer

Maschinelles Lernen Maschinenlernen entschlüsseln: SHAP vs. GradCAM

Ein Blick darauf, wie SHAP und GradCAM die Vorhersagen von Machine Learning verständlicher machen.

Felix Tempel, Daniel Groos, Espen Alexander F. Ihlen

2025-02-08T20:04:12+00:00 ― 8 min Lesedauer

Maschinelles Lernen Revolutionierung von RNNs mit adaptiver Verlustfunktion

Eine neue Methode verbessert die RNN-Leistung bei der Verarbeitung von Sequenzen.

Bojian Yin, Federico Corradi

2025-02-08T17:39:45+00:00 ― 7 min Lesedauer

Robotik Die Zukunft des Robotern Lernens: Eine neue Ära steht bevor

Erforsche, wie Roboter durch Daten für echte Aufgaben lernen.

Marius Memmel, Jacob Berg, Bingqing Chen

2025-02-08T16:58:48+00:00 ― 8 min Lesedauer

Computer Vision und Mustererkennung Die Transformation der biomedizinischen Bildsegmentierung mit MultiverSeg

Ein neues Tool vereinfacht die Bildsegmentierung im Gesundheitswesen und in der Forschung.

Hallee E. Wong, Jose Javier Gonzalez Ortiz, John Guttag

2025-02-08T12:02:42+00:00 ― 6 min Lesedauer

Software-Entwicklung Fairness im maschinellen Lernen: Ein Rezept für Erfolg

Erforschung von fairen Praktiken für die Fairness und Leistung von maschinellem Lernen.

Gianmario Voria, Rebecca Di Matteo, Giammaria Giordano

2025-02-08T09:38:15+00:00 ― 8 min Lesedauer

Maschinelles Lernen Die Wettervorhersagen revolutionieren mit SpaT-SparK

SpaT-SparK revolutioniert die kurzfristige Wettervorhersage mit innovativen Machine-Learning-Techniken.

Haotian Li, Arno Siebes, Siamak Mehrkanoon

2025-02-08T08:01:57+00:00 ― 6 min Lesedauer

Ton Klangdesign mit Stable-V2A verwandeln

Ein neues System revolutioniert, wie Sounddesigner Audio für Videos erstellen.

Riccardo Fosco Gramaccioni, Christian Marinoni, Emilian Postolache

2025-02-08T07:06:36+00:00 ― 8 min Lesedauer

Künstliche Intelligenz Stufenbasierte Belohnungsmodelle: Ein neuer Ansatz für KI-Argumentation

Entdecke, wie SRMs das maschinelle Denken in der Mathematik durch strukturiertes Feedback verbessern.

Yiran Ma, Zui Chen, Tianqiao Liu

2025-02-08T05:37:30+00:00 ― 7 min Lesedauer

Maschinelles Lernen Schlaue Entscheidungen: Ergebnisse maximieren mit kostenbewusster Optimierung

Lerne, wie ein neuer Algorithmus die besten Optionen findet und dabei die Kosten im Griff behält.

Vu Viet Hoang, Quoc Anh Hoang Nguyen, Hung Tran The

2025-02-08T03:13:03+00:00 ― 7 min Lesedauer

Maschinelles Lernen Kommunikation revolutionieren: MarkovType in BCIs

MarkovType verbessert das Tippen mit Gehirn-Computer-Schnittstellen für bessere Kommunikation.

Elifnur Sunger, Yunus Bicer, Deniz Erdogmus

2025-02-08T02:24:54+00:00 ― 6 min Lesedauer

Maschinelles Lernen Anpassung von Reinforcement Learning an sich ändernde Umgebungen

Neue Techniken verbessern die Lerneffizienz bei KI-Agenten, wenn sich die Umgebungen ändern.

Benjamin Ellis, Matthew T. Jackson, Andrei Lupu

2025-02-08T00:47:40+00:00 ― 7 min Lesedauer

Maschinelles Lernen Die Magie der Wissensgraphen entschlüsseln

Entdecke, wie Wissensgraphen und SDN die Informationsverbindungen umkrempeln.

Tengfei Ma, Yujie Chen, Liang Wang

2025-02-08T00:00:27+00:00 ― 6 min Lesedauer

Maschinelles Lernen Umgang mit Unsicherheit im Deep Learning

Lern, wie Wissenschaftler Unsicherheiten im Deep Learning angehen, um bessere Vorhersagen zu treffen.

