Machine Learning basado en física para predicción de inundaciones
Descubre cómo el Machine Learning basado en física mejora la predicción de inundaciones a corto plazo, incluso con datos limitados y condiciones extremas.
#lstm
Estrategia multi-par dinámica en cripto con aprendizaje por refuerzo profundo
Descubre cómo el DRL optimiza el trading de pares en criptomonedas, superando estrategias clásicas con un modelo híbrido que reduce riesgos.
Comparativa Transformer vs LSTM en predicción de cuencas no aforadas
Descubre por qué LSTM supera a Transformer en predicción de caudales en cuencas no aforadas. Datos aguas abajo mejoran precisión en un 60%.
Evaluación Sistemática de Arquitecturas Actuales en Pronóstico de Energía Eólica
Descubre las arquitecturas híbridas con deep learning y descomposición modal mejoran la precisión del pronóstico eólico por intervalos, reduciendo incertidumbre.
Predicción de postura 3D dinámica corporal al manipular cargas
Descubre cómo el Transformer supera a BLSTM en la predicción de postura 3D dinámica al manipular cargas, con mejoras de hasta un 58% en precisión.
Alerta temprana basada en mediciones de fallos de fiabilidad en redes ferroviarias 5G NSA
Descubre cómo los modelos de machine learning anticipan fallos de fiabilidad en redes 5G NSA ferroviarias usando mediciones en tiempo real. Un estudio con CNN, LSTM y más.
Modelado Inverso Codificado con Física para Predicción de Nieve Ártica
Descubre el modelo inverso PhysE-Inv que combina LSTM y física para predecir nieve ártica, reduciendo errores un 24.7%.
Dataset REST-ASMR: fotopletismografía y respuestas conductuales
Descubre REST-ASMR, un dataset multimodal que combina fotopletismografía y anotaciones subjetivas para predecir estados ASMR con alta precisión. Ideal para IA afectiva.
La estructura de la tarea invierte la codificación de estado por capas en modelos secuenciales
Descubre cómo la estructura de la tarea invierte la codificación de estado en modelos como Transformers y Mamba. Un estudio revela patrones opuestos en paridad y Dyck.
21cmEMUv3: emulador híbrido de observables del amanecer cósmico
Descubre 21cmEMUv3, emulador híbrido de difusión y LSTM que acelera la interpretación de observaciones del amanecer cósmico y reionización. Precisión subpercentual.
Trading de Bitcoin con ML ante costos de transacción
¿Funciona el ML para trading de Bitcoin? Analizamos XGBoost, LSTM e iTransformer y cómo un filtro por costos de transacción mejora los resultados.
CLSP-REQA: Predicción de convulsiones en tiempo real con calidad EEG
CLSP-REQA integra evaluación de calidad EEG en tiempo real para predecir convulsiones con alta precisión, superando métodos previos sin adaptación de dominio. ¡Aprende cómo!
ChronosAD: Modelos base de series temporales para anomalías
ChronosAD utiliza modelos base de series temporales para detectar anomalías con alta precisión. Supera a otros métodos en un 4.72% AUC y 6.60% AP en 11 benchmarks.
RL-ACRGNet: Red de generación de informes de radiología de tórax
RL-ACRGNet: un innovador modelo de IA que genera informes radiológicos de tórax con aprendizaje por refuerzo, mejorando precisión y coherencia clínica. ¡Conócelo!
ML científico para predicción de vida útil restante en motores
Descubre cómo el ML científico predice la vida útil de motores y su temperatura con incertidumbre cuantificada para un mantenimiento inteligente y seguro.
Predicción de vida útil restante bifurcada: enfoque híbrido
Descubre cómo un enfoque híbrido bifurcado predice la vida útil de motores turbofán, caracterizando incertidumbres realistas para mantenimiento inteligente.