Descubrimiento Causal Federado con Intervenciones Desconocidas
Descubre I-PERI, un algoritmo federado que recupera estructuras causales a partir de datos heterogéneos con intervenciones desconocidas, mejorando privacidad y precisión.
#ko
Desafíos del aprendizaje por refuerzo en sistemas energéticos industriales
Analizamos los desafíos del RL en sistemas energéticos reales: observabilidad, diseño de acciones, recompensa y la brecha simulación-realidad.
Convergencia de aproximaciones bi-escala markovianas en RL
Descubre cómo se demuestra la convergencia de algoritmos bi-escala bajo ruido markoviano, un avance clave para el aprendizaje por refuerzo off-policy.
Convergencia no asintótica de algoritmos estocásticos: marco de Lyapunov
Descubre cómo las funciones de Lyapunov permiten analizar la convergencia finita de algoritmos estocásticos en aprendizaje automático y refuerzo.
Una visión unificada de los flujos Wasserstein generativos
Descubre cómo los flujos Wasserstein unifican GANs, MMD y modelos generativos con JKO. Una visión teórica para la optimización de distribuciones.
Aprendizaje de mapas de flujo en NVAR: error según librería
Descubre cómo la librería de características influye en el error de entrenamiento de modelos NVAR para series temporales. Aprende leyes de escalamiento.
Caminata verdadera auto-evitativa para acelerar integración MCMC
Descubre cómo la caminata verdadera auto-evitativa reduce el error de estimación integral en MCMC de t^-1/2 a O(√log t/t), acelerando la convergencia.
Morfología Matemática en el Aprendizaje Automático
Descubre la nueva métrica Minkowski-Chebyshev 329x más rápida. Clustering morfológico que preserva formas y elimina ruido.
Red neuronal holomorfa para problemas de contorno 3D con potenciales armónicos
Redes neuronales holomorfas resuelven problemas de contorno 3D sin residuos internos. Validado en Laplace y elasticidad.
Flujos generativos con operadores Koopman: linealización preservando trayectorias
Descubre cómo los operadores Koopman linealizan flujos generativos, permitiendo muestreo instantáneo y control espectral de trayectorias. Ideal para IA generativa.
Certificados automáticos de convergencia en MCMC de transporte
CerT-MCMC ofrece certificados automáticos de convergencia para MCMC con flujos normalizantes, con cotas no vacías incluso en altas dimensiones. ¡Más fiabilidad!
Por qué funciona la memoria recurrente lineal en RL parcialmente observable
Descubre por qué la memoria recurrente lineal es efectiva en RL parcialmente observable. Justificación teórica con filtros lineales y HMM.
El bueno, el malo y el feo del Límite de Markov para la Predicción Tabular
Lo bueno, lo malo y lo feo del Límite de Markov en predicción tabular: ventajas, limitaciones y aspectos polémicos que debes conocer.
libhmm: Una biblioteca moderna de C++20 para modelos ocultos de Markov con pasos M de emisión de MLE correctos
libhmm: biblioteca moderna C++20 para HMM con pasos M de emisión MLE correctos. Precisión y rendimiento en modelos ocultos de Markov.
KAN-AD: Detección de Anomalías en Series Temporales con Redes de Kolmogorov-Arnold
Descubre cómo KAN-AD y las redes Kolmogorov-Arnold detectan anomalías en series temporales. Técnica avanzada para análisis de datos.
Aprendizaje adaptativo mediante entrenamiento fuera del modelo y muestreo por importancia para el control estocástico óptimo completamente no markoviano. Versión completa
Aprendizaje adaptativo fuera del modelo con muestreo por importancia para control estocástico no markoviano. Método eficiente y robusto para optimización.
Soro: un modelo fundacional ligero y un chatbot para el tayiko
Soro: un modelo ligero y chatbot diseñado para el idioma tayiko, ideal para asistentes y aplicaciones multilingües.
Asintóticas del tamaño del dominio para redes lógicas de Markov
Analiza las asíntotas del tamaño del dominio en redes lógicas de Markov, clave para comprender la escalabilidad y eficiencia en inferencia probabilística.
Adquisición Óptima de Datos para el Aprendizaje por Refuerzo: Una Perspectiva de Grandes Desviaciones
Aprende cómo la teoría de grandes desviaciones optimiza la adquisición de datos en aprendizaje por refuerzo. Técnicas clave para mejorar la eficiencia y el rendimiento.
Canales de ruta y núcleos de extensión de planes: una descripción mecanicista de la planificación en una RNN de Sokoban
<meta name=description content=Canales de ruta y núcleos de extensión optimizan la planificación en una RNN de Sokoban. Descubre técnicas avanzadas de IA para resolver este clásico puzzle.>