Reglas de diseño de GNN: ¿fallan según el benchmark?
Descubre cómo la composición del benchmark determina si la informatividad predice el mejor agregador en GNN. Resultados clave con Facebook-100.
#etiqueta
Detección de alucinaciones en LLM y VLM con crestas de densidad
Descubre cómo el nuevo método de crestas de densidad supera en hasta 20 puntos AUROC a técnicas actuales en detección de alucinaciones con pocas etiquetas de calibración.
CAAL: Bandidos contextuales para selección de estrategias activas artesanales
CAAL usa bandidos contextuales para seleccionar dinámicamente estrategias de aprendizaje activo basadas en contexto externo.
¿Qué tan confiables son las auditorías de equidad con datos no confiables?
Descubre cómo la falta de etiquetas protegidas afecta las auditorías de equidad en ML. Resultados revelan patrones de daño interseccional y la necesidad de calibración.
Representaciones autosupervisadas de sistemas dinámicos para series fisiológicas
PULSE: aprendizaje autosupervisado que extrae representaciones de sistemas dinámicos de series fisiológicas, mejorando clasificación y transferencia.
Agregación justa óptima de etiquetas ruidosas mediante paridad demográfica
Descubre cómo lograr una agregación justa de etiquetas ruidosas en crowdsourcing usando restricciones de paridad demográfica. Teoría, algoritmos y experimentos.
Guía de usuario para Magento 2 EasyPost Shipping
Aprende a integrar EasyPost en Magento 2 para obtener tarifas de envío en tiempo real, crear envíos, imprimir etiquetas y gestionar credenciales desde el panel de administración.
Identificabilidad y estimación en mezclas no etiquetadas bajo independencia marginal
Descubre cómo identificar componentes latentes en mezclas no etiquetadas usando independencia marginal. Nuevo estimador PM-MMD mejora recuperación sin necesidad de etiquetas.
Hipótesis de Influencia Reflejada: estimación eficiente de datos
Hipótesis de Influencia Reflejada: estima influencia de datos en modelos de IA usando pases hacia adelante. Ideal para atribución, detección de fugas y más.
Guía de usuario del Diseñador de Etiquetas ZPL en Odoo
Guía completa del Diseñador de Etiquetas ZPL en Odoo. Diseña etiquetas con arrastrar y soltar, añade códigos QR y de barras, y genera desde registros.
Comparativa de estrategias para segmentar lesiones cerebrales con datos parciales
Descubre cómo el pseudolabeling con datos parcialmente etiquetados mejora la segmentación de lesiones cerebrales en FLAIR MRI. Un estudio con más de 2000 volúmenes.
Reetiquetado activo profundo: anotaciones resistentes al ruido
Descubre cómo el reetiquetado activo reduce el ruido en anotaciones humanas, mejorando la eficiencia del aprendizaje activo. ¡Optimiza tus modelos!
¿Qué anatomía importa con etiquetas limitadas? Benchmark cardíaco
¿Qué anatomía importa con pocas etiquetas? Descubre cómo la representación anatómica supera a la complejidad del modelo. Benchmark ACDC.
Caracterizar y luego destilar: razonamiento mecanicista en grandes espacios
Aprende cómo los modelos de razonamiento seleccionan entre millones de etiquetas usando una estrategia de destilación mecanicista en dos fases.
Modelos de Deriva para Flujo Sustituto
Descubre cómo los modelos de deriva generan flujos CFD de alta calidad en un solo paso, superando a la difusión en velocidad y precisión. Ideal para simulación en tiempo real.
Etiquetas duras de objetivos dispersos engañan algoritmos invariantes a rotación
Las etiquetas duras de objetivos dispersos hacen fallar a algoritmos invariantes a rotación. Conoce cómo evitarlo en regresión logística.
Marco adaptativo de limpieza de datos para etiquetas ruidosas
Descubre un marco auto-adaptativo que integra métricas locales, globales y dinámicas para detectar etiquetas ruidosas sin umbrales manuales, mejorando la precisión del modelo.
Algoritmo de evolución dirigida impulsa predicción neuronal
Mejora la predicción neuronal con el algoritmo de evolución dirigida para niños con implantes cocleares, superando escasez de etiquetas y cambio de dominio.
Reequilibrio de Etiquetas con Incertidumbre para Seguridad en CPS
U-Balance usa incertidumbre conductual para reequilibrar datos y mejorar monitorización de seguridad en CPS, logrando F1 0.806.
GNN con conectividad de etiquetas de orden superior en grafos heterófilos
Nuevo clasificador LCC mejora clasificación en grafos heterófilos capturando conectividad de etiquetas de orden superior. Integrable con cualquier GNN.