Aprendizaje de operadores solución de EDP con aproximación dispersa
Descubre cómo los métodos de aproximación dispersa reducen muestras para operadores de EDP, mejorando eficiencia e interpretabilidad
#fourier
Reformulación de Operadores Neuronales para Evolución de Embeddings en d+1
Reformulación de operadores neuronales en d+1 para mejorar la evolución de embeddings. Menor error en benchmarks como calor y Rayleigh-Taylor.
Operadores neuronales en d+1 dimensiones para evolución de embeddings
Descubre cómo una dimensión auxiliar en operadores neuronales mejora precisión en benchmarks de dinámica, logrando menor error L2 y generalización zero-shot.
Flujos generativos adaptativos a escala para datos multiescala
Aprende a generar muestras de alta fidelidad en datos científicos multiescala con menor costo computacional usando técnicas de ruido e interpolación adaptativas.
Transformada Fraccional de Fourier en Grafos Parametrizada por Rotación
Descubre la RP-GFRFT: una nueva técnica que unifica orden fraccional y rotación para mejorar filtrado, denoising y preservación de características en datos estructurados en grafos.
PJ-RoPE: Espacio Fourier-Jet-Afin para Atención Relativa
PJ-RoPE unifica RoPE, Jordan-RoPE y ALiBi en un espacio aprendible. Mejora la estabilidad y la precisión en tareas de lenguaje y música.
IA Física: la capa que impulsa la inteligencia de máquina
Un modelo de IA entrenado solo con datos de radiofrecuencia logra transferencia a audio, imágenes y texto con 77.7% de precisión. ¡Sin ajuste fino!
Aprendizaje de DNF mediante representaciones generalizadas de Fourier
Descubre cómo las representaciones generalizadas de Fourier permiten aprender DNF bajo distribuciones no producto. Un avance clave en teoría del aprendizaje automático.
Estimación bidireccional de efectos causales con kernel online
Nuevo método de kernel online para estimar efectos causales bidireccionales con alta precisión y escalabilidad. Ideal para datos masivos en ciencia, negocios y políticas.
Síntesis de poblaciones virtuales con difusión latente y Fourier
Descubre cómo 4D F-MeshLDM genera poblaciones virtuales cardíacas realistas usando difusión latente y Fourier, superando a los modelos actuales para ensayos in-silico.
Wavelet Fourier Diffuser: modelo de difusión consciente de frecuencias para RL
Descubre cómo Wavelet Fourier Diffuser mejora el aprendizaje por refuerzo offline al corregir desplazamientos de frecuencia. Resultados superiores en D4RL.
Redes neuronales: aprendizaje demostrable de representaciones espectrales de grupos
Descubre cómo las redes neuronales aprenden representaciones espectrales de grupos, convergencia demostrable a irreducibles y compresión de bajo rango.
Gobernanza multiagente para adaptación online de modelos termohidráulicos
Un sistema multiagente con validación por compuertas reduce un 19% el error en predicciones termohidráulicas bajo cambios de régimen operativo. Descubre cómo.
ReciNet: Modelado de largo alcance en espacio recíproco para predicción de propiedades cristalinas
Descubre ReciNet, un modelo de IA que predice propiedades cristalinas usando el espacio recíproco con precisión superior en benchmarks de materiales.
EqGINO: Operadores Neuronales de Fourier con Geometría Equivariante para PDE 3D
Descubre EqGINO, un marco de aprendizaje profundo que garantiza equivariancia geométrica para resolver PDEs 3D en dominios complejos. ¡Mejora la precisión de tus simulaciones!
Composición Secuencial de Grupos: Una Ventana a la Mecánica del Deep Learning
Composición secuencial de grupos: una ventana a la mecánica del deep learning. Descubre cómo redes neuronales aprenden operaciones estructuradas.
Ondas planas globales desde gaussianas: carga periódica al instante
Descubre ELECTRAFI: predice densidad de carga periódica en cristales con velocidad récord y reduce costos de DFT hasta un 20%. Precisión y eficiencia sin precedentes.
Auditoría espectral de redes de operadores en contexto
Descubre cómo la auditoría espectral revela fallos ocultos en operadores neuronales más allá del error de predicción, mejorando la fiabilidad en modelos de IA.
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.
Difusión compleja paralela para generación escalable de series temporales
Descubre PaCoDi: difusión espectral para series temporales escalables. Supera a métodos tradicionales en calidad y eficiencia.