Regulación emocional mejora clasificación de imágenes con aprendizaje profundo
Descubre cómo la regulación emocional artificial supera modelos de deep learning en clasificación de imágenes, logrando el nuevo estado del arte en CIFAR.
#cifar-10
Métodos estandarizados para medir huella de carbono en aprendizaje federado
Aprende a medir la huella de carbono en aprendizaje federado con métodos estandarizados. Los resultados muestran diferencias de hasta 21x. ¡Optimiza tu FL!
Pipelines neuronales con energía conservada: frenar propagación de errores
Descubre cómo la conservación de energía como restricción física reduce errores en redes modulares, mejorando precisión hasta 77%. CIFAR-10 y robótica.
Aprendizaje continuo con mezcla de experiencias en límites de soporte
Descubre cómo el método Experience Blending mejora el aprendizaje continuo hasta un 13% al regularizar límites de decisión con datos de soporte generados mediante ruido diferencial.
Encontrar subredes dispersas con poda progresiva basada en magnitud en un ciclo
Descubre cómo la poda progresiva basada en magnitud encuentra subredes dispersas en un solo ciclo de entrenamiento, superando a LTH y SNIP en precisión.
Evaluando el impacto de la granularidad de tareas en el olvido catastrófico
Descubre cómo la granularidad de tareas afecta el olvido catastrófico en el aprendizaje continuo. Estudio comparativo con EWC en CIFAR-100. ¡Lee más!
Dimensión fractal de Fourier para predecir generalización en redes profundas
Descubre cómo la dimensión fractal de Fourier predice la generalización de redes profundas. Supera a métricas tradicionales en CIFAR-10, SVHN y MNIST.
Dimensión fractal de Fourier para predecir la generalización de redes neuronales
Aprende cómo la dimensión fractal de Fourier predice la generalización de redes neuronales sin datos de validación. Nueva métrica basada en frecuencia.
Benchmarks sintéticos sobreestiman el escalado Forward-Forward
Descubre por qué los benchmarks sintéticos exageran el escalado de Forward-Forward. El estudio revela un techo real en ImageNet-100 frente a backpropagation.
Atención de rama específica por clase en desequilibrio
Descubre cómo la atención de rama reduce la interferencia de gradiente, mejorando el F1 de clases minoritarias de 0.261 a 0.522 en desequilibrio severo.
HalfNet: Redes Neuronales Aleatorias con Geometría de Subespacio
Descubre HalfNet, la red neuronal que aprende la geometría de sus pesos aleatorios. Reduce parámetros sin perder precisión en MNIST y CIFAR-10.
Escala de datos, complejidad y modalidades en generalización visual
Aprende cómo escala de datos, complejidad y modalidades afectan la generalización visual en IA. Resultados clave de un estudio empírico.
Neurona de Picos Firmada con Unión de Túnel Magnético Ortogonal
Una neurona de picos firmada basada en MTJ ortogonal logra 91% en CIFAR-10. Descubre cómo este avance impulsa la computación neuromórfica.
FlashbackCL: Mitigando el Olvido Temporal en Aprendizaje Federado
FlashbackCL reduce el olvido temporal en aprendizaje federado hasta un 68% y mejora el rendimiento en datos no estacionarios. ¡Descubre su buffer de reproducción equilibrada!
¿Qué aprenden los estudiantes? Análisis del conocimiento oscuro
Descubre cómo la Destilación de Confusión (CD) mejora el aprendizaje de modelos sin profesor, superando a otros métodos en CIFAR-100.
¿Qué aprenden los estudiantes? Análisis de características en KD
Analizamos el aprendizaje de características en destilación de conocimiento y presentamos Confusion Distillation, una auto-destilación eficiente que supera a otros métodos en 1.2%.
Flicker-DDPM: Acelerando la difusión con ruido coloreado 1/f
Descubre Flicker-DDPM, un nuevo modelo de difusión que acelera el muestreo hasta 3.33 veces usando ruido coloreado 1/f, mejorando la calidad de generación.
Inestabilidad en la dirección de puntuación en detección de anomalías
La detección de anomalías con división de clases puede ser inestable. Un nuevo método sin entrenamiento (fuga de vecindad) predice la inestabilidad. Descubre cómo afecta a modelos en CIFAR-10 y más.
Olvidar no es borrar: Claves de transporte recuperan conocimiento
El olvido catastrófico no borra conocimiento, solo desalinea interfaces. Descubre cómo claves de transporte recuperan conocimiento latente en IA.
Robustez probabilística no paramétrica: estimador conservador de riesgo
Descubre la robustez probabilística no paramétrica (NPPR), una métrica práctica que estima el riesgo de forma conservadora sin necesidad de conocer la distribuc