Transformer basado en conjuntos para compensación atmosférica hiperespectral LWIR
Transformer ligero estima transmisión y radiancia atmosférica en imágenes hiperespectrales LWIR, mejorando la compensación sin supervisión de ubicación.
#espectral
Detección de apagones en redes autorreparables con RL y redes espectrales
Descubre cómo RL con redes espectrales detecta y restaura apagones en redes eléctricas inteligentes en tiempo real. Aumenta la resiliencia.
Ajuste Secuencial: Distinta Perspectiva sobre Sesgo Espectral en Redes
Descubre cómo el ajuste secuencial ofrece una nueva visión sobre el sesgo espectral en redes neuronales, más allá del análisis de Fourier tradicional.
Regularización espectral en forma cerrada para fusión de modelos multitarea
Descubre cómo SWUDI resuelve la fusión de modelos multitarea con regularización espectral cerrada, acelerando 28-72x sin datos de entrenamiento.
Desmezclado de imágenes ATR-μFTIR en cortes de pinturas al óleo históricas
Descubre cómo un autoencoder CNN separa mezclas espectrales en imágenes ATR-μFTIR de pinturas históricas, mejorando la interpretación sin supervisión.
Método rápido de separación espectral para operador de colisión anisotrópico
Descubre un método espectral rápido que resuelve ecuaciones cinéticas con colisiones anisotrópicas, conservando fidelidad del micromodelo y acelerando simulaciones de plasma.
POD multiescala de atención en transformers: análisis por escalograma
Aplicamos POD multiescala con wavelet de Morlet a campos de atención de transformers, revelando modos dominantes y organización por capas. Sin modificaciones arquitectónicas.
Muestreo Adaptativo de Bosques Condicionales para Optimización de Riesgo Espectral
ACFS reduce la dispersión hasta 2.5 veces en optimización de riesgo espectral bajo incertidumbre dependiente, superando a otros métodos.
TailLoR: Protegiendo Componentes Principales en Aprendizaje Continuo
Descubre TailLoR, un método que protege los componentes principales usando descomposición espectral para un aprendizaje continuo eficiente y sin interferencias.
El Hamiltoniano de Score: Mapeando Modelos de Difusión al Transporte Adiabático
Descubre la correspondencia exacta entre modelos de difusión y transporte adiabático a través del Hamiltoniano de Score. Nuevos límites de muestreo.
Índice CDL: Validación de Clustering por Descripción de Longitud Central
Descubre cómo el índice CDL valida clustering sin etiquetas, incluso en datos no convexos y de densidad variable, superando a índices tradicionales.
HyFAD: Difusión híbrida tiempo-frecuencia para imputación de series temporales
Descubre HyFAD, el modelo de difusión híbrido que revoluciona la imputación de series temporales. ¡Código abierto!
Hacia una prueba de independencia condicional escalable y válida con representaciones espectrales
Descubre cómo las representaciones espectrales mejoran la escalabilidad y validez en pruebas de independencia condicional. Un enfoque innovador con garantías teóricas.
Transformada Fraccional de Fourier en Grafos Parametrizada por Rotación
Descubre la RP-GFRFT: una nueva técnica que unifica orden fraccional y rotación para mejorar filtrado, denoising y preservación de características en datos estructurados en grafos.
Hamiltonianos supersimétricos y campos gauge no reversibles en Fokker-Planck
Optimiza la dinámica de Fokker-Planck con campos gauge no reversibles, Hamiltonianos supersimétricos y aprendizaje de fuerzas finitas mediante actor-critic.
Diagnóstico espectral de desbalance en modelos visión-lenguaje médico
SAS revela asimetrías en modelos visión-lenguaje médicos, midiendo desequilibrio de modalidad. Útil para diagnóstico práctico en IA clínica.
Optimización convexa estocástica descentralizada casi óptima en redes
Nuevo método descentralizado acelera la optimización convexa estocástica, logrando la tasa centralizada con más trabajadores. ¡Mejora el escalamiento en redes!
DC-PnPDP: Reconstrucción médica robusta con difusión y ADMM
Descubre cómo el nuevo método DC-PnPDP elimina el sesgo y las alucinaciones en reconstrucción de imágenes médicas, mejorando la precisión con convergencia acelerada.
Generación procedural de sonidos de motor con anotaciones de control
Descubre cómo generar datasets de sonidos de motor con anotaciones precisas. Ideal para entrenar modelos de IA en diseño de sonido automotriz.
Transcriptómica espacial como imágenes para preentrenamiento a gran escala
Descubre cómo tratar la transcriptómica espacial como imágenes permite preentrenar modelos masivos, mejorando el rendimiento en estudios clínicos y patológicos.