Detección de anomalías ECG con autoencoder federado y privacidad en edge
Aprende cómo un sistema federado con autoencoder, privacidad diferencial y cuantización INT8 detecta anomalías en ECG en edge, cumpliendo GDPR.
#cid
LUCID: Aprendizaje de Intenciones a partir de Videos Humanos para Robots
LUCID enseña a robots tareas complejas viendo videos de internet. Aprendizaje escalable sin costosas demostraciones. ¡Zero-shot a nuevos objetos!
LUCID: Aprendizaje de Intención Robótica desde Videos Humanos
LUCID permite a robots aprender habilidades complejas observando videos humanos cotidianos, sin demostraciones costosas. Escalable y adaptable a diferentes brazos robóticos.
Privacidad Robusta: Privacidad en Inferencia con Robustez Certificada
Robust Privacy (RP) protege tus datos en inferencia con robustez certificada, reduciendo la inversión de modelos del 73% al 4% con alta precisión. Descubre.
Internet de Todo en 6G: paradigmas, habilitadores y futuro
Descubre el Internet de Todo en la era 6G: paradigmas, tecnologías habilitadoras, potenciales y desafíos de escalabilidad, seguridad y eficiencia. ¡Lee más!
GraphInfer-Bench: Evaluando la capacidad de inferencia de LLMs en grafos
Descubre GraphInfer-Bench, el benchmark que evalúa si los LLMs pueden inferir en grafos. Los resultados muestran que las GNNs los superan. ¿Qué significa para el futuro de la IA?
GraphInfer-Bench: Evaluando la capacidad de inferencia de LLMs en grafos
Descubre GraphInfer-Bench, el benchmark que mide la capacidad de inferencia de LLMs en grafos. ¿Superan a las GNNs? Entra y conoce los resultados.
Optimización convexa online con capacidad limitada y retroalimentación retrasada
Descubre cómo optimizar el aprendizaje online cuando la retroalimentación llega con retraso y los recursos de seguimiento son limitados. Nuevo algoritmo con garantías de rendimiento.
MemNovo: reequilibrando la secuenciación de novo de péptidos
MemNovo mejora la precisión en secuenciación de novo de péptidos hasta un 39% usando memoria espectral. Sin entrenamiento.
Capas lineales compuestas desde irreducibles
Descubre cómo descomponer capas lineales en primitivas geométricas usando álgebra de Clifford, reduciendo parámetros de O(d²) a O(log²d) sin perder rendimiento.
Generación Abierta de Materiales con Aprendizaje por Refuerzo en Inferencia
Descubre cómo OMatG-IRL aplica aprendizaje por refuerzo en inferencia para generar materiales cristalinos estables, mejorando eficiencia y diversidad.
Optimización convexa online con feedback retrasado y capacidad limitada
Descubre cómo manejar el feedback retrasado en optimización convexa online con capacidad limitada. Nuevos algoritmos y cotas de arrepentimiento.
RCAP: poda dinámica de datos robusta y consciente de clases
Descubre RCAP, un algoritmo de poda dinámica que mantiene alta precisión en clases minoritarias usando solo el 10% de los datos. ¡Acelera tu entrenamiento!
Teoría del aprendizaje de estadísticas en modelos de difusión: de fácil a complejo
Descubre cómo los modelos de difusión aprenden estadísticas simples primero y luego las complejas, según una nueva teoría con implicaciones para la generación de imágenes.
Simplicidad suficiente para inyección de ruido en parámetros SGD
Descubre cómo la inyección de ruido simple en parámetros supera a técnicas complejas en SGD. Mejora el entrenamiento y generalización de redes neuronales con estrategias ligeras.
Asignación Entrópica Recocida para Clasificación y Selección
Algoritmo Annealed Entropic Allocation optimiza la asignación secuencial en clasificación y selección. Usa entropía recocida para mejor discriminación en presupuestos finitos.
Adv-TGD: Ataque generativo adversarial basado en texto para reconocimiento facial
Descubre Adv-TGD, el nuevo ataque adversarial que engaña sistemas de reconocimiento facial con 85.9% de éxito y alta calidad visual.
Sondas dispersas y física turbia: interpretabilidad en modelos de dinámica continua
Descubre cómo un autoencoder disperso revela los desafíos de interpretabilidad en un modelo fundacional de dinámica continua y sus discrepancias físicas.
MLT-Dedup: Deduplicación eficiente de videos online a gran escala
Descubre cómo MLT-Dedup reduce repeticiones de video online en un 91% con precisión del 90%. Técnicas avanzadas de representaciones multinivel y coincidencia espacio-temporal.
Mitigando impacto desigual en privacidad diferencial con recorte acotado
El recorte adaptativo acotado reduce el sesgo en privacidad diferencial, mejorando hasta un 10% la precisión en clases minoritarias. Descubre cómo lograrlo.