Blogs on Hybrides Maschinelles Lernen

Design sem nome27 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Splitting Stump Forests: Ein Modell zur genauen „Komprimierung“?

19. März 2025

Edge AI ermöglicht die lokale Bereitstellung von KI-Modellen für effiziente Datenverarbeitung, aber die Optimierung ist eine Herausforderung. Dieser Beitrag untersucht Splitting Stump Forests (SSF), eine leistungsstarke Kompressionstechnik für eine effiziente Edge-AI-Bereitstellung....

ml industry production lamarr - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Grundlagen

Maschinelles Lernen in der Produktionstechnik:  Potentiale für Effizienz und Innovation

26. Februar 2025

Maschinelles Lernen transformiert die Produktionstechnik durch datengetriebene Optimierung, hybride Modelle und Expertenwissen. Innovation, Effizienz und interdisziplinäre Zusammenarbeit eröffnen neue Wege für wirtschaftlich nachhaltige, intelligente Fertigungssysteme für diverse Industrieanwendungen....

00 Blog Classroom Beitrag2 Pruningalgorithmen 2 FraundWingenfel - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Grundlagen

Die zwei Pruningalgorithmen MEP vs. PEP – Gleiches Ziel, unterschiedliche Ergebnisse

28. Februar 2024

Mit Hilfe von Pruning lassen sich komplexe Entscheidungsbäume vereinfachen. Mit Minimum-Error- und Pessimistic-Error-Pruning vergleichen wir zwei Algorithmen. Doch was sind die Unterschiede und wie weit sollte man prunen?...

00 Blog Classroom Beitrag1 Decision Trees FraundWingenfel - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Grundlagen

Komplexe Decision Trees? Wie Pruning das ML-Tool übersichtlich hält

14. Februar 2024

Decision Trees sind eines der leicht-verständlichsten und übersichtlichsten Tools im Bereich Machine Learning. Big Data lässt sie allerdings zunehmend komplexer werden. Pruning kann hier Abhilfe schaffen und damit Decision Trees wieder zugänglicher machen....

00 Blog Bauckhage ChatGPT Part5 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Grundlagen

ChatGPT: Ein Chatbot, der sogar programmieren kann?

24. Februar 2023

Eine Maschine, die alles weiß und selbst Code schreiben kann? Diese sehr menschliche Fantasie scheint nun wahr geworden. Doch wie verlässlich ist ChatGPT? Unser Autor hat das Sprachmodell erneut befragt....

00 Blog Ramses Warten - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Forschung

Die Vorhersage von Wartezeiten mit GANs

09. Februar 2022

Die Schätzung von Wartezeiten bei Dienstleistungen ist essenziell für ihre Verbesserung. Durch Generative Adversarial Networks (GANs) können Wartezeiten genau geschätzt werden, mit wenigen oder keinen Annahmen über die tatsächlichen Dienstleister....

Informed Machine Learning|Informed Machine Learning Prozess|Informed Machine Learning Pipeline|

Forschung

Informed Machine Learning – Aus Daten und Vorwissen lernen

17. Februar 2021

Informed Machine Learning macht bestehende Wissensquellen nutzbar und integriert sie in maschinelle Lernverfahren. Damit können Modelle basierend auf Daten und Vorwissen trainiert werden. Unternehmen können so langjähriges Fachwissen gewinnbringend einsetzen....

Markov Random Fields|Unvollständige Daten Aufbereiten|||

Forschung

Aufbereitung unvollständiger Daten mit Markov Random Fields

13. Januar 2021

Bei Daten mit Lücken ist das Lernen von Modellen oft schwierig, und in manchen Fällen sogar unmöglich. Allerdings können generative Verfahren helfen, indem sie unvollständige Daten mit möglichst sinnvollen Annäherungen auffüllen....

Hybrides Maschinelles Lernen

Splitting Stump Forests: Ein Modell zur genauen „Komprimierung“?

Maschinelles Lernen in der Produktionstechnik: Potentiale für Effizienz und Innovation

Die zwei Pruningalgorithmen MEP vs. PEP – Gleiches Ziel, unterschiedliche Ergebnisse

Komplexe Decision Trees? Wie Pruning das ML-Tool übersichtlich hält

ChatGPT: Ein Chatbot, der sogar programmieren kann?

Die Vorhersage von Wartezeiten mit GANs

Informed Machine Learning – Aus Daten und Vorwissen lernen

Aufbereitung unvollständiger Daten mit Markov Random Fields

Maschinelles Lernen in der Produktionstechnik:  Potentiale für Effizienz und Innovation