Reducción simpléctica de modelos mediante autoencoders simplécticos
Descubre cómo los autoencoders simplécticos preservan la estructura de sistemas Hamiltonianos, mejorando la precisión en predicciones a largo plazo.
#alta dimensión
Geometría Monge compatible con conos para transporte óptimo de alta dimensión
Aprende cómo la geometría Monge con conos resuelve transporte óptimo de alta dimensión, ofreciendo soluciones cerradas y métricas Wasserstein interpretables.
Inversión rápida de datos en procesos Ornstein-Uhlenbeck de alta dimensión
Método innovador para inversión rápida de datos en procesos Ornstein-Uhlenbeck de alta dimensión, con mejor filtrado y estimación geofísica.
Optimización estocástica riemanniana para reducción suficiente de dimensión
Aprende cómo SMAVE optimiza la reducción de dimensionalidad con gradiente riemanniano estocástico, superando a RMAVE en velocidad y precisión.
Factorización de Tucker Neural Guiada por Espectro
Descubre SG-NTF, un innovador método de factorización de Tucker guiado por espectro para completar tensores de alta dimensión e incompletos con eficiencia paramétrica.
Aprendiendo dinámicas caóticas mediante supervisión geométrica de segundo orden
Descubre cómo la supervisión de segundo orden mejora el aprendizaje de sistemas caóticos, preservando atractores con bajo costo computacional.
Optimización Bayesiana Preferencial Local
Descubre cómo la optimización bayesiana preferencial local supera limitaciones en alta dimensionalidad, reduciendo el arrepentimiento acumulativo en experimentos costosos.
Geodesic Flow Matching para denoising de representaciones de alta dimensión
Descubre cómo Geodesic Flow Matching reduce un 72% el error en SLAM neuronal y mejora un 40% la eficiencia neural mediante representaciones de alta dimensión.
Claves de un modelo fuerte: análisis espectral de transferencia de conocimiento
Descubre cómo la transferencia de conocimiento potencia modelos de IA mediante análisis espectral unificado. Incluye destilación y generalización débil-fuerte.
Unicorn: Escalando predicción de series con correlación universal
Unicorn: framework de IA para predicción de series temporales de alta dimensión con modelado universal de correlación. Supera a modelos en pocos datos.
Muestreo de orden cero no log-cóncavo con reducción de varianza
Método de muestreo de orden cero con reducción de varianza para distribuciones no log-cóncavas. Aplicado a problemas inversos con garantías de convergencia.
Aprendizaje de representaciones de alta dimensión: uniendo lenguaje y mercado
Descubre cómo las representaciones de alta dimensión de FinBERT mejoran la predicción del mercado de valores vs puntajes de sentimiento. Resultados con redes siamesas.
Reinicio de momento externo en optimización bifásica de alta dimensión
<meta name=description content=Descubre-cómo-el-reinicio-de-momento-externo-mejora-la-optimización-bifásica-en-alta-dimensión>
Aprendizaje de funciones de paridad de alta dimensión con redes de producto usando descenso por gradiente
Aprendizaje de paridad de alta dimensión con redes de producto y descenso por gradiente: un enfoque eficiente para clasificación en espacios de alta dimensionalidad.