ML y SHAP para identificar nucleidos en espectrometría gamma HPGe
Descubre cómo el machine learning y SHAP logran un F1 de 0.97 en identificación de nucleidos en espectrometría gamma HPGe, superando al software tradicional.
#clasificación supervisada
SVM robusto y disperso con pérdida truncada híbrida para clasificación supervisada
Nueva función de pérdida truncada híbrida para SVM mejora robustez frente a outliers, reduce vectores de soporte y logra mayor precisión en clasificación supervisada.
Moderación dinámica en livestreams: clasificación y similitud con MLLM
Marco híbrido de moderación en livestreams: combina clasificación y similitud con MLLM para detectar violaciones y casos, reduciendo un 6-8% vistas no deseadas.