ODE Jerárquico: Prototipos Físicos Continuos para Detectar Fallos de Enlace
Descubre cómo el modelo ODE jerárquico aprende prototipos físicos continuos para detectar fallos de enlace tempranamente. ¡Optimiza tu red!
#aprendizaje
PERRY: Evaluación de políticas con intervalos de confianza usando datos auxiliares
Nuevo método PERRY para intervalos de confianza en evaluación de políticas offline con datos auxiliares. Ideal para dominios críticos como salud.
Pix2Pix-Híbrido: síntesis guiada de multitudes del Hajj
Descubre Pix2Pix-Híbrido, un modelo GAN que genera imágenes realistas de multitudes del Hajj para mejorar el conteo de personas y la aumentación de datos.
Aprendizaje activo bayesiano multidimensional en memoria de trabajo
Investigación valida el aprendizaje activo bayesiano multidimensional para evaluar memoria de trabajo en entornos virtuales. Solo 30 muestras son suficientes.
Fusión multi-fidelidad de datos aerodinámicos con autoencoder transfer learning
Fusión de datos multi-fidelidad con autoencoder y transfer learning logra predicciones aerodinámicas precisas con pocos datos e incertidumbre >95%.
Deep Learning y elicitabilidad para MV-FBSDEs con ruido común
Deep learning y elicitabilidad resuelven ecuaciones de McKean-Vlasov con ruido común, sin costosas simulaciones. Aplicaciones en finanzas y economía.
Predicción Privada con Privacidad PAC
Descubre cómo la privacidad PAC permite predicciones privadas con alta precisión y presupuestos ínfimos. Resultados sorprendentes en CIFAR-10 y control de inferencia de membresía.
Detección dinámica de free-riders en aprendizaje federado mediante patrones de ataque simulados
Descubre cómo S2-WEF detecta free-riders dinámicos en aprendizaje federado simulando patrones de ataque, sin necesidad de datos proxy o pre-entrenamiento. Mejora la seguridad de tus modelos.
CADET: Auditoría causal sin entrenamiento para planificadores de conducción autónoma
CADET audita y corrige correlaciones espurias en planificadores autónomos sin reentrenar. Mejora la confiabilidad en escenarios complejos. Descubre cómo.
Pregúntale a Gauss: Auditoría de privacidad mejorada en una sola ejecución
Descubre cómo la distribución gaussiana permite auditorías de privacidad más ajustadas en una sola ejecución, mejorando la detección de fugas de información.
MoDiCoL: Dataset modular de diagnóstico y aprendizaje continuo para ASR robusto
Descubre MoDiCoL, un dataset modular para evaluar la robustez del ASR ante cambios de acentos y ruido. Aprendizaje continuo para sistemas más fiables.
Operador neuronal de punto fijo para Hamiltonianos transferibles
HamEvo, operador neuronal de punto fijo, reduce errores en Hamiltonianos hasta 49% y predice HOMO/LUMO con precisión química, siendo 242 veces más rápido que DFT.
Cuantización de modelos de series temporales como sistemas dinámicos: TQS
TQS mide propagación de errores de cuantificación en series temporales. Permite presupuesto de bits sin calibración. Ideal para baja precisión.
El desafío de sistematicidad de Fodor y Pylyshyn sigue vigente
A pesar de los avances en IA, el desafío de sistematicidad de Fodor y Pylyshyn sigue sin resolverse. Nuevos estudios muestran que las redes neuronales fallan en aprender reglas fuera de distribución.
IoMT seguro en la era post-cuántica con aprendizaje federado edge
Asegura datos médicos con criptografía post-cuántica y aprendizaje federado edge. Kubernetes reduce latencia en IoMT. ¡Lee!
Clasificación por particiones óptima desde datos observables y privados
Descubre cómo lograr tasas de convergencia óptimas en clasificación por particiones con datos observables y privatizados, sin suposiciones restrictivas.
Control arbitrario de propagación de ondas multimodo para machine learning
Descubre cómo un dispositivo óptico reprogramable con 10,000 grados de libertad permite el aprendizaje automático en un solo paso, sin preprocesamiento digital.
TRACE: Memoria Causal para Imitación Visuomotora con Evidencia Diferida
TRACE: un sistema de memoria causal para robots que resuelve tareas con evidencia visual desaparecida. Mejora la imitación visuomotora y decisiones.
Identificación de diagnósticos en cartas de alta mediante NLP débilmente supervisado
Descubre cómo un pipeline de NLP débilmente supervisado identifica diagnósticos en cartas de alta sin anotación manual, reduciendo horas de trabajo en investigación clínica.
Repensando el Global Average Pooling: clasificador como aprendiz multi-instancia
Los clasificadores con GAP actúan como aprendices multi-instancia. Descubre cómo revelan evidencia espacial incluso en predicciones erróneas.