Clasificación binaria: pública y privada con predictores en espacios métricos
Clasificación binaria con Proto-NN: consistencia universal y privacidad diferencial local con ruido de Laplace.
#clasificación
HiFi-KPI: Dataset jerárquico para KPIs financieros
Descubre HiFi-KPI, el dataset con 1.65M de párrafos y 198k etiquetas jerárquicas para extraer KPIs de informes financieros. Modelos de IA alcanzan 0.906 F1 en clasificación.
Atención por capas eficiente: poda de recuperaciones redundantes
Descubre cómo ELA, usando divergencia KL y mapeo cuantil beta, reduce un 30% el tiempo de entrenamiento al podar capas redundantes en atención por capas.
Detección contextual de habla para niños en grabaciones largas
Detección contextual de habla infantil en grabaciones largas: modelos auto-supervisados logran +13.8% F1, superando a sistemas basados en reglas en múltiples idiomas.
KDH-CAD: Aprendizaje híbrido de conocimiento y datos en CAD
Descubre KDH-CAD, el marco híbrido que alcanza un 92.6% de precisión en clasificación CAD con apenas 250 muestras.
Traducción consciente de densidad de correlaciones espurias en VLMs
Descubre cómo DAT corrige correlaciones espurias en VLMs zero-shot usando densidad local para mejorar precisión sin ajuste fino.
ML para codificar nombres de productos en categorías de precios
Descubre un pipeline de ML para clasificar productos minoristas en categorías de precio usando reglas, bolsa de palabras y etiquetado humano confiable.
CDOT: Transporte Óptimo Convexo de Distancias
Descubre CDOT, un marco convexo de transporte óptimo que alinea distribuciones heterogéneas preservando geometría. Mejora robustez y precisión.
Arquitectura dualencoder con fusión Choquet en clasificación acústica submarina
Descubre cómo la nueva arquitectura dual-encoder con fusión Choquet mejora la clasificación acústica submarina, ofreciendo precisión e interpretabilidad.
GottBERT: primer modelo RoBERTa exclusivo para alemán
Descubre GottBERT, el primer modelo RoBERTa entrenado solo en alemán. Excelente en NER y clasificación. Descárgalo bajo licencia MIT.
Clasificación de sonidos ambientales con difusión en espacio de embeddings
Descubre cómo los modelos de difusión superan a métodos previos en clasificación zero-shot de sonidos ambientales, mejorando la generalización a clases no vistas.
Semimage: Codificación semántica HSV para representación de texto
Descubre Semimage, un método innovador que convierte texto en imágenes HSV para clasificación con CNNs. Mejora la interpretabilidad y precisión en análisis de documentos.
De Regex a Modelos de Visión: ¿Qué Técnica RAG Elegir?
Aprende a seleccionar la técnica RAG ideal para tus documentos: desde expresiones regulares hasta modelos de visión. Mejora la inteligencia documental empresarial.
Precisión y diversidad: enfoque multi-tarea para combinar pronósticos
Descubre cómo un enfoque multi-tarea optimiza precisión y diversidad al combinar modelos de pronóstico mediante deep learning. Resultados superiores en M4 y tráfico real.
Calibración de modelos de árbol para clasificación desbalanceada
La calibración analítica en Random Forest con submuestreo genera sesgos. Descubre por qué y aprende la beta calibración como solución.
Clasificación multi-cáncer con redes Kolmogorov-Arnold interpretables
Descubre MOGKAN, una red profunda interpretable que logra 96.28% de precisión en clasificación de 31 tipos de cáncer usando datos multi-ómicos y redes PPI.
Aprendizaje de mezclas graphon para mixup y contraste
Un nuevo marco de aprendizaje de mezclas graphon optimiza mixup y contraste en grafos. Logra precisión récord en 6 de 7 datasets. ¡Conoce los detalles!
Entrenamiento basado en población iterado con reinicios sin tareas específicas
Descubre IPBT, un nuevo algoritmo que optimiza hiperparámetros automáticamente en redes neuronales sin aumentar el presupuesto. ¡Mejora tus modelos!
WildCat: Atención casi lineal en teoría y práctica
Descubre WildCat, un nuevo método de atención que logra error mínimo en tiempo casi lineal. Ideal para modelos de IA con secuencias largas. ¡Lee más!
Marco APTF: Entrenamiento consciente de predecibilidad en series temporales
Mejora el pronóstico y clasificación de series temporales con APTF, un marco que identifica muestras de baja predecibilidad y las penaliza progresivamente.