Más allá de la aumentación: Score guiado para detectar depresión con EEG
Nuevo método de clasificación guiada por puntuación detecta depresión con EEG sin aumentación de datos, mejorando precisión.
#clasificación
HASTE: Entrenamiento Disperso Dinámico para Grandes Espacios de Salida
Con HASTE, el entrenamiento disperso dinámico consciente del hardware logra hasta 25x de aceleración en backpropagation para clasificación multi-etiqueta extrema.
Clasificación de documentos visuales con enfoques multimodales
Descubre cómo los modelos multimodales superan a los LLM en clasificación de documentos visuales. La información visual es clave. Resultados RVL-CDIP.
CEAR: Robustez Adversarial Certificada con Ensambles en DNNs
Descubre CEAR: mejora la robustez adversarial certificada en DNNs usando ensambles con ruido y votación. Superior en MNIST, CIFAR10 y TinyImageNet.
UR-JEPA: Rectificabilidad Uniforme como Regularizador en JEPA
UR-JEPA logra un 0.83% más de precisión que LeJEPA en Inet10 con menor varianza, y produce representaciones geométricamente distintas.
GJDNet: Redes de grafos robustas con aprendizaje disentangled
GJDNet mejora la robustez de GNNs frente a ataques con representaciones y decisiones disentangled. Aísla perturbaciones y estabiliza fronteras de decisión en grafos diversos.
EvoPool: Anotación evolutiva para supervisión especializada eficiente
EvoPool revoluciona la anotación con un marco evolutivo multiagente que supera a los LLM en tareas especializadas, reduciendo costos hasta 31,000x. Descubre cómo.
HAIM: Datos musicales humano-IA para seguimiento de producción
Descubre HAIM, un nuevo conjunto de datos que permite rastrear la integración de IA en la producción musical, más allá de la simple clasificación binaria.
Mecanismos de atención y transfer learning para clasificar daños en hojas de durazno
Descubre cómo la atención y transfer learning clasifican daños en hojas de durazno con 93% de precisión incluso bajo condiciones variables.
SUPREME: Framework Multi-GPU para Evaluación de Desaprendizaje de Imágenes
Descubre SUPREME, framework open-source que acelera evaluación de desaprendizaje en imágenes usando múltiples GPUs. Reproducible y eficiente.
CAFOSat: Dataset anotado para mapeo de CAFO con imágenes de alta resolución
Descubre CAFOSat, un dataset anotado con más de 45,000 imágenes para mapear granjas industriales mediante IA. Mejora la vigilancia ambiental y sanitaria.
Ajuste fino consciente del desbalance en Qwen3-8B para defensa psicológica
Descubre cómo logramos el 4° puesto en PsyDefDetect 2026 usando Qwen3-8B con ajuste fino consciente del desbalance, aumentando el F1 macro un 24.4% sobre la línea base.
Desmitificando el clasificador justo óptimo en multiclase
Descubre cómo lograr el clasificador justo óptimo en multiclase. Algoritmos de pre y post-procesamiento alcanzan la frontera Pareto entre precisión y equidad.
Más allá de la manipulación independiente: clasificación justa con imitación entre pares
Descubre cómo la clasificación estratégica con equidad individual maneja la imitación entre agentes, mejorando la consistencia y mitigando distorsiones con un enfoque robusto.
Reparación antes que veto: aprendizaje de restricciones contextuales
Descubre cómo RACL reduce falsos vetos al reparar opciones antes de rechazarlas, mejorando decisiones contextuales.
Nueva estrategia de aumento de datos para clasificación robusta de señales biomédicas (ECG y EEG)
Descubre una nueva estrategia de aumento de datos para clasificar señales ECG y EEG con precisión del 100%. Modelo ligero listo para wearables.
Integración con la API de Inferencia de Hugging Face
Aprende a integrar la API de Inferencia de Hugging Face en Node.js. Resumen, clasificación de texto y generación de imágenes con un simple cliente. ¡Empieza ya!
FAM-Bench: benchmark multimodal para alimentación como medicina
Descubre FAM-Bench, el benchmark multimodal que evalúa si la IA recomienda platos según condiciones de salud. 2500 casos verificados por expertos.
Espacio de vista: aprendizaje de representaciones en grafos arbitrarios
Descubre cómo el espacio de vista permite aprender representaciones en grafos con características heterogéneas, superando modelos previos en un 8,93%.
Inyección ruido secuencial subespacios evita colapso desaprendizaje certificado
La inyección de ruido secuencial en subespacios evita colapso de precisión en desaprendizaje certificado. Mejora la utilidad del modelo.