Red de Grafos de Malla para Simulación FEM en Geometrías Arbitrarias
Descubre una red neuronal de grafos de malla para acelerar simulación FEM en geometrías arbitrarias, superando modelos tradicionales con R² > 0.97.
#geometría
Red de grafos mesh para acelerar simulaciones de elementos finitos
Aprende cómo una red de grafos mesh predice tensiones en geometrías arbitrarias, acelerando la simulación de elementos finitos con R² >0.97.
¿Son reales las interacciones neuronales? Identificabilidad y diagnóstico
Descubre cómo saber si las interacciones neuronales que detecta tu modelo son reales o artefactos. Un diagnóstico basado en el rango efectivo te ayuda antes de ajustar el modelo.
Medida geométrica de separabilidad lineal para representaciones neuronales
Métrica LSM para medir separabilidad lineal direccional entre clases en representaciones neuronales. Ideal para diagnosticar arquitecturas de deep learning.
Geometría del espacio de parámetros en transformers para funciones booleanas
La geometría del espacio de parámetros de transformers revela por qué fallan en funciones booleanas sensibles como PARITY: un sesgo hacia baja sensibilidad.
Más allá del colapso neuronal: geometría intrínseca en aritmética modular
Descubre cómo las redes neuronales organizan representaciones en aritmética modular, revelando una geometría cíclica que supera el colapso neuronal tradicional.
Optimización Geométrica de la Información en Esferas
Exploramos la optimización geométrica de la información en esferas: gradientes naturales, osciladores de Kuramoto y conexiones con la toma de decisiones cuántica.
Optimización Riemanniana Descentralizada en Línea más allá de Hadamard
Nuevo algoritmo de optimización Riemanniana descentralizada online con consenso curvatura y cota de arrepentimiento O(√T).
Optimización en espacios de polidiscos no arquimedianos
Descubre la optimización en espacios de polidiscos no arquimedianos para datos jerárquicos con propiedades geométricas únicas y un algoritmo en Julia.
Generalización en Mínimos Cuadrados No Lineales vía Geometría Aprendida
Aprende cómo la geometría de características aprendidas mejora la generalización en mínimos cuadrados no lineales, reduciendo la dependencia de parámetros.
El impacto de la rotación de base en el rendimiento de NQS
La rotación de base en NQS desplaza el estado fundamental exacto, llevando la optimización a puntos silla. Bajo error energético puede esconder una función de onda incorrecta.
Generación de escenas 3D desde una imagen con múltiples agentes
Descubre cómo SceneConductor genera escenas 3D completas a partir de una sola imagen usando orquestación multi-agente. Mayor precisión y realismo.
Steering geométrico en modelos de lenguaje: descomposición ángulo-norma
Descubrimos que el control de modelos de lenguaje depende de la interacción entre ángulo y norma. Explicamos por qué los métodos de steering difieren y proponem
La geometría de los fallos representacionales en modelos de visión-lenguaje
Estudio revela cómo la geometría de representaciones internas en VLMs causa alucinaciones. Aprende sobre vectores conceptuales y fallos visuales.
La geometría del robo de la última capa en IA
Descubre cómo la geometría revela los secretos del robo de modelos de IA: condiciones exactas para copiar la última capa de un transformer y sus límites.
La geometría del robo de modelos en la última capa
Descubre cómo la geometría explica el robo de modelos: condiciones exactas para copiar la última capa y los límites de las capas ocultas. Clave para seguridad.
ML-FTLE unificado guiado por geometría para rastrear caos transitorio en series temporales escalares
Descubre cómo un nuevo marco de ML guiado por geometría detecta caos transitorio en series temporales, sin ecuaciones, con alta precisión y resistencia al ruido.
Aumann-SHAP: Geometría de interacciones contrafactuales en Machine Learning
Descubre Aumann-SHAP, un marco que descompone transiciones contrafactuales usando geometría de hipercubos. Corrige sesgos y mejora la interpretabilidad en ML.
Estadísticas predictivas y representaciones emergentes en caminantes de rejilla
Descubre cómo las estadísticas predictivas crean modelos del mundo en redes neuronales. Estudio revela que transformadores aíslan un estado universal.
¿Ese video de tu jefe? Seis cámaras y una mentira que no ves
Los deepfakes avanzan de capas superficiales a síntesis 3D. ¿Cómo afecta esto a la verificación biométrica? Descúbrelo aquí.