Künstliche neuronale Netzwerke bieten Skalierbarkeit, Batch-Lernen und zeichnen sich durch modernste Lösungen für Aufgaben wie Bildklassifizierung oder Zeitreihenanalyse aus. Andererseits benötigen Gaußprozesse nur eine minimale Menge an Eingabedaten, beinhalten wenig bis gar keine Hyperparameter, ermöglichen die Berechnung von Modellunsicherheiten und können zuverlässig verauschte Daten erkennen.

Mit DIM-GP definieren wir die Grenzen des Machbaren neu. Ganz gleich, ob es um die Bewältigung komplexer Klassifizierungsherausforderungen oder die Analyse komplizierte Zeitreihen geht: Die einzigartige Kombination aus neuronalen Netzen und Gaußprozessen in DIM-GP setzen neue Maßstäbe im Bereich des maschinellen Lernens.