Escaleras de Kernel Browniano
Descubre cómo las Escaleras de Kernel Browniano crean espacios de funciones jerárquicas matemáticamente tratables para aprendizaje profundo, con garantías de
#aprendiz
Multi-Fidelity SINDy: Identificación dispersa de sistemas dinámicos no lineales
Descubre cómo Multi-Fidelity SINDy mejora la identificación de sistemas dinámicos no lineales usando datos de baja y alta fidelidad.
SILAGE: Optimización No Convexa Eficiente en Memoria para Sumas Finitas Anidadas
Descubre SILAGE, algoritmo que elimina los gradientes completos usando solo O(n) memoria. Se adapta a la heterogeneidad de datos. Ideal para grandes datos.
David vs. Goliat: Argmax contra LSTM, Transformer y LLM
¿Puede un simple conteo superar a LSTM, Transformer y LLM? Nuestro benchmark revela resultados sorprendentes.
Pronóstico bursátil con Transformers y aumento de datos desplazados
Mejora el pronóstico bursátil con aumento de datos desplazados y Transformers. Resultados en VN30 y S&P 500.
Aprendizaje no supervisado para modalidades faltantes en aprendizaje multimodal
Descubre cómo UL4M4 imputa embeddings faltantes en aprendizaje multimodal mediante clustering no supervisado, logrando F1 >0.7 incluso con >50% de datos
Decodificación paralela de campo medio para modelos de difusión
Mejora la eficiencia de modelos de difusión discretos con decodificación paralela de campo medio. Coordina actualizaciones para generar más tokens por paso sin
Escaleras de Kernel Browniano
Descubre las Escaleras de Kernel Browniano: un marco matemático para representaciones jerárquicas en deep learning con cotas de error casi paramétricas.
SILAGE: Optimización no convexa eficiente en memoria y sin gradiente completo
Optimiza modelos sin gradientes completos: conoce SILAGE, el algoritmo que ahorra memoria y acelera el entrenamiento.
Aprendizaje por refuerzo para pronóstico de eventos con LLMs
Descubre cómo GRPO entrena LLMs para predecir eventos reales, logrando que un modelo de 1.5B supere a Claude Sonnet 3.5. Resultados sorprendentes.
Estimación de glucosa en sangre con PPG y Machine Learning
Estudio explora estimación de glucosa no invasiva usando PPG de smartwatch y machine learning. ¿Podemos medir glucosa sin pinchazos?
Auditoría de privacidad causal en datos sintéticos para abandono escolar
Descubre cómo el flujo CaP-Eval audita la privacidad causal en datos sintéticos para tomar decisiones informadas en soporte de abandono escolar.
Iteración de política optimista Monte Carlo no uniforme: contraejemplo certificado
Descubra un contraejemplo certificado que demuestra la no convergencia de la iteración de política optimista Monte Carlo con pasos escalares no uniformes en un
Aceleración de OCSVM mediante ensemble de SVMs de un dato
Descubre cómo acelerar el entrenamiento de OCSVM en grandes conjuntos de datos usando un ensemble de SVMs de un dato. Resultados rápidos y precisos. Código
IBAD: Detección interpretable de anomalías en movilidad humana
Descubre cómo IBAD aprende plantillas de comportamiento y detecta anomalías en la movilidad humana de forma interpretable. Ideal para ciberseguridad y análisis
El beneficio informacional de representaciones compartidas bajo ortogonalidad
Aprende cómo las representaciones compartidas bajo restricciones de ortogonalidad optimizan el almacenamiento de información en redes neuronales multitarea.
Calibración de decisiones en tiempo de inferencia para clasificación temporal
Descubre cómo mejorar la clasificación temporal con evidencia residual y calibración post-hoc. Resultados en FI-2010, PTB-XL y más.
Selección de datos con estructura de bajo rango en aprendizaje activo
Descubre cómo la selección de datos basada en bajo rango supera al clustering tradicional. Nuevo método con garantías teóricas y mejor rendimiento en datasets
Auditoría de desaprendizaje automático: ¿realmente olvidan?
Descubre un marco de auditoría para comprobar si los modelos de IA realmente olvidan datos. Verifica el desaprendizaje sin reentrenar.
Predicción de parámetros de ejecución con aprendizaje activo y generativo
Predice parámetros de ejecución en química computacional con aprendizaje activo y generativo. Modelos alcanzan 99.9% de precisión.