Estructuras causales y procesos dinámicos ocultos en el clima
CaDRe: un modelo que descubre relaciones causales ocultas en la dinámica climática. Mejora la precisión de pronósticos y ofrece insights interpretables.
#modelo generativo
Modelos de difusión condicionales tridimensionales para la emulación del cono de luz de 21 cm cosmológico
Emulación del cono de luz de 21 cm mediante difusión condicional 3D. Generación rápida y realista de mapas de HI para simulaciones cosmológicas.
FedEHR-Gen: Generación Federada de Historiales Electrónicos de Salud Sintéticos de Series Temporales mediante Alineación del Espacio Latente y Agregación con Conocimiento de la Distribución
<meta name=description content=Descubre FedEHR-Gen: generación federada de historiales clínicos sintéticos con series temporales, alineación latente y agregación por distribución para datos de salud seguros y eficientes.>
Diff-Instruct con recompensa difundida: hacia un generador de un solo paso con aprendizaje por refuerzo basado en principios
Diff-Instruct con recompensa difundida: aprende cómo este enfoque de RL basado en principios logra un generador de un solo paso eficiente y de alta calidad.
Reconstrucción de Campos Físicos Multiescala a partir de Mediciones Extremadamente Dispersas con una Cascada Autoencoder-Difusión
Reconstrucción de campos físicos multiescala desde mediciones dispersas mediante autoencoder-difusión. Método eficiente y preciso basado en aprendizaje profundo.
Autoencoders Variacionales de Tipo Fase para Datos de Cola Pesada
<meta content=Descubre cómo los autoencoders variacionales de fase mejoran el modelado de datos con cola pesada. Técnica avanzada para aprendizaje profundo robusto y eficiente.>
DriftingMol: Deriva Acoplada al Decodificador para Generación Molecular Condicional a la Propiedad en un Solo Paso
<meta name=description content=DriftingMol: generación molecular condicional a la propiedad en un solo paso. Método innovador para diseñar moléculas con propiedades específicas de forma directa y eficiente.>