VFUSE: Características virulentas con autoencoders dispersos
Descubre cómo VFUSE utiliza autoencoders dispersos para detectar características virulentas en modelos de proteínas, mejorando la seguridad en el diseño.
#nas
NAS guiado por LLM para codiseño robusto de redes neuronales físicas
Descubre cómo el NAS guiado por LLM optimiza precisión y eficiencia energética en hardware no convencional, logrando arquitecturas robustas frente a imperfecciones físicas.
Optimización con restricciones para predicción robusta de estabilidad proteica
Nuevo marco de optimización con restricciones mejora la predicción de estabilidad proteica, elevando correlación Spearman sin cambios arquitectónicos.
Optimización con restricciones para predicción robusta de estabilidad proteica
Nuevo método optimiza predicción de estabilidad proteica sin cambiar arquitectura y logra mayor robustez en datos fuera de distribución.
Geometría del espacio de parámetros en transformers para funciones booleanas
La geometría del espacio de parámetros de transformers revela por qué fallan en funciones booleanas sensibles como PARITY: un sesgo hacia baja sensibilidad.
De atajos a razonamiento: post-entrenamiento robusto de ToM con RL
El nuevo enfoque Thinking-RFT supera atajos en ToM: mejora un 6% frente a SFT mediante razonamiento y refuerzo.
Optimalidad asintótica de Thompson Sampling para bandidos aversos al riesgo
Un algoritmo de Thompson Sampling no paramétrico logra optimalidad asintótica en bandidos aversos al riesgo con recompensas subgaussianas.
Orquestación predictiva Zero Touch con modelos automáticos para nube-borde
Descubre cómo la fusión de datos con TimeTrack elimina el arranque en frío y automatiza modelos predictivos en el continuo nube-borde.
Datasets de referencia para predicción lead-lag en redes sociales
Descubre los nuevos conjuntos de datos de arXiv y GitHub para predecir citas y forks a partir de interacciones tempranas. Una base empírica para el forecasting lead-lag.
Eliminando la carga del adaptador en IA multimodal
Descubre cómo eliminar la carga del adaptador en IA multimodal con arquitectura asíncrona. Ahorra tiempo y evita deuda técnica.
Malla Wi-Fi: una trampa para apartamentos, qué usar en su lugar
¿Tu sistema Mesh Wi-Fi no rinde en el apartamento? Descubre por qué es una trampa y la alternativa correcta para eliminar zonas muertas sin perder velocidad.
Kernels de truncamiento espectral: no conmutatividad en máquinas C*-algebraicas
Descubre los nuevos kernels de truncamiento espectral basados en C*-álgebras: aprendizaje funcional eficiente con no conmutatividad.
Análisis Geodésico de Componentes Principales de Wasserstein
Descubre cómo el GPCA geodésico de Wasserstein identifica modos de variación en medidas de probabilidad usando redes neuronales. Aplicaciones reales.
Optimización Riemanniana Descentralizada en Línea más allá de Hadamard
Nuevo algoritmo de optimización Riemanniana descentralizada online con consenso curvatura y cota de arrepentimiento O(√T).
Detección de Anomalías en Ciberseguridad con Redes de Grafos Heterogéneos
Explora el estado del arte de las HGNN para detección de anomalías en ciberseguridad. Taxonomía, benchmarks y desafíos clave.
Beamformer adaptativo para entornos altamente no estacionarios
Descubre el Universal Switching Beamformer: un método que combina agilidad y precisión para rastrear interferencias en entornos cambiantes, sin ajustes manuales.
Principios de grandes desviaciones para redes neuronales convolucionales bayesianas
Primer principio de grandes desviaciones para CNN bayesianas. Un avance teórico sobre covarianza condicional y distribución posterior en aprendizaje profundo.
El riesgo de seguridad oculto en redes modernas: el trabajo entre herramientas
Los vacíos entre tus herramientas de seguridad generan riesgos ocultos que causan horas de inactividad y pérdidas millonarias. Descubre cómo cerrar la brecha.
RACT: Aprendizaje aumentado por recuperación para emparejamiento de esquemas
Descubre cómo RACT utiliza contexto referencial para mejorar el emparejamiento de esquemas multi-tabla, superando métodos basados en similitud con ganancias de hasta +70% en precisión y completitud.
Proyecciones baricéntricas de planes de transporte óptimo en variedades riemannianas
Convierte acoplamientos de transporte óptimo en mapas deterministas en variedades riemannianas con proyecciones baricéntricas. Intrínseco y tangencial.