Eliminación de Ruido en Retroalimentación Implícita para Recomendación en Frío
Descubre cómo DIF elimina el ruido en la retroalimentación implícita para mejorar las recomendaciones de nuevos ítems en arranque en frío. Método probado en
#doe
Predicción de movimiento con clases incrementales
Nuevo marco de predicción de movimiento para vehículos autónomos que se adapta a clases emergentes sin olvidar las aprendidas. Ideal para entornos reales.
Alineación Semántica por Prototipos en Recuperación Adaptativa
La alineación semántica basada en prototipos mejora la recuperación adaptativa, optimizando códigos hash y superando limitaciones.
SegTME-UNI2: Segmentación celular y caracterización TME con IA
Descubre cómo SEGTME-UNI2 segmenta células y caracteriza el microambiente tumoral en histopatología usando pseudoetiquetado progresivo y LLM.
Redes de Intel resurgen como alternativa a InfiniBand en DoE
El clúster Lynx del DoE usa Omni-Path de Cornelis, alternativa a InfiniBand con 400 Gbps y 91% de eficiencia. Descubre cómo resurge esta tecnología.
Razonamiento de LLM con pocas etiquetas: marco semisupervisado con verificador ligero
Descubre cómo un marco semisupervisado con verificador ligero permite que los LLM aprendan a razonar con solo unas pocas etiquetas, logrando precisión
Detección de confianza en el habla: pseudoetiquetado y embeddings de Whisper
Descubre cómo pseudoetiquetado y embeddings Whisper logran 75% de precisión en detección de confianza del hablante, mejorando el feedback educativo.
Detección semisupervisada de confianza en habla con Whisper
Descubre cómo la combinación de pseudoetiquetado y embeddings de Whisper alcanza un 75% de precisión detectando confianza en el habla. Ideal para educación.
SEVAL: aprendizaje semi-supervisado con datos desbalanceados
Nuevo método SEVAL mejora el aprendizaje semi-supervisado con datos desbalanceados optimizando pseudoetiquetas mediante refinamiento y ajuste de umbral.
Aprendizaje Sinérgico Selectivo para Video Centrado en Objetos
SSync optimiza el aprendizaje centrado en objetos en video al seleccionar solo las pistas más fiables, mejorando calidad y escalabilidad con complejidad lineal.
CoVar: selección de pseudoetiquetas guiada por confianza y varianza
Descubre CoVar, un método que combina confianza y varianza para seleccionar pseudoetiquetas fiables en aprendizaje semisupervisado, mejorando precisión en segmentación y clasificación.
Más allá del Golden Teacher: Co-enseñanza LLM-GNN
Descubre cómo la co-enseñanza bidireccional entre LLM y GNN supera el enfoque del 'golden teacher' para aprender en grafos con pocos datos. ¡Mejoras de hasta 7.86% en 3-shot!
Más allá del Golden Teacher: co-enseñanza LLM-GNN
Descubre cómo la co-enseñanza bidireccional entre LLM y GNN supera las limitaciones del aprendizaje con pocos ejemplos en grafos, mejorando la precisión un 7.86%.
Cómo solucionar error Laravel: Could not find driver en PostgreSQL
¿Error 'Could not find driver' en Laravel con PostgreSQL? Sigue estos pasos para solucionarlo y ejecutar tus migraciones sin problemas.