Cómo ampliar el aprendizaje centrado en decisiones con estimación de gradiente
Nuevo método basado en función de puntuación amplía el aprendizaje centrado en decisiones a problemas con incertidumbre en restricciones.
#estimación
Estimación de profundidad y pose monocular auto-supervisada para endoscopia
Descubre cómo la auto-supervisión con priores latentes mejora la precisión en profundidad y pose para endoscopia, superando desafíos de iluminación y texturas.
Riesgo contrafactual escalable para eventos raros en datos longitudinales
Nuevo método de submuestreo y reponderación reduce coste computacional en estimación de riesgo contrafactual para eventos raros en datos longitudinales.
Límites de error para un estimador de deriva basado en modelos de difusión
Analizamos las cotas de error teóricas de un estimador de deriva basado en modelos de difusión, descomponiendo el riesgo en discretización, aproximación de score, inicialización y varianza.
Explotando similitudes en A/B testing con estimación off-policy
Descubre cómo aprovechar las similitudes entre sistemas en pruebas A/B usando estimación off-policy para obtener resultados más precisos y robustos.
Aprendizaje off-policy: optimización > estimación en grandes acciones
Descubre por qué la optimización es clave en el aprendizaje off-policy con grandes espacios de acción, y cómo los pesos de verosimilitud simplifican el proceso.
Aproximación de divergencias-f con estadísticos de rango
Aproxima divergencias-f con estadísticos de rango. Método rank-statistic para alta dimensión usando proyecciones aleatorias. Eficiente y validado.
Asimilación de datos continua con dinámica sustituta aprendida
Mejora la asimilación de datos continua con modelos sustitutos de IA. Reduce error de modelo y asegura convergencia exponencial. Ideal para sistemas dinámicos.
Estimación casi óptima y tratable con invarianza por desplazamiento
Estimación casi óptima y eficiente de señales discretas con recurrencias lineales. Descubre el estimador minimax y su aplicación en detección.
Sensado comprimido adaptativo: estimación eficiente del eigenvector principal
Nuevo análisis muestra que el sensado adaptativo comprimido alcanza convergencia global con solo dos medidas por iteración, revelando límites insuperables frente a métodos no adaptativos.
Aprendizaje de modelos híbridos consciente de nitidez para estimar parámetros
Aprendizaje híbrido con minimización de nitidez (SAM) para estimar parámetros científicos de forma robusta y precisa, basado en Occam. ¡Descubre cómo!
Estimación de razón de densidades con flujos para distribuciones intratables
Descubre cómo la estimación de razón de densidades con flujos condicionados permite comparar estados celulares en genómica para evaluar efectos de tratamiento.
Cómo manejar bandidos contextuales con dinámica de estados latentes
Descubre un enfoque directo para manejar bandidos contextuales con estados latentes. Aprende cómo reducir el problema a bandidos lineales y mejorar las decisiones en entornos inciertos.
Inferencia cero-shot certificada con geometría latente compartida
Nueva arquitectura de dos vías logra inferencia cero-shot certificada en sistemas eléctricos. Supera al método Newton-Raphson con precisión y velocidad.
Cómo estimar el costo total de modernizar aplicaciones heredadas
Aprende a estimar el costo total de modernizar aplicaciones legacy con un marco de análisis detallado. Planifica tu presupuesto y maximiza el ROI.
Síntesis realista de ruido reduce sesgo en estimación de microestructura tisular
Descubre cómo la síntesis realista de ruido en MRI de difusión reduce el sesgo y mejora la estimación de microestructura tisular con machine learning supervisado.
Gráfico contrastivo anclado en Doeblin para aprender kernels de Markov
Aprende a estimar núcleos de Markov válidos con un gráfico contrastivo anclado en Doeblin. Mejora la precisión en dinámicas de cadena.
DenseMLLM: LLM multimodal estándar para predicción densa
Descubre cómo DenseMLLM permite a los LLM multimodales estándar realizar predicciones densas sin decodificadores adicionales. Resultados competitivos en segmentación y profundidad.
Regresión desbalanceada en streaming con Árboles Hoeffding
Descubre cómo la estimación de densidad kernel y el shrinkage jerárquico mejoran la regresión desbalanceada en flujos de datos continuos usando Árboles Hoeffdin
Circuitos probabilísticos geométricos mediante teselaciones de Voronoi
Teselaciones de Voronoi para circuitos probabilísticos: inferencia exacta y aproximada en estimación de densidad. ¡Optimiza tus modelos!