¿Transferibles subestructuras comunes? Modelo fundacional Riemanniano de grafos
Descubre el modelo GAUGE: geometría Riemanniana y haces vectoriales para transferir subestructuras en grafos con predicción zero-shot.
Descubre el modelo GAUGE: geometría Riemanniana y haces vectoriales para transferir subestructuras en grafos con predicción zero-shot.
Descubre Krishi-Route, un motor de enrutamiento geoespacial que reduce costos de transporte agrícola mediante pooling de carga en tiempo real.
Descubre cómo optimizar modelos estadísticos en variedades Riemannianas sin invertir la matriz de Fisher. Un método eficiente con convergencia probada.
Reemplaza tu Access con una app moderna accesible desde cualquier lugar. Seguridad zero-trust, multi-usuario y cumplimiento. Q2BSTUDIO migra.
Exploramos cómo la geometría dócil proporciona un marco matemático para garantizar la convergencia del descenso de gradiente en deep learning, incluso en entornos no lisos y no convexos.
Conoce cómo los valores culturales impactan la seguridad de la IA. Un estudio revela que el 10% de datos pueden ser mal clasificados sin representación cultural.
Descubre cómo TMCgen, un modelo de difusión en variedades, genera geometrías precisas de complejos metálicos para catálisis y diseño de fármacos. ¡Aprende más!
Acelera la inversión de ondas con redes híbridas cuántico-clásicas: errores más bajos en 8x menos iteraciones y menos parámetros.
Descubre cómo la supervisión de segundo orden mejora el aprendizaje de sistemas caóticos, preservando atractores con bajo costo computacional.
FlatVPR corrige la curvatura de manifolds en modelos fundacionales, permitiendo reconstrucción lineal precisa con pocos anclajes. Mejora el VPR incluso con cambios estacionales extremos.
Lie Diffuser Actor corrige la falacia euclidiana en políticas VLA usando difusión en el espacio tangente de SE(3). Mejora un 7.3% en CALVIN ABC→D.
Descubre CDOT, un marco convexo de transporte óptimo que alinea distribuciones heterogéneas preservando geometría. Mejora robustez y precisión.
ProtoAda usa prototipos y consolidación geométrica para evitar interferencias en ajuste continuo multimodal, mejorando rendimiento.
Descubre GIFT: robots transfieren habilidades de manipulación desde una sola demostración humana usando geometría y mapas funcionales.
Nuevas divergencias Wasserstein y Kalman-Wasserstein mejoran el control KL, ofreciendo soluciones estables incluso con ruido bajo: doble integrador y cart-pole.
Descubre un nuevo método de reducción de dimensionalidad que preserva la geometría y es interpretable, ideal para datos composicionales con ceros. Visualización dual y análisis de microbiomas.
Por primera vez, se demuestran cotas de generalización no triviales para redes profundas sin modificaciones, incluso con 600M parámetros. Análisis basado en la geometría de los datos.
Descubre RO-HNN: combina mecánica hamiltoniana y reducción de orden para aprender dinámicas complejas a gran escala con predicciones consistentes.
UrbanFusion combina imágenes, mapas y POI con fusión estocástica para representaciones espaciales robustas. Supera modelos previos en 41 tareas.
Med-Scout cura la ceguera geométrica de los MLLMs en diagnóstico médico mediante entrenamiento con refuerzo. Mejora percepción geométrica más del 40%.