Inferencia de alta dimensión para matrices de precisión espectrales dispersas
Nuevo método de inferencia para matrices de precisión espectrales dispersas en alta dimensión. Obtén estimaciones confiables y mayor potencia.
#espectrales
Curvas de generalización en algoritmos espectrales con decaimiento de potencia
Descubre las curvas de error de generalización en regresión kernel con decaimiento de potencia y su impacto en redes neuronales anchas.
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.
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.
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.
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.
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.
AlphaQ: Asignación de bits sin calibración para cuantización de MoE
Descubre AlphaQ, un método sin calibración que asigna bits a expertos en MoE basado en la pesadez espectral. Logra compresión 4x con precisión casi total.
Redes neuronales: aprendizaje demostrable de representaciones espectrales de grupos
Descubre cómo las redes neuronales aprenden representaciones espectrales de grupos, convergencia demostrable a irreducibles y compresión de bajo rango.
EqGINO: Operadores Neuronales de Fourier con Geometría Equivariante para PDE 3D
Descubre EqGINO, un marco de aprendizaje profundo que garantiza equivariancia geométrica para resolver PDEs 3D en dominios complejos. ¡Mejora la precisión de tus simulaciones!
L2G-Net: Redes de grafos espectrales local-global con factorización Cauchy
Descubre cómo L2G-Net revoluciona las GNN espectrales con factorizaciones de Cauchy, escalando a grafos grandes con pocos parámetros.
Aprendizaje espectral consciente del resultado para regresión IV
Descubre cómo el aprendizaje espectral consciente del resultado mejora la regresión IV incluso con desalineación espectral.
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.
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.
Identificación no destructiva de ostras con imágenes hiperespectrales y machine learning
Identifique especies de ostras sin dañarlas con imágenes hiperespectrales y machine learning. Precisión del 100% mediante PLS-DA. Método no destructivo para trazabilidad.