Estimación del tiempo de dispersión de FRBs con Transformer multimodal
Nuevo modelo deep learning estima tiempo de dispersión de FRBs con 94% precisión, acelerando análisis astrofísico.
#estimación
Inversión rápida de datos en procesos Ornstein-Uhlenbeck de alta dimensión
Método innovador para inversión rápida de datos en procesos Ornstein-Uhlenbeck de alta dimensión, con mejor filtrado y estimación geofísica.
Cómo estimar el costo total de automatizar la incorporación de RRHH con IA
Descubre cómo estimar el costo total de automatizar onboarding de RRHH con IA. Modelo financiero, TCO y consideraciones clave.
Ultralytics YOLO26: Visión unificada en tiempo real de extremo a extremo
Descubre YOLO26 de Ultralytics: visión unificada sin NMS, entrenamiento optimizado y precisión en tiempo real. Ideal para detección, segmentación y más.
Modelos de difusión no idénticos para canales MIMO-OFDM
Descubre cómo los modelos de difusión no idénticos mejoran la generación de canales MIMO-OFDM, manejando la confiabilidad variable de cada subportadora.
Adaptando reglas de puntuación estrictamente adecuadas para inferencia causal
Personaliza reglas de puntuación para inferencia causal. Nuestra pérdida a medida reduce sesgo y varianza en estimación del ATE.
Recuperación de la volatilidad acoplada al estado bajo observación parcial
Descubre cómo recuperar la volatilidad acoplada al estado en sistemas latentes con observación parcial usando filtros de partículas.
Filtro de Kalman Adaptativo Híbrido para Seguimiento y Clasificación Eficiente
Filtro de Kalman Adaptativo Híbrido con aprendizaje auto-supervisado para seguimiento y clasificación eficiente con pocos datos. Mejora la precisión y robustez.
Honestidad en bosques causales: ¿cuándo ayuda o perjudica?
¿Sabías que la estimación honesta en bosques causales puede reducir la precisión? Descubre cuándo ayuda y cuándo perjudica en más de 7,000 conjuntos de datos.
Clasificación binaria de superficie vial con ML en señales de vehículos en crucero
Aprende cómo la IA clasifica superficies resbaladizas en tiempo real usando señales de vehículos en crucero, mejorando la seguridad vial.
Guía por recompensa en modelos de flujo y difusión: ¿realmente inclinamos?
El reward hacking en difusión proviene de la estimación finita de la función h. Proponemos una corrección sin costo y aclaramos el best-of-n.
Percepción autónoma compacta con aprendizaje balanceado y fusión multisensor
Un modelo compacto de percepción autónoma que integra múltiples sensores y aprendizaje balanceado para lograr mayor eficiencia y velocidad de inferencia.
Cómo estimar el costo total de una app a medida para reemplazar hojas de cálculo
Descubre cómo estimar el costo total de una app a medida que reemplaza hojas de cálculo. Modelo TCO, implementación e integración. Planifica tu presupuesto.
Aprendizaje de Valor Suavizado en Aprendizaje por Refuerzo
Aprende cómo MVL usa suavizado espacial para estimación de valor estable en RL offline, mejorando navegación y manipulación robótica.
Estimadores secuenciales de mínimos cuadrados con bosquejo aleatorio rápido
Descubre cómo el método SLSE-FRS combina Sketch-and-Solve e Iterative-Sketching para obtener estimadores de alta precisión en modelos lineales a gran escala.
Aprendizaje espectral consciente del resultado para regresión IV
Descubre cómo el aprendizaje espectral consciente del resultado mejora la regresión IV incluso con desalineación espectral.
Guía del autoestopista: estimación de gradientes Poisson
Descubre cómo estimar gradientes Poisson sin sesgo con el método EAT modificado. Comparativa con Gumbel-Softmax para VAEs y modelos de inferencia neuronal.
Cuantificación de la propagación de errores y colapso en modelos de difusión
Analizamos la propagación de errores en modelos de difusión con datos sintéticos. Primeras cotas inferiores de divergencia y regímenes de deriva.
Benchmark de inferencia sin verosimilitud: redes neuronales y transporte óptimo
¿Cuál es el mejor método de inferencia sin verosimilitud? Comparamos redes neuronales y transporte óptimo en datos extremos y discretos.
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.