Aprendizaje no supervisado para modalidades faltantes en aprendizaje multimodal
Descubre cómo UL4M4 imputa embeddings faltantes en aprendizaje multimodal mediante clustering no supervisado, logrando F1 >0.7 incluso con >50% de datos
#imputación de datos
Coordinación de enjambre Edge-to-Cloud para resiliencia costera datos escasos
Coordinación enjambre Edge-to-Cloud logra 89% precisión en datos costeros escasos. Aprende el algoritmo cuántico inspirado.
TabSODA: Imputación difusa tabular con detección de saltos y conciencia ordinal
TabSODA: imputación precisa que respeta saltos estructurales y ordinales. Reduce errores hasta 23,7%.
PAMF: Fusión Multimodal Consciente de Prioridades para Datos Incompletos
¿Datos médicos incompletos? PAMF fusiona información multimodal con prioridades para mejorar predicciones. Descubre este nuevo enfoque de IA.
Entrenamiento escalable en hardware de QNN y aplicación a datos clínicos
Entrena redes cuánticas en hardware de forma escalable con coste logarítmico. Aplicación a datos clínicos con resultados superiores.
Supervivencia sin censura con modelos fundacionales tabulares
Aprende cómo aplicar modelos fundacionales tabulares al análisis de supervivencia sin entrenamiento. Resultados competitivos con Cox y AFT. ¡Entra!
AugMask: entrenamiento de modelos de difusión con datos tabulares incompletos
Descubre AugMask: entrena modelos de difusión en datos tabulares incompletos con aumento estocástico. Mejora la generación de datos.