Razonamiento de LLM con pocas etiquetas: marco semisupervisado con verificador ligero
Descubre cómo un marco semisupervisado con verificador ligero permite que los LLM aprendan a razonar con solo unas pocas etiquetas, logrando precisión
#aprendizaje semisupervisado
Detección de confianza en el habla: pseudoetiquetado y embeddings de Whisper
Descubre cómo pseudoetiquetado y embeddings Whisper logran 75% de precisión en detección de confianza del hablante, mejorando el feedback educativo.
Detección semisupervisada de confianza en habla con Whisper
Descubre cómo la combinación de pseudoetiquetado y embeddings de Whisper alcanza un 75% de precisión detectando confianza en el habla. Ideal para educación.
CT-VDETR: Detección semisupervisada de traumatismos 3D en TC
Descubre CT-VDETR, un método semisupervisado que detecta traumatismos abdominales en TC 3D con solo 78 anotaciones, mejorando el rendimiento un 53%.
Destilación mutua de modelos fundacionales duales en segmentación PET/CT semisupervisada
Marco de destilación mutua de modelos fundacionales duales para segmentación PET/CT semisupervisada. ¡Logra alto rendimiento con solo 5 casos etiquetados!
SLUM-i: Aprendizaje semisupervisado para mapeo de asentamientos informales
SLUM-i: aprendizaje semisupervisado para mapeo de asentamientos informales con mejora en calidad de datos. Logra +5.9 pp mIoU.
Inferencia causal potenciada por predicción: DML y Riesz semi-supervisada
La inferencia causal potenciada por predicción (PPCI) con DML y regresión Riesz semi-supervisada logra estimaciones más eficientes que los métodos clásicos.
CoVar: selección de pseudoetiquetas guiada por confianza y varianza
Descubre CoVar, un método que combina confianza y varianza para seleccionar pseudoetiquetas fiables en aprendizaje semisupervisado, mejorando precisión en segmentación y clasificación.
SSL basado en Mean Teacher para localización interior con RSSI WiFi
Descubre cómo el framework SSL basado en Mean Teacher reduce errores de localización interior hasta un 49% usando huellas RSSI WiFi. Mejora precisión sin recolección masiva de datos.
Regresión semisupervisada con proxy ruidoso: límites y generalización
Nuevo estimador en dos etapas supera a métodos supervisados en regresión con proxy ruidoso, aprovechando datos no etiquetados para límites de generalización.