Sophie Steger, Christian Knoll, Bernhard Klein

2025-02-07T21:36:00+00:00 ― 8 min Lesedauer

Maschinelles Lernen Schrumpfende Riesen: Effizienz in Sprachmodellen

Forscher optimieren grosse Sprachmodelle für bessere Effizienz und Aufgabenfokus.

Jorge García-Carrasco, Alejandro Maté, Juan Trujillo

2025-02-07T20:47:51+00:00 ― 7 min Lesedauer

Rechnen und Sprache Das Verständnis des Denkprozesses von medizinischer KI

Erforschen, wie grosse Sprachmodelle im Gesundheitswesen denken.

Shamus Sim, Tyrone Chen

2025-02-07T19:59:42+00:00 ― 9 min Lesedauer

Maschinelles Lernen Grams: Ein neuer Weg, um Machine Learning zu optimieren

Grams bietet einen frischen Ansatz für die Optimierung von Machine-Learning-Modellen.

Yang Cao, Xiaoyu Li, Zhao Song

2025-02-07T19:28:00+00:00 ― 7 min Lesedauer

Computer Vision und Mustererkennung Wiederkehrende Schichten: Eine neue Methode zur Segmentierung von Bildern

Erforschen, wie rekursive Systeme die Bildsegmentierungs-Performance verbessern können.

David Calhas, João Marques, Arlindo L. Oliveira

2025-02-07T19:11:33+00:00 ― 6 min Lesedauer

Maschinelles Lernen Vorhersage der Leistung von neuronalen Netzen mit Architektur-Einblicken

Eine neue Methode sagt Lernkurven basierend auf der Architektur von neuronalen Netzen voraus.

Yanna Ding, Zijie Huang, Xiao Shou

2025-02-07T16:38:20+00:00 ― 9 min Lesedauer

Künstliche Intelligenz Die Teamarbeit in der KI mit AIR revolutionieren

AIR kombiniert individuelle und Teamstrategien in der KI für bessere Leistungen.

Guangchong Zhou, Zeren Zhang, Guoliang Fan

2025-02-07T15:10:48+00:00 ― 7 min Lesedauer

Maschinelles Lernen Die Zukunft des Mobile Edge Computing mit Experten revolutionieren

Erfahre, wie Mixture-of-Experts Mobile Edge Computing verbessert.

Hongbo Li, Lingjie Duan

2025-02-07T13:34:30+00:00 ― 7 min Lesedauer

Maschinelles Lernen Entschlüsselung von Graph Attention Networks: Wenn Weniger Mehr ist

Entdecke, wann Graph Attention Netzwerke glänzen und wann einfachere Methoden besser sind.

Zhongtian Ma, Qiaosheng Zhang, Bocheng Zhou

2025-02-07T11:33:09+00:00 ― 5 min Lesedauer

Maschinelles Lernen Energiebereitstellung und -nachfrage mit neuronalen Netzen ausbalancieren

Find out, wie neuronale Netze das Energiemanagement verbessern und zukünftige Bedürfnisse vorhersagen.

Van Truong Vo, Samad Noeiaghdam, Denis Sidorov

2025-02-07T08:48:40+00:00 ― 7 min Lesedauer

Maschinelles Lernen KI lernt, sich mit neuer Methode selbst zu unterrichten

Ein neues Framework ermöglicht es KI, unabhängig von Bildern zu lernen.

Wentao Tan, Qiong Cao, Yibing Zhan

2025-02-07T07:09:18+00:00 ― 7 min Lesedauer

Maschinelles Lernen DropPatch: Transformation der Zeitreihenanalyse

DropPatch verbessert die Zeitreihenprognose durch innovative Maskierungstechniken.

Tianyu Qiu, Yi Xie, Yun Xiong

2025-02-07T01:22:47+00:00 ― 7 min Lesedauer

Maschinelles Lernen Revolutionäres Modell zur Transformation des molekularen Verständnisses

Eine neue Methode verbessert die molekulare Analyse durch vortrainierte Graph-Neuronale-Netzwerke.

Van Thuy Hoang, O-Joun Lee

2025-02-07T00:44:06+00:00 ― 7 min Lesedauer

Computerwissenschaften - Maschinelles Lernen