No hay almuerzo gratis para imágenes sintéticas con datos escasos
Descubre cómo los modelos generativos como VAE, GAN y DDPM se comportan bajo escasez de datos y privacidad diferencial. Un análisis de fidelidad, utilidad y
#escasez de datos
Modelo generativo con expertos de dominio para series temporales escasas
TimeMoDE combina diffusion transformers y expertos de dominio para generar series temporales realistas con pocos datos. Supera la escasez de datos.
Fusión multi-fidelidad de datos aerodinámicos con autoencoder transfer learning
Fusión de datos multi-fidelidad con autoencoder y transfer learning logra predicciones aerodinámicas precisas con pocos datos e incertidumbre >95%.
Hogares Sintéticos: Pipeline IA Generativa Multimodal para Datos de Edificios
Descubre cómo un pipeline de IA generativa multimodal crea datos sintéticos de viviendas a partir de registros públicos, superando la escasez de datos.
MoE y Aprendizaje Federado para Predicción Espaciotemporal
Descubre cómo MoE-FedTP combina aprendizaje federado y redes de expertos para predecir el tráfico en ciudades con pocos datos, preservando la privacidad.
Predicción de carga con zero y few shot usando LLMs
Descubre cómo Chronos, un modelo de LLMs, predice la carga eléctrica con cero o pocos datos, superando métodos tradicionales. ¡Lee más!
Ego-Pi: Ajuste fino VLA con datos egocéntricos humanos y robots
Descubre cómo Ego-Pi usa datos humanos egocéntricos para entrenar robots, superando la falta de datos robóticos y logrando nuevas habilidades sin datos robot.
Pocos datos, grandes mapas: Entrenar modelos geoespaciales con muestras escasas
Descubre cómo entrenar modelos de machine learning geoespacial con pocas muestras etiquetadas. Técnicas prácticas para superar la escasez de datos.