MENO: Operadores Neurales Mejorados con MeanFlow para Sistemas Dinámicos
Descubre MENO: el nuevo marco que mejora operadores neurales con MeanFlow para predicciones precisas en sistemas dinámicos, con hasta 14x más rapidez que DDIM.
#espectral
Aprendizaje espectral consciente del resultado para regresión IV
Descubre cómo el aprendizaje espectral consciente del resultado mejora la regresión IV incluso con desalineación espectral.
IsoCLIP: Descomponiendo Proyectores CLIP para Alineación Intra-modal Eficiente
IsoCLIP mejora la alineación intra-modal en CLIP sin reentrenar, reduciendo latencia y superando métodos existentes en recuperación y clasificación.
Inferencia basada en momentos para regresión con covariables Latent Dirichlet
Aprende cómo los momentos corregidos evitan la incertidumbre al inferir coeficientes de regresión con modelos de tópicos.
El redondeo estocástico aumenta los valores singulares pequeños
El nuevo estudio muestra que el redondeo estocástico regulariza todo el espectro de valores singulares, no solo los más pequeños.
Predicción espectral para acelerar cálculos electrónicos a gran escala
Acelera cálculos de estructura electrónica a gran escala con predicción espectral basada en datos. Modelos de machine learning optimizan iteraciones SCF en BigDFT, reduciendo tiempo y recursos.
Mensajería aproximada robusta y sencilla para modelos de pico plantado
Algoritmo sencillo y robusto de mensajería aproximada para modelos de pico frente a corrupción adversarial en PCA disperso, no negativo y sincronización Z2.
Compresión basada en tareas para localización y caracterización de emisores
Descubre cómo la compresión basada en tareas permite localizar y caracterizar múltiples emisores con solapamiento espectral, optimizando la red.
Auditoría espectral de redes de operadores en contexto
Descubre cómo la auditoría espectral revela fallos ocultos en operadores neuronales más allá del error de predicción, mejorando la fiabilidad en modelos de IA.
Difusión compleja paralela para generación escalable de series temporales
Descubre PaCoDi: difusión espectral para series temporales escalables. Supera a métodos tradicionales en calidad y eficiencia.
Sensado en tiempo real de campos inaccesibles con operador neuronal en el borde
VIRSO: operador gráfico neuronal para inferencia de campos inaccesibles en tiempo real, con 29x menos energía y 17 muestras/s a 7W.
Certificación no vacía de Transport MCMC con flujos normalizadores
Certificación no vacía de MCMC de transporte: nuevos límites de brecha espectral con flujos normalizadores. Ideal para muestreo bayesiano.
FAiT: Transformer Invertido Consciente de la Frecuencia para Series Temporales
Descubre FAiT: supera el sesgo de baja frecuencia y modula dinámicamente frecuencias para pronósticos precisos de series temporales multivariables.
Predicción de reflectancia espectral de hojas con redes de atención multi-cabeza
Descubre cómo una red con atención multi-cabeza alcanza R² 0.84 en predicción de reflectancia foliar, supera modelos clásicos. Ideal para monitoreo de viñedos.
Low-Pass Flow Matching: generación eficiente con sesgo espectral
Descubre Low-Pass Flow Matching, un método que optimiza la generación de imágenes reduciendo el costo computacional mediante un sesgo espectral variable.
Expresividad de arquitecturas de congruencia para DNNs en matrices definidas positivas
La restricción semi-ortogonal en capas de congruencia limita la expresividad de DNNs para matrices PD. Comparativa de clasificadores Riemannianos.
Desplazamientos espectrales para detectar anomalías camufladas en grafos
Descubre cómo los desplazamientos espectrales detectan anomalías camufladas en grafos que parecen normales. Una nueva técnica para ciberseguridad.
CRMA: Backbone con límite espectral para ajuste fino continuo de LLMs
Descubre CRMA: ajuste fino secuencial de LLMs sin olvido catastrófico, mejorando rendimiento en tareas previas. Sin buffers, sin destilación.
Repensando las divergencias de Bregman en optimizadores Kronecker
Descubre cómo las divergencias de Bregman distribuyen el error de aproximación espectral en optimizadores Kronecker y la propuesta de un optimizador adaptativo.
BitsMoE: Asignación eficiente de bits para cuantización de MoE LLM
BitsMoE asigna bits inteligentemente en MoE LLM, logrando cuantización 2 bits con 27.83% más precisión, 12.3x más rápida y 1.76x más velocidad.