Modelos de difusión riemannianos en variedades generales mediante PINNs
Aprende cómo las PINNs permiten resolver la ecuación del calor en variedades para modelos generativos de difusión riemanniana, sin necesidad de núcleos analíticos.
#aprendizaje profundo
Inferencia Bayesiana Escalable para Leyes de Conservación No Lineales
Aprende cómo la inferencia bayesiana escalable con procesos gaussianos resuelve problemas inversos en segundos, superando a métodos de deep learning.
Capacidad del estudiante modera la destilación de conocimiento en ResNet
La capacidad del estudiante modera la destilación de conocimiento. Estudio en ResNet con CIFAR-10 muestra que Feature-KD supera a Logit-KD en ciertos casos.
Interpretabilidad sin concesiones: Desenredando la polisemia en DNNs
Descubre ELUDe, un método innovador que desenreda conceptos en redes neuronales profundas sin afectar su rendimiento. Interpretabilidad clara y práctica.
Interpretabilidad sin pérdida: Desenredando la polisemia
Descubre ELUDe, método que mejora interpretabilidad sin sacrificar rendimiento. Desenreda polisemia neuronal manteniendo precisión. ¡Lee más!
Balanced LoRA: Eliminando invariancia de parámetros para acelerar convergencia
Acelera tu fine-tuning con BaLoRA: elimina invariancia de parámetros para convergencia más rápida y mejor rendimiento.
Einops gráficos: uniendo redes tensoriales y grafos de cómputo
Aprende cómo el cálculo gráfico einops permite demostraciones visuales de equivarianza y optimiza atención dispersa.
Relación entre activaciones atípicas y muerte de características en SAE
Descubre cómo los valores atípicos en las activaciones neuronales provocan la muerte de características en autoencoders dispersos y cómo solucionarlo con centrado de media.
Reserva resiliente de PRB para slicing O-RAN con latencia crítica
Descubre cómo un sistema de reservas con Deep Q-Network protege el slicing O-RAN contra jamming, reduciendo violaciones de latencia crítica en redes 5G.
Alineación Latente Equivariante mediante Flow Matching bajo Simetrías de Grupo
Mejora la síntesis de vistas novedosas corrigiendo la desalineación latente con Residual Latent Flow.
Inferencia Bayesiana con MLPs Profundos No Lineales
Descubre cómo la inferencia bayesiana en MLPs profundos no lineales se simplifica a un método kernel y cómo la profundidad mejora la evidencia del modelo. Una nueva perspectiva teórica.
Aproximación de funciones suaves anisotrópicas y mixtas con redes neuronales ReLU profundas
Descubre cómo las redes neuronales ReLU profundas logran tasas de aproximación óptimas para funciones suaves anisotrópicas y mixtas, superando la maldición de la dimensionalidad.
Detección de odio en video con fusión multimodal razonada
Descubre cómo RAMF mejora la detección de odio en videos con fusión multimodal y razonamiento adversario, superando métodos actuales en 3% y 7%
HYGENE: Un método de generación de hipergrafos basado en difusión
Descubre HYGENE, el primer método de generación de hipergrafos con difusión, capaz de crear estructuras realistas y diversas para investigación en IA.
TASER: Regularización Stein para robustez guiada por geometría
Descubre TASER, un método de regularización que mejora la robustez adversarial sin degradar la precisión. Basado en operadores Stein, ideal para deep learning.
AbstainGNN: Enseñando a las GNN a abstenerse en clasificación de grafos
AbstainGNN enseña a las GNN a abstenerse en clasificación de grafos, mejorando la fiabilidad. Descubre su teoría PAC-Bayesiana y resultados.
Revisitando la entropía para identificar imágenes mal etiquetadas
Descubre cómo el método SEI utiliza la entropía para identificar imágenes mal etiquetadas, mejorando el rendimiento de redes profundas en diagnóstico médico.