Más allá de una sola explicación de la brecha Adam-SGD
Descubre por qué no existe una única explicación para la brecha Adam-SGD. Estudio empírico revela factores clave: tamaño de lote y arquitectura.
#aprendizaje
Más con LESS: Representaciones Locales para Imágenes Táctiles
Descubre LESS, un nuevo método de representaciones locales para imagen táctil que permite reconstrucción 3D con palpación humana y aprendizaje auto-supervisado.
¿Pueden las redes neuronales profundas mejorar la compresión de datos científicos masivos?
Descubre cómo las redes neuronales mejoran la calidad de compresión de datos científicos, pero no aumentan la relación de compresión.
MUFFLe: Compresión eficiente para aprendizaje federado con deduplicación
MUFFLe comprime en aprendizaje federado con deduplicación. Logra 92.93% precisión con solo 38 MB, superando a cuantización y sparsificación.
Be My Tutor: destilación conjunta para mejora mutua de LLMs
Descubre cómo dos LLMs mejoran mutuamente mediante destilación conjunta y retroalimentación entre pares, logrando una mejora Pareto en múltiples dominios.
Modelo teórico de enrutamiento en transformers MoE
Un modelo teórico revela cómo los transformers MoE enrutan tareas a expertos especializados, respaldado por experimentos. ¡Entiende el mecanismo!
EM-NeSy: Esperanza-Maximización para Aprendizaje Neurosimbólico
Descubre EM-NeSy, un método que combina redes neuronales y razonamiento simbólico usando el algoritmo EM, mejorando escalabilidad y eficiencia en IA.
Aprendizaje por Refuerzo Seguro y Escalable con Garantías
Aprende cómo PS2-RL logra políticas de RL seguras y escalables sin sacrificar rendimiento. Un avance para la robótica y la IA confiable.
Detección de umbrales y control de despacho con IA en sistemas de hidrógeno
Descubre cómo un marco de ML y estadística detecta umbrales operativos y optimiza el despacho de hidrógeno multienergía, usando datos reales de un año.
Residuos de difusión en grafos para variables instrumentales de control
Descubra cómo los residuos de difusión en grafos mejoran la estimación de variables instrumentales, superando a métodos tradicionales en 32 de 54 pruebas sintéticas.
Optimización Convexa Online con Sondas Sublineales Ruidosas
¿Cómo mejoran las sondas ruidosas sublineales el regret en optimización convexa online? Descubre este novedoso modelo y sus aplicaciones a la predicción con expertos.
¿Qué direcciones importan? Diseño disperso para optimización robusta afín
Descubre cómo seleccionar las direcciones de incertidumbre clave en optimización robusta afín con un método voraz que garantiza una cobertura óptima del 63%.
Semi-Bandit Combinatorio en Grafos con Recompensas No Lineales
Descubre cómo optimizar la exploración en datos complejos con estrategias adaptativas y garantías teóricas. Resultados en datos de transporte reales.
Más que rendimiento: decodificando embeddings bioacústicos con habla
Ningún modelo bioacústico lo captura todo. Descubre qué rasgos del habla codifica cada uno y cómo elegir según tu tarea.
μ0: Modelo de mundo 3D escalable con trazas de interacción
Descubre μ0, un modelo de mundo 3D escalable que predice trayectorias de interacción para el aprendizaje robótico sin necesidad de acciones etiquetadas.
Calibración conforme y look-elsewhere en detección de anomalías
Convierte puntuaciones de anomalías en significancias válidas y corrige el efecto look-elsewhere. Calibración conforme elimina falsas alarmas en nueva física.
μ0: Un modelo de mundo escalable basado en trazas 3D de interacción
μ0: modelo de mundo escalable que predice trayectorias 3D para robótica sin etiquetas. Ideal para manipulación cross-embodiment.
Calibración conforme para detección de anomalías en búsqueda de nueva física
La calibración conforme convierte puntuaciones de anomalías en significancias válidas, eliminando falsas alertas en búsquedas de nueva física. Auditable.
FlowMo-WM: Modelo del mundo con momento de objetos y deriva ambiental oculta
Descubre FlowMo-WM, un modelo que predice movimiento de robots acuáticos con deriva oculta, mejorando precisión a largo plazo.
FlowMo-WM: Modelo del mundo con momento y deriva ambiental
Descubre FlowMo-WM, un modelo visual que predice movimientos de robots acuáticos considerando inercia y corrientes ocultas. Mejora el control autónomo en entornos dinámicos.