Generación de fMRI con wavelet y flujo espectral para trastornos cerebrales
Descubre cómo el modelo DSFM genera fMRI realista usando transformada wavelet y flujo espectral para mejorar la identificación de trastornos cerebrales.
#clasificación
idSCD: Localizar Datasets de Entrenamiento mediante Correlaciones Semánticas
Nuevo método idSCD: identifica datasets de entrenamiento mediante correlaciones semánticas. Supera hasta un 60% a técnicas existentes.
Síntesis controlable de nódulos pulmonares con difusión latente
Nuevo modelo de difusión latente con regularización por histograma genera nódulos pulmonares realistas para mejorar diagnóstico del cáncer en TC.
Separando secretos de placeholders: detección híbrida CNN-CodeBERT
Nuevo marco híbrido CNN-CodeBERT detecta filtraciones de credenciales con 93% de recall y reduce alertas falsas en 33%
Detección de alucinaciones: una visión geométrica desde OOD
Aprende cómo la detección OOD permite detectar alucinaciones en modelos de lenguaje sin entrenamiento, mejorando la precisión en tareas de razonamiento.
¿Quién es responsable? Atribución en sistemas de IA modernos
Aprende a rastrear la responsabilidad en sistemas de IA modernos: nuestro marco cuantifica el impacto de cada etapa de desarrollo para una IA más responsable.
PictSure: La calidad de embeddings es clave para el aprendizaje en contexto
PictSure clasifica imágenes con pocos ejemplos usando aprendizaje en contexto. La calidad de los embeddings pre-entrenados es clave. Modelo open source.
Redes Residuales de Memoria de Reservorio
Descubre las Redes Residuales de Memoria de Reservorio (ResRMN), una nueva clase de RNN no entrenadas que mejoran la propagación temporal mediante conexiones residuales ortogonales.
Identificación no destructiva de ostras con imágenes hiperespectrales y machine learning
Identifique especies de ostras sin dañarlas con imágenes hiperespectrales y machine learning. Precisión del 100% mediante PLS-DA. Método no destructivo para trazabilidad.
Aprendizaje de Coordinación Multi-Agente mediante Sheaf-ADMM
Descubre cómo un nuevo marco de optimización diferenciable permite a agentes coordinarse resolviendo subproblemas locales con ADMM y sheaf, mejorando robustez y
SDM-Q: Aprendizaje por refuerzo con coste para clasificación multi-ómica
Descubre cómo SDM-Q usa aprendizaje por refuerzo para clasificar enfermedades con menos datos ómicos, reduciendo costes y manteniendo precisión.
¿La precisión en clasificación refleja la calidad de detección de deriva?
Descubre si la precisión de clasificación es una métrica confiable para evaluar la detección de deriva de concepto. Analizamos 8 métricas en flujos de datos sintéticos.
FlagGAM: Modelado Aditivo con Reglas para Predicción Explicable
Descubre FlagGAM: modelo explicable basado en reglas para predicción tabular. Combina precisión y robustez ante datos ruidosos. Ideal para dominios críticos.
Capacidad del estudiante modera la destilación de conocimiento en ResNet
La capacidad del estudiante modera la destilación de conocimiento. Estudio en ResNet con CIFAR-10 muestra que Feature-KD supera a Logit-KD en ciertos casos.
Descomposición de tipos de fraude y límites de detección por clase
Descubre por qué tratar el fraude como homogéneo es un error. Taxonomía de 5 clases de fraudes con límites de detección específicos en pagos.
Recurso algorítmico del aprendizaje en contexto para datos tabulares
Descubre el nuevo marco ASR-ICL para recurso algorítmico eficiente en datos tabulares. Reduce consultas y mejora la explicabilidad.
Aprendizaje por Refuerzo de Supervivencia: Hacia RL Auto-Supervisado Escalable
Descubre cómo Survival RL supera el dilema del contraste, logrando 2x a 8x mejor rendimiento en robótica de largo plazo. ¡Auto-supervisado y escalable!
DG-CoLearn: Un marco eficiente de aprendizaje colaborativo para grafos dinámicos
Descubre DG-CoLearn: acelera hasta 33.8x el aprendizaje en grafos dinámicos con privacidad estructural y mejora del 13% en precisión.
Morfología Matemática en el Aprendizaje Automático
Descubre la nueva métrica Minkowski-Chebyshev 329x más rápida. Clustering morfológico que preserva formas y elimina ruido.
SCOUT: Razonamiento Pre-hoc para Defensa Adaptativa contra Inyección de Prompts
Descubre SCOUT: defensa dinámica contra inyecciones de prompts, reduce ataques 46% y mejora eficiencia.