Aprendizaje interpretable y asignación no lineal para aeronaves sobreactuadas
Modelos interpretables de efectividad de control mejoran precisión y robustez en aeronaves sobreactuadas, reduciendo carga computacional.
Modelos interpretables de efectividad de control mejoran precisión y robustez en aeronaves sobreactuadas, reduciendo carga computacional.
Descubre cómo RhythmFormer y las métricas de fidelidad SaCo mejoran la interpretabilidad en rPPG. Análisis cuantitativo de atención dispersa.
Descubre cómo los híbridos Clay-CNN mejoran la detección de deslizamientos usando modelos geo-fundacionales como contexto auxiliar, superando al U-Net básico.
SimEdit mejora la edición de imágenes con difusión mediante refinamiento de condicionamiento y control de atención. Mayor precisión y preservación del fondo.
SimEdit mejora la edición de imágenes por difusión con condicionamiento preciso y control de atención, logrando estabilidad y fidelidad.
Descubre cómo un kernel INT8 fusionado en Triton acelera hasta 4.2x los Transformers de Difusión en GPUs Ampere, superando a FP8 y NF4 sin pérdida de calidad.
Nuevo método de despliegue profundo para optimizadores cónicos que acelera hasta 50x tareas de robótica y control, resolviendo problemas de memoria y estabilidad numérica.
Descubre cómo el Deep Unfolding escalable acelera optimizadores cónicos hasta 50x, reduciendo memoria y evitando inestabilidades numéricas. Ideal para robótica y control.
El modelo MLPF de flujo de partículas con IA sirve como base para identificar jets, regresión energética y momento faltante, superando a métodos tradicionales con 35 veces menos parámetros.
Descubre MOSIC: un marco que identifica subgrupos óptimos bajo múltiples restricciones, mejorando la fiabilidad en decisiones clínicas. Modelo agnóstico y eficiente.
Descubre EqCollide: simulador neuronal equivariante para objetos deformables con colisiones precisas, reduciendo error hasta 57%.
Fusión de datos multi-fidelidad con autoencoder y transfer learning logra predicciones aerodinámicas precisas con pocos datos e incertidumbre >95%.
Descubre cómo S2-WEF detecta free-riders dinámicos en aprendizaje federado simulando patrones de ataque, sin necesidad de datos proxy o pre-entrenamiento. Mejora la seguridad de tus modelos.
TRACE: un sistema de memoria causal para robots que resuelve tareas con evidencia visual desaparecida. Mejora la imitación visuomotora y decisiones.
Descubre cómo un pipeline de NLP débilmente supervisado identifica diagnósticos en cartas de alta sin anotación manual, reduciendo horas de trabajo en investigación clínica.
Los clasificadores con GAP actúan como aprendices multi-instancia. Descubre cómo revelan evidencia espacial incluso en predicciones erróneas.
CARE controla políticas de LLM con revisión auditable de evidencia, optimizando experimentos científicos sin riesgos. Mejora hasta un 88.5% en benchmarks.
Descubre EquiDexFlow, un modelo que predice fuerzas de agarre y poses con equivarianza SE(3), logrando agarres estables y sin violaciones de fricción en robots.
Descubre cómo los estafadores Sniper Dz engañan a usuarios MENA con ofertas falsas en Facebook y alertas de navegador. Protege tu ciberseguridad.
Acelera hasta 10x la difusión de video autoregresiva con compresión de caché y atención dispersa, manteniendo calidad visual y memoria constante.