Evolución Deliberada: Regresión Simbólica Eficiente con LLMs
Descubre cómo Deliberate Evolution usa razonamiento agentico y memoria reflexiva para regresión simbólica eficiente con solo 40% de muestras. ¡Más con menos!
#aprendizaje automático
Modelos de Cuello de Botella Conceptual con Atención Espacial por Partes
Un nuevo modelo de IA con atención factorizada por partes alcanza un 70% de precisión de apuntado, casi igualando a la supervisión completa. Mejora la interpretabilidad en visión por computadora.
REGAIN: Reconciliación y Ganancia en Direcciones Auxiliares
REGAIN selecciona direcciones auxiliares para mejorar pronósticos reconciliados. Aprende cómo esta técnica reduce errores y optimiza modelos predictivos.
Aprendiendo Modelos Multi-Índice: Planitud y Generalización en Redes Homogéneas
La planitud mínima de los interpoladores garantiza la generalización en modelos multi-índice con redes homogéneas.
Control de falsos descubrimientos y simplificación en DNN con knockoffs
Descubre cómo los métodos knockoff permiten seleccionar variables relevantes en redes neuronales profundas, reduciendo la complejidad y manteniendo el control de falsos descubrimientos.
Aplanamiento y generalización en redes neuronales homogéneas
Descubre cómo los interpoladores más planos siempre generalizan en redes neuronales homogéneas, según un nuevo estudio sobre modelos multi-índice.
ReSGA: Modelo de Riesgo de Cola para VaR y Déficit Esperado
Descubre ReSGA, modelo de cola de riesgo que supera a 12 competidores en VaR y ES con ganancias económicas.
NLLog: Detección de anomalías SOC con reescritura de logs a lenguaje
Descubre NLLog, un pipeline ligero que reescribe logs en lenguaje natural para detectar anomalías en SOC con alta precisión y bajas tasas de falsos positivos. Ideal para triage.
Aprendizaje de modelos de orden reducido afín al control mediante autoencoders
Descubre cómo los autoencoders permiten crear modelos de orden reducido afines al control, mejorando la predicción y el control de sistemas complejos. ¡Lee más!
Cómo la IA revela patrones de inundaciones compuestas
La IA analiza datos de mareas, lluvia y nivel freático para predecir inundaciones compuestas. Un estudio revela que el estado del subsuelo es clave. Conoce los hallazgos.
Transmutar prompts en pesos: edición directa de modelos de IA
Nuevo algoritmo transforma prompts en vectores y matrices de peso para editar modelos de lenguaje. Ahorra tiempo y mejora el control sin reentrenar.
LMM-IR: Marco multimodal consciente de netlist para caída de IR
El framework LMM-IR usa IA multimodal con transformers y nubes de puntos 3D para predecir caída de IR estática en chips. Acelera el diseño al reducir horas de análisis a minutos.
Las características de agregación fija pueden rivalizar con las GNN
Las FAFs convierten el aprendizaje en grafos en problemas tabulares, rivalizando con las GNNs sin entrenamiento. Mayor interpretabilidad.
Decaimiento a largo plazo de colas de SGD recortado en optimización no convexa
Nuevas cotas muestran que las colas de SGD y SGD recortado decaen exponencialmente más rápido. ¡Garantías a largo plazo mejoradas!
Variance-Gated Ensembles: Marco Epistémico para Incertidumbre
Descubre VGE, un marco innovador para estimar incertidumbre en modelos de ensamble. Eficiente, escalable y con conciencia epistémica. ¡Mejora tu IA!
TIME: La nueva generación de benchmarks de pronóstico de series temporales
Descubre TIME, benchmark de próxima generación para series temporales. 50 datasets, 98 tareas y evaluación zero-shot sin fuga de datos. Explora liderboard.
Regresión polinómica bagged y redes neuronales
Descubre cómo la regresión polinómica en bolsas iguala precisión de redes neuronales en predicción ambiental, con transparencia y diagnósticos intuitivos.
Relación entre CoCoA y ADMM en minimización de riesgo empírico distribuida
Descubre la relación entre CoCoA y ADMM en minimización de riesgo empírico distribuida y por qué ADMM puede superar a CoCoA.
Generación Contextual de Escenarios para Programación Estocástica en Dos Etapas
Aprende cómo la generación contextual de escenarios mejora la calidad de las decisiones en programación estocástica de dos etapas, reduciendo la cantidad de escenarios necesarios.
Modelos sustitutos causales multi-fidelidad para implosiones ICF
Descubre cómo los modelos sustitutos causales multi-fidelidad y el machine learning optimizan diseños en fusión por confinamiento inercial, acelerando descubrimientos y diagnósticos.