Emparejamiento del operador de Perron-Frobenius en modelos generativos
El nuevo enfoque PFOM unifica flujo, difusión y saltos en modelos generativos usando el operador de Perron-Frobenius. Aceleración Nesterov y divergencia KL.
#bregman
Método de punto medio aleatorizado para muestreo log-cóncavo con restricciones
Descubre el método de punto medio aleatorizado para muestreo log-cóncavo con restricciones. Mejora la convergencia en difusiones de Langevin. Avances en IA y
Emparejamiento de Perron-Frobenius para Modelado Generativo
Descubre PFOM: un marco generativo que unifica flujo, difusión y saltos vía operador de Perron-Frobenius. Convergencia acelerada con Nesterov.
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.
Mirror Descent: sensibilidad exponencial a la inicialización
Descubre cómo Mirror Descent puede amplificar pequeños errores de inicialización de forma exponencial, afectando la reproducibilidad en entrenamiento de IA y modelos de lenguaje.