Métodos de machine learning para estudiar dinámicas neuronales latentes
Descubre cómo modelos de machine learning revelan la dinámica oculta de la actividad neuronal. Revisión para decodificar el cerebro.
#neurales
Predicción conforme para operadores neurales: incertidumbre en simulación física
Descubre cómo la predicción conforme cuantifica la incertidumbre en simulaciones con operadores neurales, ofreciendo intervalos con cobertura garantizada.
GeoABC: Corrección Anisotrópica de Límites para Simulación Aerodinámica
GeoABC reduce un 38% el error cerca de la pared en simulaciones aerodinámicas. Conoce este marco de corrección anisotrópica de límites.
Tokenizaciones de Campos Neurales con Jerarquía y Localidad
LH-NeF tokeniza señales continuas con jerarquía y localidad, usando 42x menos memoria y logrando reconstrucciones de alta calidad en múltiples modalidades.
Tokenización de campos neurales con jerarquía y prioridad de localidad espacial
LH-NeF: tokenización jerárquica y local de campos neurales con 42x menos memoria y mayor rendimiento en imágenes, formas 3D y climáticos.
GENERIC-FNO: Conservación de energía y entropía en FNO
Descubre cómo GENERIC-FNO integra conservación de energía y entropía en operadores neurales de Fourier, revolucionando la simulación termodinámica.
GENERIC-FNO: Conservación de energía y producción de entropía en operadores neurales de Fourier
Descubre cómo GENERIC-FNO logra precisión de máquina en la preservación de leyes termodinámicas, superando a modelos previos en PDEs complejas.
Operadores Neurales de Fourier con puntos de rango-1 y cruz hiperbólica
Mejora la eficiencia de los FNO usando puntos de red rango-1 y cruz hiperbólica: menos parámetros, menos muestras, más precisión en PDEs.
De predicción a autoconciencia: condiciones de agencia en sistemas neurales mínimos
Un sistema neural mínimo logra autoconciencia con 4 condiciones: atractores, bucles, retroalimentación propioceptiva y despertar asíncrono. Ganancia de agencia
ENBP: Propagación de Creencias Neural Equivariante
ENBP aplica simetría SE(3) a la inferencia probabilística, logrando precisión submilimétrica en moléculas y robótica, 100x más rápido que difusión.
Campos de Ruido Radiado Neural para UUV en Escenas 3D
Predicción precisa del espectro de ruido de UUV en 3D usando campos neurales. Error promedio de 3.5 dB. Ideal para extrapolación.
Operadores Neurales de Kernel (KNO): aprendizaje de operadores escalable
Descubre los Kernel Neural Operators (KNO): aprendizaje de operadores escalable, eficiente en memoria y flexible en geometrías irregulares.
Gradiente de Política para MDP Robustos en Tiempo Continuo
Descubre cómo los algoritmos de gradiente de política en tiempo continuo mejoran la robustez en MDPs, con convergencia lineal y menor complejidad muestral.
Que la luz sea: Reflexión, Refracción y Dispersión para Operadores Neurales
Descubre LiNO, operador neural inspirado en luz que separa modulación local y comunicación global con eficiencia cuadrática a lineal. Ideal para PDEs paramétricas.
¿Transferibles subestructuras comunes? Modelo fundacional Riemanniano de grafos
Descubre el modelo GAUGE: geometría Riemanniana y haces vectoriales para transferir subestructuras en grafos con predicción zero-shot.
MENO: Operadores Neurales Mejorados con MeanFlow para Sistemas Dinámicos
Descubre MENO: el nuevo marco que mejora operadores neurales con MeanFlow para predicciones precisas en sistemas dinámicos, con hasta 14x más rapidez que DDIM.
Aproximación eficiente de operadores neurales codificador-decodificador mediante espacios de variación
Aprende cómo los espacios de variación optimizan la aproximación de operadores neurales codificador-decodificador, con garantías de convergencia.
Propagación adaptativa guiada por estructura para PPIS
Conoce el innovador modelo SGAP-PPIS que predice sitios de interacción proteína-proteína usando propagación adaptativa.