PE-means: Mejora del clustering k-means con privacidad diferencial
Descubre cómo PE-means mejora el clustering k-means con privacidad diferencial, logrando un 20% menos de pérdida. Una solución innovadora y eficiente.
#learn
GC-MoE: Estimación de Transcripción Espacial de Célula Única desde Histología
GC-MoE utiliza mezcla de expertos guiada por genómica para predecir expresión génica por célula desde histología, mejorando la precisión en transcripción espacial.
DhondtXAI: Atribución de Características con el Método D'Hondt
Conoce DhondtXAI, un método de atribución de características proporcional y basado en alianzas, sin depender de SHAP. Ideal para modelos tabulares en salud y más.
La evolución del concepto de probabilidad como espejo de la razón
Desde Pascal hasta la IA: exploramos la evolución de la probabilidad como espejo de la razón y su relación con la lógica difusa y el deep learning.
Comportamiento de Teoría de Prospectos en MDPs con Estados Catastróficos
Descubre cómo la optimalidad de Bellman en MDPs con estados catastróficos produce aversión a pérdidas y efecto reflejo, sin preferencias de riesgo.
Destilación guiada por ruido visual para desaprender modelos multimodales
Descubre cómo VGID usa ruido visual y destilación para eliminar conocimiento no deseado en modelos multimodales sin perder rendimiento.
Parches adversariales físicos para detección de vehículos aéreos
Evaluamos parches adversariales para detección aérea: del mundo digital al físico. Descubre por qué el parche ON es más robusto en entornos reales.
Detección de intrusiones IoT con SMOTE y evaluación multi-modelo
Mejora la detección de intrusiones IoT con SMOTE y evaluación multi-modelo. Alcanza F1 de 0.9989 usando Random Forest en datos de potencia.
Evaluación alineada temporalmente para generación de talking heads
Descubre cómo la alineación temporal mejora la evaluación de generación de talking heads, ofreciendo métricas más robustas y justas para comparar modelos.
UR-JEPA: Rectificabilidad Uniforme como Regularizador en JEPA
UR-JEPA logra un 0.83% más de precisión que LeJEPA en Inet10 con menor varianza, y produce representaciones geométricamente distintas.
Transferencia emergente de modelo base de física a turbulencia de laboratorio
Descubre cómo un modelo base de física entrenado solo en simulaciones predice turbulencia de laboratorio, cerrando la brecha simulación-experimento.
Construcción de grafos de conocimiento histórico con BERT y GNN
Descubre cómo combinar BERT y GNN para construir grafos de conocimiento histórico. Extrae entidades y relaciones de textos antiguos con alta precisión.
¿Por qué los modelos de series temporales necesitan ventanas largas?
Descubre por qué las ventanas de contexto largas mejoran la precisión en modelos de series temporales al reducir la incertidumbre sobre el proceso generativo. Ideal para IA y forecasting.
¿Qué tan difícil puede ser? Desaprendizaje multiobjetivo consciente de la dificultad
Descubre HAMU, un enfoque que garantiza mejoras en el olvido de datos minimizando la pérdida de rendimiento del modelo. Ideal para privacidad y equidad en IA.
Límite superior práctico del sesgo de selección en modelos médicos
¿Cómo saber si tu modelo médico generaliza bien? Te presentamos una cota superior práctica para el sesgo de selección, incluso con datos incompletos.
COPF: Marco online de equidad contrafactual estable en grafos evolutivos
COPF: Marco online para equidad contrafactual estable en recomendaciones de enlaces en grafos evolutivos. Reduce disparidades de grupo sin sacrificar utilidad.
MobEvolve: Agente Auto-evolutivo para Movilidad Humana Interpretable
Descubre MobEvolve, el primer sistema heurístico auto-evolutivo con agentes que genera trayectorias de movilidad humana interpretables y realistas, superando modelos profundos y LLM.
¿Cuánta formación exige reemplazar Excel por una app personalizada?
¿Cuánta formación para reemplazar Excel con una app? Capacitación por roles, microlearning y talleres. Acelera la adopción con Q2BSTUDIO.
Nueva estrategia de aumento de datos para clasificación robusta de señales biomédicas (ECG y EEG)
Descubre una nueva estrategia de aumento de datos para clasificar señales ECG y EEG con precisión del 100%. Modelo ligero listo para wearables.
Modelo ligero de deep learning para nodos influyentes
Descubre 1D-CGS, un modelo ligero que combina CNN 1D y GraphSAGE para rankear nodos influyentes en redes complejas con alta precisión y rapidez. Ideal para grandes escalas.