Blogs on neuronale Netze » Lamarr-Institut

Münze auf der Alfred Nobel abgebildet ist im Vordergrund. Im Hintergrund eine Netzstruktur in blau, die an eine Plattine erinnert.

Gedanken über den Nobelpreis für Physik 2024 …

Prof. Dr. Christian Bauckhage,

23. Oktober 2024

Der Nobelpreis für Physik 2024 geht an John Hopfield und Geoffrey Hinton für ihre Forschungen zur künstlichen Intelligenz. Finden Sie heraus, was hinter dieser Entscheidung steckt....

00 Blog Andreas Konfigurierbare Pumpen - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogAnwendung

Was kann das und was kostet es? KI für die Vorhersage von Produkteigenschaften

Andreas Pauly,

28. Juni 2023

Was kostet meine Sonderanfertigung? Diese und andere Faktoren sind essenziell für die Kaufentscheidung für einen bestimmten Hersteller. Für letzteren ist die Kalkulation jedoch zeitaufwendig. Maschinelles Lernen kann diesen Prozess enorm beschleunigen....

00 Blog Studis fuer Studis CSC 1 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogGrundlagen

Automatische Klassifikation eines Publikationsnetzwerks mithilfe eines Graph Attention Networks

Maximilian Sauerzapf,

19. Mai 2023

Soziale Netzwerke sind heutzutage allgegenwärtig. Doch wie können mit Hilfe von Neuronalen Netzen Informationen aus ihnen gewonnen werden? Um diese Frage zu beantworten, stellen wir das Graph Attention Network vor....

00 Blog Bauckhage ChatGPT Part1 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogGrundlagen

ChatGPT: Eine Einschätzung des polarisierenden Chatbots

Prof. Dr. Christian Bauckhage,

27. Januar 2023

ChatGPT ist seit seiner Veröffentlichung in aller Munde. In diesem Beitrag nimmt Prof. Dr. Christian Bauckhage diesen Hype unter die Lupe und erzählt von seinen eigenen Erfahrungen mit dem Chatbot....

00 Blog Sifa ART - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogAnwendung

ART – Ein neues Tool zur automatischen Generierung von Finanzberichten

Prof. Dr. Rafet Sifa,

16. März 2022

In das Erstellen von Finanzberichten investiert ein Unternehmen viele Arbeitsstunden und viel Geld. ART ist ein neues Verfahren, mit dem es möglich sein soll, strukturierte Tabellendaten aus Finanzberichten in Text umzuwandeln....

00 Blog Pielka Widerspruchserkennung - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogForschung

Widerspruchserkennung in der deutschen Sprache – Mit maschineller Übersetzung und rekurrenten neuronalen Netzen

Maren Pielka,

15. Dezember 2021

Damit ein ML-System Widersprüche in Texten erkennen kann, bedarf es eine große Menge an menschenähnlichem Textverständnis. In diesem Beitrag stellen wir Modelle unserer Forschung vor, die dazu in der Lage sind....

|Erklärbare Modellselektion für Zeitreihenvorhersage|Kompentenzregion eines einzelnen Modells vor und nach der Drift detection|Modell C11|||

BlogForschung

Welches Modell soll ich wählen? Erklärbare Modellselektion für Zeitreihenvorhersage

Matthias Jakobs,

06. Oktober 2021

Aus einer Menge von Modellen jenes Modell auszuwählen, welches eine gegebene Aufgabe am besten lösen kann, ist oft ein undurchsichtiger Prozess. Für Zeitreihenvorhersage präsentieren wir ein erklärbares Verfahren für Modellselektion....

|Aufteilung des Datensatzes in Trainingsmenge|||

BlogAnwendung

Vorfahrt für sicheres Maschinelles Lernen: Zur Robustheit Neuronaler Netze

Luise Weickhmann,

14. Juli 2021

Feindliche Angriffe auf Vorhersagemodelle des Maschinellen Lernens, zum Beispiel beim autonomen Fahren, könnten zu großem (Personen-)Schaden führen. Mit Hilfe von Abwehrmechanismen können ML-Modelle geschützt und ihre Robustheit gegenüber Angriffen erhöht werden....

|Generative Modelle|Reparametrisierung|Variational und Wasserstein Autoencoder|Variational Autoencoder|Abbildungen zwischen Datenraum und latenter Wahrscheinlichkeitsverteilung||||||

BlogForschung

Generative neuronale Modelle lernen latente Wahrscheinlichkeitsverteilungen

Dr. Jörg Kindermann,

16. Juni 2021

In diesem Beitrag erklären wir den Ansatz der generativen neuronalen Modelle. Diese haben in Anwendungsbereichen, in denen handkuratierte Daten für überwachtes Lernen schwer oder nicht erhältlich sind, gute Erfolge erzielt....