Modelo de cribado con equilibrio acotado en decisiones multi-atributo
Descubre un modelo computacional que explica cómo las personas descartan opciones con mal rendimiento en atributos críticos, mediante un equilibrio acotado.
#cribado
Marco ML para detectar patrones no aleatorios en datos numéricos de investigación
FDRS: marco ML-estadístico para detectar patrones no aleatorios en datos numéricos de investigación. Alcanza un AUC de 0.98 y clasifica riesgos de fraude.
Cribado factorial escalonado para micro-pretrain con presupuesto limitado
Descubre cómo el cribado factorial escalonado identifica penalizaciones altas en micro-pretrain con presupuesto limitado. Ahorra costos de GPU con una metodología centrada en modelos puente.
Descubrimiento automatizado con modelos generativos en diseño de materiales
Explora la revisión de modelos generativos, aprendizaje multimodal y bucles cerrados para el descubrimiento automatizado de materiales en diseño inverso.