De lo grueso a lo fino: Gestión de granularidad temporal para predicción de tráfico
Aprende cómo STRP resuelve el desajuste de granularidad temporal para predicciones de tráfico precisas con bajo costo de almacenamiento.
#espacio
Política de Difusión Latente en Manipulación Robótica
Descubre Latent Diffusion Policy (LDP), un marco de dos etapas que simplifica la generación de trayectorias robóticas mediante flujo de matching en un espacio l
Muestreo restringido basado en frecuencia para patrones de intervalo
Descubre CFips: muestreo de patrones de intervalo con restricciones sintácticas, proporcional a la frecuencia. ¡Mejora tu minería de datos!
Query Lens: cómo interpretar características dispersas con efectos indirectos
Descubre Query Lens, un nuevo método que va más allá de Logit Lens para interpretar características de autoencoders dispersos, considerando efectos indirectos y la hipótesis del subespacio.
Factores esenciales para necesidades y planificación de espacios
Descubre cómo planificar espacios de oficina que potencien el bienestar, la neurodiversidad y la productividad con diseños flexibles e inclusivos.
Reconstruí mi flujo de trabajo con escritorios virtuales en Windows
Optimiza tu multitarea con escritorios virtuales en Windows: separa espacios personales y profesionales con unos clics.
La brecha sim-to-real de los agentes con modelos fundacionales
Descubre cómo la brecha sim-to-real afecta a los agentes con modelos fundacionales y cómo una perspectiva unificada de MDP puede mejorar su robustez en aplicaciones reales.
Localización de eventos audiovisuales con grafos heterogéneos jerárquicos
Nuevo método HSCHG mejora la localización de eventos audiovisuales usando grafos heterogéneos jerárquicos con restricciones semánticas.
DxPTA: Exploración del espacio de diseño con flujo de datos óptico para aceleradores fotónicos
Descubre DxPTA, una metodología que optimiza el co-diseño HW/SW de aceleradores fotónicos para Transformer, reduciendo área, potencia y latencia. ¡Acelera tu IA con fotónica!
Caracterizar y luego destilar: razonamiento mecanicista en grandes espacios
Aprende cómo los modelos de razonamiento seleccionan entre millones de etiquetas usando una estrategia de destilación mecanicista en dos fases.
ViSSRes: residuo espacio-temporal contra alucinaciones en video
Descubre ViSSRes, un método innovador que reduce las alucinaciones en modelos de video grandes usando residuos espacio-temporales. Mejora la comprensión hasta u
Imputación espacio-temporal con flujo guiado por grafos
Descubre GiFlow: imputación espacio-temporal con flujo guiado por grafos. Supera a los métodos tradicionales en eficiencia y precisión.
Construyendo espacios latentes de VAE con topología prescrita
Aprende a construir espacios latentes de VAE con topología prescrita, resolviendo el desajuste topológico y mejorando la calidad de reconstrucción en datos no euclidianos. Resultados superiores.
Transición de fase del estimador de Tyler para subespacios robustos
Descubre cómo el M-Estimador de Tyler alcanza una transición de fase nítida en la recuperación robusta de subespacios, incluso en el límite crítico DS-SNR=1.
Modelado de Mundo Agentico para 6G: Razonamiento Generativo en Tiempo Casi Real
El modelado de mundo agéntico revoluciona el control de redes 6G, simulando escenarios futuros en tiempo casi real con mayor precisión y velocidad.
LiQSS: Redes tensoriales cuánticas lineales para previsión en 6G en tiempo real
Descubre LiQSS, un modelo post-Transformer de redes tensoriales cuánticas que reduce parámetros y acelera la predicción en 6G sin perder precisión. Ideal para O-RAN en tiempo real.
Aprendizaje automático con reactividad predice rendimiento de escorias activadas
Descubre cómo el aprendizaje automático informado por reactividad predice la resistencia de escorias activadas y optimiza el diseño sostenible.
Transición de fase abrupta del estimador M de Tyler en recuperación de subespacios
El estimador M de Tyler presenta una transición de fase abrupta en DS-SNR=1. Descubre su comportamiento crítico para la recuperación robusta de subespacios.
Diversidad de tareas y aprendizaje en contexto en subespacios
Descubre cómo la diversidad de tareas de entrenamiento mejora el aprendizaje en contexto en transformers lineales. Un análisis teórico con subespacios de baja dimensión.
Regresión Fréchet de Índice Único Profundo
Descubre DeSI: una técnica de regresión semiparamétrica que combina redes neuronales profundas con un índice interpretable para predecir en espacios métricos como distribuciones y matrices.