Estadísticas Neuronales Interpretables para Cosmología
Aprende cómo las marcas neuronales interpretables revolucionan la inferencia cosmológica al romper la degeneración Omega_m-sigma8 y mejorar la precisión en un 2.9x.
#aprendizaje contrastivo
GraspLLM: Generalización zero-shot en grafos de texto con LLMs
GraspLLM combina LLMs y aprendizaje contrastivo para generalizar sin entrenamiento en múltiples datasets de grafos textuales. Logra rendimiento superior zero-shot.
Lung-SRAD: Aprendizaje contrastivo para clasificación de sonidos respiratorios
Lung-SRAD: nuevo método SSM para clasificación de sonidos respiratorios que supera al AST en un 5% en ICBHI. Regularización espectral y aprendizaje contrastivo.
DiffCold: Modelo generativo por difusión para recomendación con arranque frío
DiffCold resuelve el dilema del seesaw: unifica representaciones de ítems fríos y cálidos con un modelo generativo por difusión. ¡Mejora el rendimiento!
CCKS: Comunicación Basada en Consenso y Compartición de Conocimiento
Optimiza la cooperación multiagente con CCKS: consenso y compartición de conocimiento. Resultados superiores en StarCraft II y Google Football.
Robustez de grafos contra ataques backdoor: perspectiva de sobresimilitud
Descubre cómo SimGuard protege redes de grafos contra ataques backdoor usando sobresimilitud. Mejora la robustez sin sacrificar rendimiento.
Revisando muestras positivas en aprendizaje contrastivo de grafos
El aprendizaje contrastivo de grafos (GCL) puede ser efectivo sin muestras positivas. Descubre cómo SPGCL aprovecha la energía de Dirichlet para mejorar el aprendizaje. ¡Lee el artículo!
Manipulación aérea autónoma con meta-aprendizaje por contraste
Un dron con gancho aprende a recoger objetos de distintos pesos y adaptarse en tiempo real gracias al meta-aprendizaje contrastivo. Descúbrelo.
POIs con movilidad: qué es y cómo se usa un lugar
Descubre cómo ME-POIs integra datos de movilidad humana para crear representaciones de lugares que capturan tanto su identidad como su uso real, superando a modelos tradicionales.
STELLAR: Aprendizaje Espacio-Temporal para Modelado de Especies
Descubre cómo STELLAR utiliza aprendizaje espaciotemporal y alineación latente para predecir especies raras y mejorar la conservación de la biodiversidad.
Native3D: generación 3D end-to-end con malla y textura unificadas
Native3D revoluciona la generación de escenas 3D con modelado unificado de malla y textura. Olvídate de representaciones 2D y obtén mayor realismo y flexibilidad de edición.
Modelo PPG robusto con supervisión fisiológica multimodal
Descubre cómo un modelo PPG entrenado con señales de ECG y respiración logra mayor robustez y precisión en 14 de 15 tareas, incluso con datos de wearables.
ECI: Información Contrastiva Efectiva para Evaluar Negativos Difíciles
Descubre cómo ECI clasifica fuentes negativas sin entrenamiento, mejorando la recuperación densa en modelos como DistilBERT y Contriever. Basado en arXiv.
Brain-CLIPLM: Compresión Semántica para Decodificación de EEG a Texto
Descubre cómo Brain-CLIPLM decodifica lenguaje natural a partir de señales EEG mediante compresión semántica. Un enfoque innovador para recuperar frases desde anclas semánticas.
Operadores de Monte Carlo Steklov para procesamiento geométrico a gran escala
Descubre cómo los operadores Monte Carlo Steklov permiten procesar geometría a gran escala, incluso con mallas imperfectas. Aplica en 450k formas 3D.
TPA-AD: Detección en dos etapas de anomalías en rodamientos con pseudo-anomalías
Descubre TPA-AD, un método que genera pseudo-anomalías para detectar fallos en rodamientos sin datos previos. ¡Ideal para mantenimiento predictivo!
La pérdida no basta: condiciones de muestreo y sesgo inductivo
La pérdida no basta en aprendizaje contrastivo. Condiciones de muestreo y sesgo inductivo determinan la recuperación de representaciones latentes.
Aprendizaje contrastivo de ECG y angiografía para estenosis severa
Descubre cómo el framework StenCE usa aprendizaje contrastivo multimodal para clasificar estenosis severa desde ECG, facilitando el diagnóstico temprano no invasivo.
CoughSense: Clasificación de enfermedades respiratorias con Whisper
CoughSense clasifica tos en 5 enfermedades con 82.3% de precisión usando Whisper y aprendizaje contrastivo. Descubre cómo supera el desbalance de clases.
CoughSense: clasificación de enfermedades respiratorias en 5 clases
CoughSense clasifica tos en 5 enfermedades con 82.3% precisión. Descubre atención activa en Whisper y fusión dual.