The article examines the generalization of Physics-informed neural networks (PINNs) beyond training domains, emphasizing predictive accuracy and adherence to physical principles. It challenges the role of overparametrization, suggesting it may promote overfitting rather than enhancing generalization in scientific machine learning.
Kategorie: Artificial Intelligence
Interesting: Lecture Series in AI: “How Could Machines Reach Human-Level Intelligence?” by Yann LeCun
Yann LeCun’s lecture discusses the limitations of current AI, emphasizing the need for a cognitive architecture with a predictive world model. This model uses a Joint Embedding Predictive Architecture (JEPA) to enable planning and understanding, aiming for human-level intelligence.
New arXiv Preprint: Enhancing Feature Selection and Interpretability in AI Regression Tasks Through Feature Attribution
The article explores the integration of Explainable Artificial Intelligence (XAI) in enhancing deep learning performance. Focusing on regression problems, it introduces a feature selection pipeline using Integrated Gradients and k-means clustering, applied to blade vibration analysis in turbo machinery development.
TH Köln erhält einen HPC Rechencluster
Der TH-KIplus Cluster an der TH Köln wird aus Gummersbach und Leverkusen betrieben, bietet Hochleistungsrechnen für KI-Anwendungen und startet im Sommersemester 2025. Momentan läuft eine Testphase zur Nutzer- und Softwareverwaltung sowie zur Kostenabrechnung.
Schifffahrt muss sauberer werden – Artikel in den vdi nachrichten
Die VDI-Nachrichten berichten am 4. Oktober 2024 über den Einsatz von KI in der Schifffahrt zur Erreichung von „Zero Emission“. Thomas Hildebrandt erklärt, dass KI die Verarbeitungszeit für CFD-Simulationen von 100 Stunden auf 20 Sekunden reduziert.
More than 100 000 Accesses: Hyperparameter Tuning for Machine and Deep Learning
The Open Access Book „Hyperparameter Tuning for Machine and Deep Learning with R“ has surpassed 100k accesses and provides practical guidance for R, focusing on hyperparameter tuning in ML and DL. An updated Python version is forthcoming.
KI-Sensoren im Rennsport
Das internationale Kooperationsprojekt ShapeFuture fokussiert sich auf die Weiterentwicklung hochautomatisierter Fahrzeuge und integriert viele Motorsport-Innovationen. Promovenden Jens Brandt und Noah Pütz von der TH Köln forschen unter Prof. Dr. Thomas Bartz-Beielstein zu KI-Sensoren im Rennsport, unterstützt von 42 Partnern aus 12 Ländern.
ShapeFuture EU Project: Leading the Future of Automotive Electronic Components & Systems
Welcome to the ShapeFuture project, where we are shaping the future of mobility through groundbreaking innovations in Electronic Components & … Mehr
Now available for ACM Members: „Online Machine Learning: A Practical Guide with Examples in Python“
Overview Editors: About this book This book deals with the exciting, seminal topic of Online Machine Learning (OML). The content … Mehr
Gummersbacher Doktoranden entwickeln KI-Sensoren für Rennwagen
Mit dem Rennstall von Toyota als Partner entwickeln zwei Gummersbacher Doktoranden KI-basierte virtuelle Sensoren für hochautomatisierte Fahrzeuge. Sie arbeiten mit … Mehr