p-PSO: Optimización por enjambre penalizada para diseños D-óptimos
Descubre cómo el p-PSO penaliza la optimización para hallar diseños D-óptimos en GLM con factores mixtos. Método eficiente y versátil.
#información de fisher
Entendiendo la Difusibilidad Latente mediante la Geometría de Fisher
Descubre cómo la geometría de Fisher cuantifica la difusibilidad en espacios latentes y explica la degradación en modelos de difusión.
Reducción de varianza para muestreo no-log-cóncavo en problemas inversos
Descubre cómo las técnicas de reducción de varianza mejoran el muestreo de distribuciones no-log-cóncavas en problemas inversos, con aplicaciones en imágenes.
Análisis de sensibilidad local con Fisher Information en imágenes médicas
Descubre cómo la Matriz de Información de Fisher dependiente de entrada analiza la sensibilidad local de clasificadores médicos. Mejora la interpretabilidad.
Fisher dependiente de entrada para sensibilidad local en clasificadores médicos
Descubre cómo la matriz de Fisher dependiente de entrada revela la sensibilidad predictiva en clasificadores de imágenes médicas.
Entropía, desacuerdo y los límites de los modelos fundacionales en genómica
Descubre por qué los modelos de IA fallan en genómica: la alta entropía del ADN limita el aprendizaje y genera desacuerdo.
Dinámicas de aprendizaje bajo reparametrización relativa de modelos singulares
Descubre cómo la reparametrización relativa optimiza la convergencia en modelos singulares como GMM y redes neuronales. Teoría y experimentos.
Dimensionalidad efectiva: invariante de operador en adaptación de restricciones en PINNs
Descubre la dimensionalidad efectiva actúa como invariante de operador en PINNs para adaptar condiciones de frontera sin retrain. Adaptación rápida y precisa.
Robustez de modelos vía información de Fisher: límites y algoritmos
Descubre cómo medir la robustez de modelos de IA con la información de Fisher, una métrica atacable-agnóstica que predice vulnerabilidad adversarial. Guía teórica y práctica.
QUIVER: Vistas Cuánticas para Representaciones en Grandes Modelos ML
QUIVER incorpora vistas cuántico-informadas para mejorar representaciones en grandes modelos de ML, ofreciendo mejoras medibles en QM9 y JetClass.
Memorización: ¿útil o perjudicial? El umbral lo determina la información previa
Descubre cómo la información previa determina si la memorización en modelos lineales es beneficiosa o perjudicial, según el umbral de ruido.
LASER: SVD consciente de pérdida y asignación de rango para modelos VL
Descubre cómo LASER logra una aceleración 2.3x en modelos visión-lenguaje con baja precisión, usando SVD consciente de pérdida y asignación de rango.