Mínimos locales en redes ReLU de dos capas: un análisis preciso
Descubre cómo se caracterizan los mínimos locales en redes ReLU de dos capas y cómo la sobreparametrización facilita el acceso a mínimos globales.
#aprendizaje profundo
Aprendizaje por Refuerzo con Información Física en Contactos Híbridos
Descubre cómo el aprendizaje por refuerzo con información física (Pi-GCRL) maneja dinámicas de contacto híbridas en manipulación robótica. ¡Entra!
Análisis de estabilidad de Sharpness-Aware Minimization
Descubre cómo el algoritmo SAM puede quedarse atrapado en puntos de silla y cómo el momentum y el tamaño de lote ayudan a mejorar su estabilidad y generalización.
DeepIPCv2: Percepción y control robustos con LiDAR para vehículos autónomos
Descubre cómo DeepIPCv2 usa LiDAR y aprendizaje profundo para percepción ambiental robusta y control preciso, incluso en condiciones de iluminación variables.
Encuesta sobre Reconstrucción 3D con Cámaras de Eventos
Descubre cómo las cámaras de eventos permiten la reconstrucción 3D en condiciones extremas. Encuesta completa de técnicas, datasets y desafíos.
Autoencoders Variacionales Hipersféricos con Cauchy Esférica Eficiente
VAEs hipersféricos con Cauchy esférica: más eficiente y estable que vMF. Ideal para datos complejos.
Deep Learning como la construcción disciplinada de objetos dóciles
Exploramos cómo la geometría dócil proporciona un marco matemático para garantizar la convergencia del descenso de gradiente en deep learning, incluso en entornos no lisos y no convexos.
Aprendizaje profundo extremo a extremo para predecir salidas en espacios métricos
E2M revoluciona la predicción de datos no euclidianos con deep learning. Conoce su teoría, rendimiento y aplicaciones en mortalidad y tráfico.
Predicción Conforme Consciente del Cambio de Dominio para LLMs
Predicción conforme adaptativa al cambio de dominio: mejora la fiabilidad de los LLMs y reduce alucinaciones. Un avance en incertidumbre confiable.
CARES: Selector de Resolución Consciente del Contexto para VLMs
CARES es un módulo ligero que selecciona la resolución mínima para VLMs, reduciendo el cómputo hasta un 80% sin perder precisión. Optimiza tus modelos.
Clonación de Comportamiento de MPC para Robots Manipuladores de 3 GDL
Descubre cómo la clonación de comportamiento reduce la carga computacional del MPC en robots de 3 GDL, logrando una reducción de 3x en latencia y un 84.98% de éxito. Ideal para control en tiempo real.
Modelos Recursivos Pequeños para el Problema de Lambert J2
Descubre cómo los TRM resuelven el problema Lambert con J2, reduciendo errores de 340 km a 0.3 km solo con 2.3M parámetros. Ideal para misiones espaciales.
Segmentación tisular monocanal con destilación multimodal
Descubre cómo la destilación cross-modal permite segmentar tejidos con un solo canal, logrando resultados cercanos a modelos más grandes con menos parámetros.
Recocido Autorregulado en Modelos de Difusión de Cola Pesada
Aprende cómo el recocido autorregulado en modelos de difusión de cola pesada mejora el muestreo adaptativo. Optimiza la generación con SDE.
KDH-CAD: Aprendizaje híbrido de conocimiento y datos en CAD
Descubre KDH-CAD, el marco híbrido que alcanza un 92.6% de precisión en clasificación CAD con apenas 250 muestras.
Redes Neuronales Recurrentes Guiadas por Física para Predicción Multietapa
Descubre cómo las redes neuronales recurrentes guiadas por física mejoran la predicción multietapa, incluso con datos limitados y modelos imperfectos.
Deep Learning para mejorar el mapeo de inundaciones por satélite
Descubre cómo el Deep Learning y los modelos de difusión eliminan nubes en imágenes satelitales para mejorar el mapeo de inundaciones y la gestión de desastres.
Actualizaciones robustas del prior para evitar alucinaciones en difusión
Descubre cómo el método RPU reduce las alucinaciones en solucionadores de problemas inversos basados en difusión, mejorando la fidelidad de las reconstrucciones. Estudio en FFHQ e ImageNet.
Arquitectura dualencoder con fusión Choquet en clasificación acústica submarina
Descubre cómo la nueva arquitectura dual-encoder con fusión Choquet mejora la clasificación acústica submarina, ofreciendo precisión e interpretabilidad.
DPsurv: Fusión evidencial de doble prototipo para predicción de supervivencia
DPsurv utiliza fusión evidencial de doble prototipo para predecir supervivencia en imágenes patológicas, ofreciendo interpretabilidad y medición de incertidumbr