Descifrando dos relojes de entrenamiento en Grokking
Cómo el fenómeno Grokking separa el ajuste de datos de la simplificación de representaciones con dos relojes de entrenamiento. Teoría de redes lineales y ReLU.
#condicional
Muestreo de Rechazo Adaptativo Restringido
Descubre CARS, un método que mejora la eficiencia del muestreo de rechazo sin distorsionar la distribución, ideal para generación con restricciones en IA.
Importancia de Hiperparámetros en Espacios Condicionales con CondPED-ANOVA
Descubre cómo CondPED-ANOVA estima la importancia de hiperparámetros en espacios condicionales. Ideal para optimizar modelos de IA.
LC-PINN: Redes neuronales con pérdida condicional para familias paramétricas de EDP
Descubre cómo LC-PINN entrena un único modelo que resuelve toda una familia de ecuaciones diferenciales paramétricas, sin datos generados por solver.
Expectativas vs Realidades: Predicción Óptima MSE bajo Incertidumbre
Pequeñas relajaciones en MSE (≤5%) logran mejoras de hasta 30% en realismo marginal en pronósticos a largo plazo. Descubre el trade-off precisión-realismo.
Implicación no monótona en lógica defeasible de puntos de vista
Aprende cómo la lógica defeasible de puntos de vista permite implicaciones no monótonas con condicionales situados y cierres racional y lexicográfico.
Tu modelo autorregresivo ya revela el grafo causal
Descubre cómo TRACE utiliza modelos autorregresivos para revelar el grafo causal a partir de secuencias de eventos, superando métodos tradicionales en escalabilidad y precisión.
Modelo de Difusión Condicional para Optimización Contextual de Carteras
Modelo de difusión condicional mejora optimización de carteras superando benchmarks. Resultados superiores con IA en mercado chino.
Síntesis de poblaciones virtuales con difusión latente y Fourier
Descubre cómo 4D F-MeshLDM genera poblaciones virtuales cardíacas realistas usando difusión latente y Fourier, superando a los modelos actuales para ensayos in-silico.
Predicción Conformal Online sin Parámetros y Condicional por Grupos
Nuevo método de predicción conformal online sin parámetros para cobertura justa por grupos en entornos cambiantes. ¡Mejora la fiabilidad de tus modelos!
Análisis teórico de Engression y Reverse Markov Engression
Descubre los nuevos límites de convergencia no asintóticos para Engression y Reverse Markov Engression. Resultados casi óptimos para aprendizaje de distribuciones condicionales con redes profundas.
FlowSDR: Reducción Suficiente de Dimensión vía Flujos Normalizantes Condicionales
FlowSDR: un método basado en flujos normalizantes para reducción de dimensión suficiente que aprende proyección y densidad. Supera a técnicas clásicas en precisión.
Codificación Byte Pair para Pronóstico Eficiente de Series Temporales
Mejora un 40% el pronóstico de series temporales y acelera el rendimiento un 2314% con tokenización Byte Pair. Decodificación condicional sin coste.
Aprendizaje de bandidos robustos con mecanismos causales inciertos
Descubre cómo evaluar y aprender políticas de bandidos robustas frente a mecanismos causales inciertos usando modelos SEM. Optimiza tus decisiones con IA.
Compensación entre eficiencia y confianza en predicción conforme transductiva
Descubre dilema en predicción conforme transductiva: mayor confianza implica conjuntos exponencialmente grandes. Nuevo algoritmo supera métodos tradicionales.
FedCF: Predicción conforme justa en aprendizaje federado
FedCF aplica equidad conforme en aprendizaje federado para garantizar cobertura justa en subgrupos. Aprende cómo auditar tu modelo.
PathCRF: Detección de eventos de fútbol sin balón usando trayectorias
Descubre cómo PathCRF detecta pases y controles sin balón usando solo trayectorias. Ahorra costos y anotaciones.
Mejor fuente, mejor flujo: Distribución condicional en Flow Matching
Aprende cómo la distribución de fuente condicional optimizada en Flow Matching acelera la convergencia hasta 3x y mejora la calidad en generación texto-imagen.
GLIDE: Inferencia de Salto Guiada por Grafos para Difusión en Procesos Puntuales
GLIDE mejora la predicción de eventos espacio-temporales usando difusión condicional guiada por grafos, reduciendo costos de muestreo inverso. Descubre cómo.
Guía para edición perceptual de bajo nivel en modelos de difusión incondicional
Edición perceptual de bajo nivel en difusión incondicional. Mejora imágenes sin reentrenar con parcheo de cuello de botella y guía libre de clasificador.