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.
#machine learning
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.
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.
Top 50 expertos en chat en vivo con IA en Málaga
Descubre los 50 mejores expertos en chat con IA en Málaga. Guía con líderes como Q2BSTUDIO, Accenture, IBM. Optimiza tu negocio digital con IA.
Cómo la IA está mejorando la detección de fármacos no declarados en suplementos
Descubre cómo la IA detecta ingredientes no declarados en suplementos como 'Sexual Chocolate'. Aprende rol de la nube y ciberseguridad en seguridad alimentaria.
Expande neuronas, no parámetros
Descubre cómo aumentar el número de neuronas sin añadir parámetros mejora la precisión al reducir la interferencia entre características. Optimiza tu IA.
Espacio de vista: aprendizaje de representaciones en grafos arbitrarios
Descubre cómo el espacio de vista permite aprender representaciones en grafos con características heterogéneas, superando modelos previos en un 8,93%.
Benchmarking de métodos de incertidumbre para temperatura de gas de turbina
Comparativa de cinco métodos de ML para cuantificar incertidumbre en temperatura de turbina. Descubre cuál ofrece mejor precisión y confiabilidad.
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.
Separando secretos de placeholders: detección híbrida CNN-CodeBERT
Nuevo marco híbrido CNN-CodeBERT detecta filtraciones de credenciales con 93% de recall y reduce alertas falsas en 33%
¿Quién es responsable? Atribución en sistemas de IA modernos
Aprende a rastrear la responsabilidad en sistemas de IA modernos: nuestro marco cuantifica el impacto de cada etapa de desarrollo para una IA más responsable.
Identificación no destructiva de ostras con imágenes hiperespectrales y machine learning
Identifique especies de ostras sin dañarlas con imágenes hiperespectrales y machine learning. Precisión del 100% mediante PLS-DA. Método no destructivo para trazabilidad.
TabCausal: Preentrenamiento en Entornos Causales para Detección Causal en Tablas
TabCausal aprende relaciones causales en datos tabulares con preentrenamiento en múltiples entornos. Supera métodos clásicos, ideal para intervenciones.
Transporte de Sargassum: aprendizaje con datos limitados
Descubre la IA y el machine learning mejoran la predicción del transporte de sargazo con datos limitados de boyas. Aplicaciones en Puerto Rico y Gulf Stream.
Geometría de acantilados de actividad: dependencia de la representación
Descubre cómo la representación molecular define los acantilados de actividad. Benchmark revela que ninguna representación es universal.
SPUNA: aprendizaje PU robusto para detectar cambio de covariable
SPUNA detecta cambios de covariable con aprendizaje PU y geometría local, igualando rendimiento supervisado. Ideal para visión robusta.
Algoritmos de trigger basados en deep learning para Hyper-Kamiokande
Algoritmos deep learning para triggers en Hyper-Kamiokande logran 76.7% eficiencia en detección de neutrinos de baja energía, superando métodos clásicos.
SKETCH: Predicción a largo plazo de trayectorias de buques
Mejora la predicción de trayectorias de buques a largo plazo usando puntos clave semánticos con SKETCH. Evita desviaciones y mantiene consistencia direccional.
Transformers simples: predictores de enlaces sorprendentemente potentes
Descubre cómo un Transformer simple (PENCIL) supera a las GNNs en predicción de enlaces, sin estructuras complejas ni embeddings masivos. Eficiente y potente.