Dinámica espectral y geometría del ruido de Muon
Exploramos la dinámica espectral y geometría del ruido del optimizador Muon: su sesgo hacia espectro plano y cuándo es útil frente a AdamW. Resultados experimentales.
#espectro
La dinámica espectral y la geometría del ruido de Muon
Muon reemplaza el gradiente por su factor polar, aplanando el espectro. Descubre cómo este sesgo mejora la optimización en ciertos regímenes, y cuándo AdamW es mejor.
PredHydro-Net: Predicción 3D de hidrometeoros con guía física y decodificación dual
Descubre cómo PredHydro-Net mejora la predicción 3D de hidrometeoros, usando decodificación dual y supervisión espectral para detectar eventos extremos como el huracán Ian.
Mejora multirresolución para representaciones neuronales de espectro completo
Descubre WIEN-INR: marco jerárquico mejora representaciones neuronales, preservando información de alta frecuencia en datos científicos con modelos compactos.
Espectro del discurso de odio: medición con IRT Rasch y deep learning explicable
Aprende a medir el discurso de odio en una escala continua usando teoría Rasch y deep learning explicable, ajustando por perspectiva de anotadores.
Detección de Parkinson mediante aprendizaje multi-vista de voz con atención multimodal
Aprende cómo un modelo deep learning con atención multimodal alcanza 91.5% de precisión detectando Parkinson usando voz.
Automatizando el ojo experto: deep learning para espectroscopía de fuerza
Framework de deep learning para descubrir eventos raros en espectroscopia de fuerza. Logra un 92% de precisión y reduce la carga manual en un 90%.
AeroSpectra Sentinel: evaluación de riesgo de asma con IA auditiva
Descubre AeroSpectra Sentinel, un prototipo que combina STFT, ML y LLM para evaluar riesgo de asma a partir de sonidos respiratorios y señales clínicas. Auditoría segura.
Amazon retrasa despliegue satélites Leo, FCC otorga prórroga
Amazon Leo no cumple plazo de la FCC para desplegar el 50% de su constelación. La agencia otorga prórroga pero elimina prioridad espectral. Conoce los detalles.
Red de atención de características multiescala para clasificar polímeros con THz
Aprende cómo una red de atención multiescala clasifica polímeros con espectroscopía THz con un 85.2% de precisión para mejorar el reciclaje.
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.
SpectCount: conteo espectrotemporal con señales sintéticas
Descubre cómo SpectCount usa señales sintéticas para mejorar la comprensión auditiva de modelos de audio grandes, superando debilidades perceptuales con datos eficientes.
LatentWave: Preentrenamiento JEPA para modelos base inalámbricos
LatentWave: modelo base inalámbrico con preentrenamiento JEPA. Aprende representaciones latentes transferibles para clasificación, posicionamiento y predicción.
El lenguaje de la elución: predicción autorregresiva en lipidómica LC-HRMS
Descubre cómo la IA predice el orden de elución en lipidómica LC-HRMS con más del 98% de acierto, mejorando la anotación.
Descubrimiento Causal Robusto en Series Temporales Reales con Leyes de Potencia
Descubre cómo las leyes de potencia mejoran el descubrimiento causal en series temporales reales, reduciendo ruido y obteniendo inferencias fiables.
Descubrimiento Causal Robusto en Series Temporales con Leyes de Potencia
Descubre cómo un método basado en leyes de potencia extrae señales causales reales en series temporales, superando el ruido y mejorando la precisión.
Leyes de escalamiento y espectros en redes neuronales superficiales
Descubre cómo las leyes de escalamiento en redes superficiales vinculan espectros de pesos y generalización, validando observaciones empíricas.
Leyes de escalado y espectros en redes neuronales superficiales
Descubre cómo las leyes de escalado en redes superficiales explican la generalización mediante el espectro de pesos. Validación teórica.
Flujos generativos adaptativos a escala para datos multiescala
Aprende a generar muestras de alta fidelidad en datos científicos multiescala con menor costo computacional usando técnicas de ruido e interpolación adaptativas.
Campos de Ruido Radiado Neural para UUV en Escenas 3D
Predicción precisa del espectro de ruido de UUV en 3D usando campos neurales. Error promedio de 3.5 dB. Ideal para extrapolación.