Redes Q de Grafos Temporalmente Consistentes para Control Inteligente de Redes
Descubre TC-GQN, algoritmo MARL que aprende representación autopredictiva de red para optimizar ahorro energético manteniendo QoS.
#aprendizaje
Redes Q de Grafos Temporalmente Consistentes para Control Inteligente de Redes
El algoritmo TC-GQN usa aprendizaje por refuerzo y redes neuronales para optimizar redes móviles, ahorrando energía y manteniendo calidad de servicio.
Descubrimiento en bucle cerrado de protocolos fuera de distribución
Nuevo método combina búsqueda evolutiva y aprendizaje automático para descubrir protocolos de procesamiento inéditos en materiales ferroeléctricos.
Descubrimiento de protocolos fuera de distribución mediante búsqueda evolutiva
IA con búsqueda evolutiva y aprendizaje incierto descubre nuevos protocolos de procesamiento fuera de distribución para materiales ferroelectricos.
PhysVLA: VLA con fundamentos físicos para manipulación robótica
Descubre PhysVLA, un framework que aplica principios físicos a modelos VLA sin reentrenamiento, mejorando el éxito de manipulación robótica hasta un 50%.
PhysVLA: Hacia una VLA físicamente fundamentada para manipulación robótica
PhysVLA: plug-and-play para robots VLA. Sin reentrenar, mejora éxito 17% y estabilidad 19%. ¡Conoce cómo!
Optimización de estados cuánticos neuronales con gradiente de fase directo
Descubre cómo el nuevo método de gradiente de fase directo-adaptativo reduce errores en la optimización de estados cuánticos neuronales, mejorando la precisión en sistemas con fase compleja.
Método directo-adaptativo de gradiente de fase para estados cuánticos
Descubre cómo un nuevo método de gradiente de fase directo-adaptativo mejora la precisión en estados cuánticos de redes neuronales, reduciendo error a 0.89% en sistemas con fase compleja.
Modelo basado en atención para predicción robusta con modalidades faltantes
Descubre un modelo basado en atención que maneja datos multimodales incompletos para predicciones robustas en robótica. ¡Supera la falta de sensores!
Modelo de atención para predicción robusta con datos incompletos
Descubre un modelo de atención que aprende con datos incompletos en robótica. Mejora la predicción de trayectorias y manipulación con sensores faltantes.
Clasificación de espectros astronómicos con PCA y LightGBM
Descubre cómo combinar PCA y LightGBM para clasificar espectros astronómicos con un 94.6% de precisión. Aplicación en SDSS DR17.
Un marco general para árboles de decisión mediante divergencias de Bregman
Descubre cómo generalizar los árboles CART usando divergencias de Bregman. Un marco unificado para clasificación y regresión con fundamentos convexos.
XRDiff: Predicción de estructuras con difracción de rayos X y difusión
XRDiff predice estructuras cristalinas desde difracción de rayos X con modelos de difusión, superando la brecha simulación-experimento. IA para materiales.
RT-VLA: Modelos de visión-lenguaje-acción en tiempo real con destilación
Descubre RT-VLA, un modelo ligero que reduce la latencia de inferencia hasta 44.8x mediante destilación de conocimiento para conducción autónoma en tiempo real.
Transporte óptimo para adaptación dominio geométrica en regresión lineal en R²
Optimiza tus modelos de regresión lineal con transporte óptimo para adaptación de dominio geométrica. Método interpretable y eficiente.
Confirmación válida en cualquier momento de correcciones de cambio de etiqueta
¿Tienes pocos datos etiquetados? Descubre cómo validar correcciones de cambio de etiqueta con pruebas secuenciales anytime-valid.
Clasificación HCQ de Alzheimer con β-VAE supervisado y kernels cuánticos
Pipeline híbrido clásico-cuántico con autoencoder supervisado y kernels cuánticos logra 72% de precisión en Alzheimer en resonancias magnéticas.
Gradient boosting para extremos: teoría de muestreo en seguros
Explora cómo el gradient boosting optimiza la estimación de colas pesadas en seguros. Basado en teoría de muestreo y aplicado a 18,000 reclamaciones médicas.
Flujo de partículas con IA como modelo fundacional para física de colisionadores
El modelo MLPF de flujo de partículas con IA sirve como base para identificar jets, regresión energética y momento faltante, superando a métodos tradicionales con 35 veces menos parámetros.
Aproximación estocástica de dos escalas: transición de fase aguda
Descubre cómo un nuevo método corrige la lenta convergencia en aproximación estocástica no lineal de dos escalas, logrando tasas óptimas con corrección de sesgo en línea.