De lo grueso a lo fino: Gestión de granularidad temporal para predicción de tráfico
Aprende cómo STRP resuelve el desajuste de granularidad temporal para predicciones de tráfico precisas con bajo costo de almacenamiento.
#neurona
Control híbrido neuronal para sistemas inestables: aplicación a tilt-rotor
Descubre el enfoque híbrido que combina redes neuronales y control por modo deslizante para estabilizar el tilt-rotor, superando fallos del aprendizaje directo.
¿Cuántos contrafactuales? Sondeando alucinaciones VLM
Analiza alucinaciones VLM mediante contrafactuales y efectos causales. Descubre cuántas muestras se requieren para detectar inestabilidad.
Reconocimiento inteligente de caracteres manuscritos con redes neuronales profundas
Descubre cómo una red neuronal profunda logra un 88.28% de precisión en reconocer caracteres manuscritos. Enfoque innovador unifica detección y clasificación.
PolyBuild: Extracción de contornos de edificios en imágenes satelitales
Descubre PolyBuild, un método innovador que extrae directamente contornos de edificios en imágenes satelitales sin post-procesamiento. ¡Resultados superiores!
Detección de apagones en redes autorreparables con RL y redes espectrales
Descubre cómo RL con redes espectrales detecta y restaura apagones en redes eléctricas inteligentes en tiempo real. Aumenta la resiliencia.
LFNO: Uniendo Laplace y Fourier con descomposición transitorio-estacionario
Conoce LFNO, operador neuronal que une Laplace y Fourier para modelar sistemas dinámicos con descomposición transitorio-estacionaria, superando en ODE y PDE.
Poda estructurada de neuronas en redes profundas usando bandidos multibrazo
Descubre cómo la poda estructurada de neuronas con algoritmos de bandidos multibrazo reduce modelos de deep learning eliminando unidades redundantes, mejorando eficiencia sin perder precisión.
Leyes de Escalado de Respuesta a Ítems: Una Teoría de Medición para Escalado Neuronal
IRSL integra la Teoría de Respuesta al Ítem para estimar escalado neuronal con solo 50 preguntas, reduciendo datos un 99.9%.
Query Lens: cómo interpretar características dispersas con efectos indirectos
Descubre Query Lens, un nuevo método que va más allá de Logit Lens para interpretar características de autoencoders dispersos, considerando efectos indirectos y la hipótesis del subespacio.
Biohacking cerebral: implantes neuronales en 2026
Descubre cómo los implantes neuronales están revolucionando la cognición humana. Silicon Valley invierte miles de millones en 2026. ¿Te atreverías a implantarte un chip?
Ajuste Secuencial: Distinta Perspectiva sobre Sesgo Espectral en Redes
Descubre cómo el ajuste secuencial ofrece una nueva visión sobre el sesgo espectral en redes neuronales, más allá del análisis de Fourier tradicional.
Benchmarks sintéticos sobreestiman el escalado Forward-Forward
Descubre por qué los benchmarks sintéticos exageran el escalado de Forward-Forward. El estudio revela un techo real en ImageNet-100 frente a backpropagation.
Correlación geométrica de segundo orden para reconocer emociones en habla
Reconocimiento de emociones en habla con correlación geométrica de segundo orden. Aprendizaje auto-supervisado preserva geometría de características.
WAV: Enrutamiento Residual Multi-Resolución para Transformers Solo-Decodificador
WAV v1 optimiza Transformers profundos con enrutamiento residual multiresolución, reduciendo pérdida en modelos de 48 capas con mínimos parámetros.
MSAIC-Net: Red convolucional para anomalías miocárdicas en ECG
Descubre MSAIC-Net, una red convolucional con atención multicanal y aprendizaje contrastivo que mejora la detección de anomalías miocárdicas en ECG. Resultados en PTB-XL y UVA.
Tasas óptimas de generalización en descenso de gradiente con redes profundas
Descubre cómo GD y SGD alcanzan tasas óptimas de generalización en redes ReLU profundas, con resultados minimax comparables a kernels.
Generalización en redes profundas: tasas minimax para gradiente
Las redes profundas entrenadas con gradiente logran rendimiento óptimo de generalización, comparable a kernel. Un avance clave.
Planificación de trayectorias para cambios de carril personalizados
Descubre cómo un planificador con redes neuronales personaliza confort y eficiencia en cambios de carril para cada conductor.
E2Former-V2: Atención Equivariante en Tiempo Real con Memoria Lineal
Descubre cómo E2Former-V2 acelera 20x la atención equivariante en redes neuronales de grafos usando un kernel Triton optimizado para GPUs.