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.
#clasificación
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.
Calibrando la incertidumbre en CLIP adversarial zero-shot
Descubre nuevo método de fine-tuning adversarial para CLIP calibra la incertidumbre y mejora robustez sin perder precisión en clasificación zero-shot.
Minando oro con IA: filtra feedback de playtest
La IA filtra el ruido del feedback de playtest y te entrega peticiones y problemas de equilibrio priorizados. Ahorra tiempo y mejora tu juego.
Dataset REST-ASMR: fotopletismografía y respuestas conductuales
Descubre REST-ASMR, un dataset multimodal que combina fotopletismografía y anotaciones subjetivas para predecir estados ASMR con alta precisión. Ideal para IA afectiva.
Conciencia Parcial de Equidad en Aprendizaje Automático Estratégico
Descubre cómo la conciencia parcial de equidad resuelve el dilema entre transparencia y manipulación, mejorando la justicia en modelos de IA con un mecanismo guiado por creencias.
Clasificación Estratégica Lineal con Mejoras Endógenas
Exploramos la clasificación estratégica lineal donde los agentes mejoran realmente tras el clasificador. Nuevo algoritmo con garantías PAC y validación en datos reales.
Clasificación Estratégica Lineal con Mejoras Endógenas
Descubre cómo los clasificadores lineales pueden manejar mejoras genuinas de los agentes, optimizando resultados reales. Análisis, algoritmos y garantías teóricas.
Aprendizaje en todas partes: IA con restricciones puntuales
Descubre el aprendizaje en todas partes: IA con restricciones puntuales mejora generalización mediante dualidad.
El rol de la codificación de clases en el colapso neuronal
Analizamos cómo la codificación de etiquetas (one-hot) afecta el colapso neuronal en redes, con foco en el sesgo del clasificador y la pérdida MSE.
Replay de Lista Estable Canonicalizado para Aprendizaje Federado Privado
CSLR logra entre 3.9 y 5.6 puntos de mejora en aprendizaje continuo federado con privacidad diferencial. Optimiza NLP sin compartir datos.
Reescalado adaptativo monótono sin hiperparámetros para colas largas
Nuevo método SAMN elimina hiperparámetros en reescalado adaptativo monótono para colas largas. Resultados SOTA en benchmarks.
Optimizando la escucha activa en triaje legal automatizado
Descubre cómo un clasificador basado en LLMs optimiza la escucha activa en triaje legal, mejorando la precisión con preguntas de seguimiento generadas por IA.
KACE: Ingeniería de Contexto Adaptativo para Razonamiento Matemático
KACE: un novedoso método que separa almacenamiento y uso del conocimiento, logrando un 62.2% de precisión en AIME 2025. Ideal para mejorar razonamiento matemático en IA.
Diagnóstico del deterioro cognitivo con atención contrafactual guiada por atlas
Descubre GCAN, modelo de atención contrafactual para diagnóstico explicable del deterioro cognitivo usando conectomas multimodales. Preciso y transparente.