Recuperación de discriminación en seguimiento de conocimiento con Bayes empírico
Recupera la discriminación perdida en tus modelos de seguimiento del conocimiento con SLC. Técnica de Bayes empírico que mejora AUC y NLL. Lee más.
#corrección de sesgo
Calibración conforme y look-elsewhere en detección de anomalías
Convierte puntuaciones de anomalías en significancias válidas y corrige el efecto look-elsewhere. Calibración conforme elimina falsas alarmas en nueva física.
Aproximación estocástica de dos escalas: transición de fase aguda
Descubre cómo un nuevo método corrige la lenta convergencia en aproximación estocástica no lineal de dos escalas, logrando tasas óptimas con corrección de sesgo en línea.
Calibración de cópulas vine simplificadas con estimación por contraste de ruido
Calibra cópulas vine simplificadas con estimación por contraste de ruido (NCE) para ajustar dependencias multivariantes. Mejora precisión sin perder eficiencia.
Estimación precisa de información mutua en datos de alta dimensión
Descubre cómo estimar información mutua en alta dimensión con redes neuronales, corrección de sesgo y confianza. Protocolo probado en imágenes reales.
Corrección de sesgo para mejorar transferibilidad adversarial en VLP
Mejora la transferibilidad adversarial en modelos VLP con DeBias-Attack, que corrige el sesgo del modelo sustituto para ataques más efectivos.
Corrección del sesgo medio en embeddings: renormalización sin entrenamiento
Mejora tus embeddings de texto eliminando el sesgo medio con renormalización refinada. Resultados en 38 modelos MMTEB muestran ganancias en clasificación.
Recuperación de redes de cascada con Jacobiano corregido
CascadeNet: nuevo método de aprendizaje automático que recupera redes de influencia oculta a partir de datos de cascada, sin necesidad de modelos de difusión pr
CascadeNet: recuperación de redes en cascada con ML insesgado
CascadeNet usa ML y Jacobiano para recuperar redes de influencia ocultas en datos en cascada, con validación en COVID-19.
Corrigiendo el sesgo espectral en operadores neurales con difusión posterior
Corrige sesgo espectral en operadores neuronales usando difusión posterior y observaciones dispersas, logrando predicciones precisas con solo un 5% de cobertura.
Inferencia adaptativa en precios secuenciales con recursos limitados
Aprende cómo la inferencia adaptativa con recursos limitados mejora la fijación de precios secuenciales. Identificación local y corrección de sesgo para decisiones precisas.
Aprendizaje automatizado de políticas para bienestar no lineal
Descubre un nuevo método de aprendizaje de políticas para bienestar no lineal con datos observacionales y corrección de sesgo vía reweighting.
OPD+: Rediseñando la ventaja en destilación on-policy
Aprende cómo OPD+ redefine la destilación on-policy eliminando sesgos del gradiente stop y mejorando modelos de lenguaje con f-divergencia.