QDSP: Marco interpretable para predecir muerte o parálisis cerebral en neonatos
Descubre cómo QDSP predice con alta precisión muerte o parálisis cerebral en neonatos de muy bajo peso, mejorando la toma de decisiones.
#interpretable
Inferir forzamiento oculto en oscilador biológico con redes Kolmogorov-Arnold
Descubre cómo las redes Kolmogorov-Arnold infieren forzamiento oculto en osciladores biológicos a partir de datos parciales.
Inferencia de forzamiento oculto en oscilador con redes KAN
Las redes Kolmogorov-Arnold infieren fuerzas ocultas en la respiración aviar a partir de presión. Validadas con electromiografía, revelan patrones sorprendentes.
Desentrañando vías de riesgo latentes con inferencia bayesiana de hipergrafos
La inferencia bayesiana de hipergrafos desentraña vías de riesgo ocultas en historiales clínicos, mejorando la predicción de enfermedades raras con incertidumbre calibrada. ¡Léelo!
Regresión Neuro-Simbólica Descomponible: Modelos Interpretables
Descubre cómo la regresión neuro-simbólica combina transformers y algoritmos genéticos para crear modelos interpretables que revelan ecuaciones ocultas.
Atribución Mecanicista de Datos: Rastreando Orígenes de Entrenamiento en LLM
Descubre cómo la atribución mecanicista de datos rastrea el origen de las unidades interpretables en LLM y acelera su convergencia.
Algoritmos interpretables descompilando Transformers a RASP
Descubre cómo descompilar Transformers a RASP revela algoritmos interpretables. Un método innovador para entender la generalización de longitud en IA.
Factorización interpretable para identificar factores latentes de psicopatología
Descubre cómo la factorización interpretable de cuestionarios clínicos revela factores latentes en psicopatología y mejora el diagnóstico.
IA interpretable para estudios de osteoartritis de rodilla
Descubre cómo un marco de IA interpretable y confiable utiliza aprendizaje profundo y predicción conforme para estudiar la relación estructura-dolor en la osteoartritis.
Marco de IA interpretable para estudios estructura-dolor en osteoartritis
Descubre cómo un marco de IA interpretable y confiable analiza miles de resonancias para predecir dolor y progresión en osteoartritis de rodilla.
UNIVID: modelo unificado de lenguaje visual para moderación de video
Descubre UNIVID, el modelo que unifica visión y lenguaje para moderar videos con precisión, interpretabilidad y eficiencia, reduciendo violaciones y costos.
Corrige la mente, no la acción: IA interpretable
Descubre SENSEI, IA interpretable que localiza y corrige conceptos erróneos para mejorar el rendimiento a largo plazo. ¡Corrige la mente!
Corrige la mente, no el movimiento: Asistencia IA interpretable localiza brechas
SENSEI: Asistencia IA que localiza y corrige tus conceptos erróneos, no solo tus acciones. Mejora tu rendimiento a largo plazo. 90% de éxito.
EML-CD: Árboles simbólicos para recuperar mecanismos causales
EML-CD recupera mecanismos causales como ecuaciones cerradas usando árboles simbólicos EML. Supera a métodos tradicionales en precisión e interpretabilidad. ¡Descúbrelo!
Modelado de exacerbación de asma infantil a partir de múltiples factores de riesgo
Descubre cómo modelos interpretables predicen exacerbaciones de asma infantil en Virginia costera combinando contaminación, clima y factores socioeconómicos. Es
AttnRegDeepLab: Clasificación interpretable de fragmentación embrionaria
Descubre AttnRegDeepLab, un marco de IA que combina segmentación y clasificación para evaluar fragmentación embrionaria con precisión clínica y explicabilidad.
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.
Optimización automatizada con agentes en coevolución y razonamiento interpretable
Descubre cómo EvoOR-Agent utiliza la coevolución de arquitecturas de agentes y razonamiento interpretable para optimizar procesos complejos con LLMs. Mejora el rendimiento y la interpretabilidad.
Cuantización y características interpretables: análisis con autoencoders dispersos
La cuantización no destruye todas las características interpretables: un análisis revela que el 62% persiste en INT6, pero las métricas engañan.
Marco unificado guiado por evaluación para optimizar prompts según consultas
Descubre marco optimización prompts que utiliza evaluación unificada para mejorar calidad respuestas por consulta. Resultados interpretables y consistentes.