Día 52: Implementando modelos OOP independientes en MERN
Descubre cómo implementé dos modelos OOP independientes (houseList y favourite) en el backend MERN. Aprende a desacoplar dominios y escalar tu aplicación.
#clase
Predicción de movimiento con clases incrementales
Nuevo marco de predicción de movimiento para vehículos autónomos que se adapta a clases emergentes sin olvidar las aprendidas. Ideal para entornos reales.
Detección de fraude con tarjetas de crédito mediante TMR-GGNN
TMR-GGNN detecta fraudes en tarjetas de crédito usando atención temporal y aprendizaje contrastivo. Supera el desbalanceo con pérdida focal y contraste.
RGNet: Red Neuronal con Grupo de Renormalización para Fallas
Descubre RGNet: red neuronal basada en grupo de renormalización para diagnóstico de fallas con desbalance de clases. Modelo interpretable y eficaz.
Aprendizaje por transferencia para cerrar brechas de datos en fragilidad estructural
Descubre cómo el aprendizaje por transferencia cierra brechas de datos en modelos de fragilidad estructural, mejorando predicciones en terremotos y huracanes.
Aprendizaje de políticas Wasserstein para resultados distribucionales
Descubre el aprendizaje de políticas Wasserstein: optimiza resultados distribucionales con garantías estadísticas y arrepentimiento mínimo.
Sistema práctico para anotar eventos AEB retrasados y falsos
Aprende cómo nuestro sistema automático identifica eventos AEB retrasados y falsos con un 80% más de recall, reduciendo la carga manual al 50%. Mejora la
Incertidumbre epistémica por clase: más que solo cuánto
Descubre cómo descomponer la incertidumbre epistémica por clase reduce el riesgo en clasificación asimétrica. Mejora la predicción selectiva y la detección de
Métodos simples de generalización de dominio: bases sólidas para ODG
CORAL y MMD demuestran ser bases sólidas para la generalización de dominio abierto, compitiendo con DAML a menor costo computacional. ¡Descúbrelo!
TrustErase: Olvido instantáneo y verificable de datos en IA
TrustErase ofrece desaprendizaje instantáneo y verificable sin datos originales ni reentrenamiento. Ideal para privacidad y cumplimiento normativo en IA.
Meta-clasificación de modelos OCC con correlación de ranking y vecino cercano
Aprende a clasificar modelos OCC con correlación de ranking y vecino cercano. Alta precisión en datasets y algoritmos. Código público.
Clasificación meta de modelos de una clase usando ranking y vecinos cercanos
Meta-clasificación de modelos OCC con ranking y vecino cercano: alta precisión clasificando datos y algoritmos. Solución unificada de modelos, datos y rankings.
Rango de signo, índice y replicabilidad: conexiones y separaciones
Descubre cómo se relacionan el rango de signo, el índice Z2 y la replicabilidad de listas en teoría del aprendizaje. Nuevas cotas y separaciones.
Más allá de la desigualdad de datos: beneficio de tareas de bajo nivel
La desigualdad de datos dice que preprocesar no sirve, pero con datos finitos las tareas de bajo nivel mejoran la clasificación. Descubre el estudio teórico y
Sesgo implícito del descenso más pronunciado con gradiente estocástico minilote
Aprende cómo el tamaño de lote, momentum y reducción de varianza moldean el sesgo implícito en el descenso más pronunciado con gradiente estocástico.
SAGE: Marco agente autorreflexivo basado en LLM para detectar fraude
Descubre SAGE, el primer marco multiagente basado en LLM que mejora la detección de fraude un 40% en F1, combinando árboles de diagnóstico.
Refinamiento de propuestas para detección few-shot
Refinamiento de propuestas mejora detección few-shot equilibrando distribución entre clases, logrando nuevo estado del arte sin aumentar inferencia.
Refinamiento de propuestas para detección de objetos con pocos ejemplos
Nuevo método de refinamiento de propuestas para detección few-shot. Reequilibra distribución entre clases, logrando estado del arte sin coste de inferencia.
Aprendizaje Heurístico Médico: Reglas Clínicas Interpretables con LLM
Descubre cómo MHL usa LLMs para crear reglas clínicas transparentes y auditables, superando el desbalance y la evolución de datos en salud.
Aprendizaje Heurístico Médico: Marco LLM para Reglas Clínicas Interpretables
Descubre MHL, un marco basado en LLM que genera reglas de decisión clínicas interpretables y auditables, con rendimiento comparable a métodos estado del arte