Interpretación de DNNs mediante grupo de renormalización y familia exponencial
Descubre cómo las DNNs entrenadas equivalen al grupo de renormalización en datos de familia exponencial. Una nueva teoría de interpretabilidad.
#extracción de características
Middleware consciente del contexto para informes de imágenes médicas
Descubre cómo un middleware consciente del contexto optimiza la asignación de imágenes médicas usando extracción de características y reglas de asociación.
Menos es suficiente: Sintetizando datos diversos en el espacio de características de LLM con autoencoders dispersos
Descubre cómo los autoencoders dispersos optimizan la síntesis de datos diversos en LLMs, mejorando su eficiencia y capacidad de representación.
Aprendizaje contrastivo consciente de la geometría para el reconocimiento automático de modulación con pocas muestras
Método de aprendizaje contrastivo geométrico para reconocimiento de modulación con pocas muestras. Optimiza la clasificación de señales con datos limitados de forma eficiente.