Interpolación de Kernel de Segundo Orden en Machine Learning
Descubre las fórmulas de interpolación de kernel de segundo orden: incorporan curvatura, ruido de gradiente estocástico y momentum para mejorar predicciones en ML.
#aprendizaje automático
Gradiente Descendente Estocástico Descentralizado Acelerado
MG-ADSGD acelera la optimización descentralizada con comunicación eficiente, logrando la mejor complejidad comunicacional para problemas fuertemente convexos.
Ruptura de universalidad gaussiana: caracterización en ERM de alta dimensión
Descubre cómo la universalidad gaussiana se rompe en la minimización de riesgo empírico de alta dimensión y sus implicaciones para el aprendizaje automático
Predicción temprana de gravedad en Enfermedad Veno-Oclusiva con IA
Un innovador método de IA basado en aprendizaje probabilístico predice la gravedad de la Enfermedad Veno-Oclusiva antes del trasplante, permitiendo tratamientos personalizados con gemelos digitales.
Profundidad sobre fidelidad en evolutivas ruidosas con presupuesto fijo
RB-PEM optimiza estrategias evolutivas ruidosas priorizando profundidad sobre fidelidad. Logra mejoras consistentes con presupuesto fijo.
Aprendizaje automático con reactividad predice rendimiento de escorias activadas
Descubre cómo el aprendizaje automático informado por reactividad predice la resistencia de escorias activadas y optimiza el diseño sostenible.
Aprendizaje de modelos de demanda justos
Descubre cómo incorporar la equidad en modelos de demanda para fijar precios sin discriminación. Comparativa de estrategias y caso real con datos de vacunas.
Estabilidad más allá de diferencias acotadas: límites con momentos L_p
Descubre cómo la estabilidad L_p genera límites de generalización robustos con pérdidas pesadas, superando diferencias acotadas.
SigmaScale: Compresión de LLM con SVD y matrices de escala aprendidas
Descubre SigmaScale, método para comprimir LLMs con descomposición SVD y matrices de escala aprendidas. Reduce costo computacional sin perder rendimiento.
ML-FTLE unificado guiado por geometría para rastrear caos transitorio en series temporales escalares
Descubre cómo un nuevo marco de ML guiado por geometría detecta caos transitorio en series temporales, sin ecuaciones, con alta precisión y resistencia al ruido.
Ranking Bradley-Terry para sistemas de recomendación
Descubre cómo el modelo Bradley-Terry ofrece rankings justos y robustos para comparar algoritmos de recomendación según las características del dataset.
Dinámicas de aprendizaje bajo reparametrización relativa de modelos singulares
Descubre cómo la reparametrización relativa optimiza la convergencia en modelos singulares como GMM y redes neuronales. Teoría y experimentos.
Factorización interpretable para identificar factores latentes de psicopatología
Descubre cómo la factorización interpretable de cuestionarios clínicos revela factores latentes en psicopatología y mejora el diagnóstico.
Modelando AdaGrad, RMSProp y Adam con ecuaciones integro-diferenciales
Descubre cómo AdaGrad, RMSProp y Adam se modelan con ecuaciones integro-diferenciales. Un nuevo enfoque teórico para optimizadores adaptativos.
Utilidad y complejidad del machine unlearning dentro y fuera de distribución
Descubre el machine unlearning: eliminación selectiva de datos en IA. Analizamos complejidad dentro y fuera de distribución y proponemos un nuevo método.
DirectAnimator: Animación humana directa desde videos
Descubre cómo DirectAnimator aprende animación humana directamente desde videos, sin esqueletos ni estimación de pose, con alta calidad y menor coste computacional.
MIST: Estimación de Información Mutua mediante Entrenamiento Supervisado
MIST: nuevo estimador de información mutua con redes neuronales. Supera métodos clásicos, ofrece intervalos de confianza calibrados y es mucho más rápido.
Mejorando la predicción conforme mediante similitud de clases
Mejora tus modelos de clasificación con predicción conforme y similitud de clases: reduce el conjunto de predicción y mantén la garantía. ¡Lee más!
GS-KAN: Redes neuronales eficientes con funciones base compartidas
GS-KAN: arquitectura ligera que reduce parámetros drásticamente. Supera a MLPs y KANs en aproximación, regresión y clasificación. ¡Descúbrelo!
DataEvolver: preparación automática de datos para modelos de lenguaje
Descubre DataEvolver, el primer sistema auto-evolutivo que prepara datos automáticamente para mejorar el rendimiento de grandes modelos de lenguaje. ¡Aumenta la calidad de tus datos!