Autointerpretación: adaptadores ligeros entrenados en pares vector-etiqueta
Cómo adaptadores ligeros entrenados en pares vector-etiqueta logran autointerpretación que supera etiquetas y revela razonamiento implícito.
#etiquetado
Agujas en el pajar: etiquetado activo transductivo en ecología
Mejora la detección de especies raras en ecología con etiquetado activo transductivo. Un nuevo criterio de parada híbrido optimiza el descubrimiento de clases escasas.
HiFi-KPI: Dataset jerárquico para KPIs financieros
Descubre HiFi-KPI, el dataset con 1.65M de párrafos y 198k etiquetas jerárquicas para extraer KPIs de informes financieros. Modelos de IA alcanzan 0.906 F1 en clasificación.
ML para codificar nombres de productos en categorías de precios
Descubre un pipeline de ML para clasificar productos minoristas en categorías de precio usando reglas, bolsa de palabras y etiquetado humano confiable.
Autoencoder de varianza ordenada para descubrir relaciones no lineales estáticas
Descubre cómo extraer relaciones estáticas no lineales de datos no etiquetados con autoencoder de varianza ordenada. Ideal para optimización en tiempo real.
Funciones de Confianza: Generalización Débil a Fuerte sin Pérdidas
Aprende cómo las funciones de confianza filtran etiquetas débiles para lograr generalización casi sin pérdidas. Mejora tu IA.
Regresión semisupervisada con proxy ruidoso: límites y generalización
Nuevo estimador en dos etapas supera a métodos supervisados en regresión con proxy ruidoso, aprovechando datos no etiquetados para límites de generalización.
Recopilación de datos para IA de control de calidad en alfombras
Descubre cómo recopilar y etiquetar datos visuales para entrenar una IA que detecte defectos en alfombras, reduciendo costes y mejorando la calidad.
Reemplazar Excel por una aplicación personalizada protege datos confidenciales
Aprende cómo reemplazar Excel por una app personalizada protege datos confidenciales con cifrado, permisos y auditoría. Cumple normativas.
SPUNA: aprendizaje PU robusto para detectar cambio de covariable
SPUNA detecta cambios de covariable con aprendizaje PU y geometría local, igualando rendimiento supervisado. Ideal para visión robusta.
Mejora de clasificación selectiva binaria con consultas por pares
Mejora la clasificación selectiva con consultas por pares: reduce errores en muestras de alta confianza y optimiza el balance precisión-costo en IA.
Revisitando la entropía para identificar imágenes mal etiquetadas
Descubre cómo el método SEI utiliza la entropía para identificar imágenes mal etiquetadas, mejorando el rendimiento de redes profundas en diagnóstico médico.
Minimización con Conciencia de Inconsistencia para Mejorar la Generalización
Descubre cómo el nuevo método IAM usa la inconsistencia local para mejorar la generalización en modelos de deep learning, incluso sin etiquetas. Optimiza tu entrenamiento.