Sesgo de adquisición por inflación de varianza en procesos gaussianos
La inflación de varianza en los bordes de dominios acotados genera sesgo en la adquisición de procesos gaussianos, afectando la optimización bayesiana.
#correlación
Optimización con restricciones para predicción robusta de estabilidad proteica
Nuevo marco de optimización con restricciones mejora la predicción de estabilidad proteica, elevando correlación Spearman sin cambios arquitectónicos.
¿Están realmente correlacionadas la robustez de clasificación y explicación?
Estudio revela que robustez de clasificación y explicación no están correlacionadas. Nuevo método de entrenamiento modifica paisaje de pérdida sin afectar clasificación.
Correlación geométrica de segundo orden para reconocer emociones en habla
Reconocimiento de emociones en habla con correlación geométrica de segundo orden. Aprendizaje auto-supervisado preserva geometría de características.
FE-MAD: aprendizaje de materiales basado en elementos finitos
FE-MAD: Aprende cómo un marco diferenciable con elementos finitos y redes neuronales identifica modelos constitutivos a partir de datos de deformación.
Dos canales F-Transform para caracterización temprana en correlación iterada
El descriptor F-Transform de dos canales caracteriza trayectorias tempranas en correlación iterada con alta precisión y baja dimensionalidad.
Marco Sliced-Wasserstein en matrices de correlación para decodificación EEG
Nuevo marco CorSW mejora la decodificación EEG con Wasserstein recortado en matrices de correlación, logrando generalización robusta a bajo costo.
Atención Dual con Signos: Capturando Dependencias en Series Temporales
Descubre cómo la Atención Dual con Signos mejora el pronóstico de series temporales al capturar dependencias positivas y negativas sin parámetros extra.
Anomalías en benchmarks multivariados: mayormente univariadas
Un nuevo estudio demuestra que las anomalías en benchmarks de series temporales multivariadas son principalmente univariadas, cuestionando la necesidad de modelos complejos.
Análisis estadístico del valor Shapley en localización de anomalías en sensores
Descubre el análisis teórico del valor Shapley para localizar anomalías en sensores. Comparamos su rendimiento con tests más simples y revelamos sorpresas.
ML para homogeneizar materiales hiperelásticos con microestructuras booleanas
Descubre cómo una red neuronal predice parámetros de Lamé en materiales hiperelásticos con microestructuras booleanas. Modelo sustituto eficaz.
La pareja fantasma: autores de IA que acechan la web y la academia
Los LLM generan autores ficticios que aparecen en publicaciones académicas. Descubre cómo este fenómeno pone en riesgo la integridad científica.
Covarianza Robusta por Celdas y Casos en Altas Dimensiones
Descubre cellRCov, un estimador robusto de covarianza que maneja outliers celda a celda, por casos y datos faltantes en altas dimensiones. Ideal para detección de anomalías.
Garantías generalizadas en inferencia variacional con simetría par y elíptica
Descubre cómo las garantías generalizadas para inferencia variacional con simetría par y elíptica aseguran la recuperación de media y correlación, incluso sin condiciones estrictas.
Gran Modelo Electrónico: Predictor Universal del Estado Fundamental
El Large Electron Model: red neuronal que predice el estado fundamental de electrones, generalizando a nuevos hamiltonianos y partículas. Avance para descubrimiento de materiales.
Unicorn: Escalando predicción de series con correlación universal
Unicorn: framework de IA para predicción de series temporales de alta dimensión con modelado universal de correlación. Supera a modelos en pocos datos.
Score Broadcast y Descorrelación: Marco General de Asignación de Crédito
El nuevo marco Score Broadcast and Decorrelation (SBD) mejora la asignación de crédito por broadcast, con soporte para múltiples pérdidas y resultados superiores en CIFAR-10.
DISCO: Mitigación de sesgo en deep learning con correlación condicional
Aprende cómo DISCO mitiga sesgos en modelos de deep learning usando correlación de distancia condicional. Resultados más precisos y robustos.
Alineación humana y calibración de incertidumbre en LLMs
Descubre cómo las medidas de incertidumbre en tiempo de inferencia se alinean con la incertidumbre humana y mejoran la calibración en grandes modelos de lenguaje.
Garantías mejoradas para Langevin Monte Carlo con suavidad promedio
Descubre cómo la suavidad promedio mejora las garantías de Langevin Monte Carlo. Aplicaciones en IA y modelos lineales.