Análisis de errores fonéticos en modelos acústicos de onda cruda
Descubre cómo los modelos acústicos de onda cruda mejoran el reconocimiento de fonemas. Analizamos errores, confusión y transferencia de aprendizaje en TIMIT.
#neurona
OpenACMv2: Marco para DCiM aproximada con restricción de precisión
OpenACMv2 reduce el consumo energético hasta un 50% mediante co-optimización de arquitectura y transistores para DCiM aproximada. Descubre cómo.
GNN con conectividad de etiquetas de orden superior en grafos heterófilos
Nuevo clasificador LCC mejora clasificación en grafos heterófilos capturando conectividad de etiquetas de orden superior. Integrable con cualquier GNN.
GuardNet: Redes superficiales contra inyección de prompts y jailbreak
GuardNet combina redes neuronales superficiales para detectar ataques a LLMs. Logra AUROC 0.747 en benchmark ciego con solo 50ms de latencia. Ideal para producción.
Más allá de la similitud: búsqueda confiable de memoria para agentes de IA personales
Descubre cómo MemGate, un filtro neuronal ligero, protege a los agentes de IA de amenazas de memoria como jailbreaks y fugas, manteniendo su utilidad.
MultiResNets para precondicionamiento de subespacios en optimización restringida
MResOpt: red neuronal en etapas para optimización restringida. Mejora satisfacción de restricciones con alta eficiencia en problemas convexos y no convexos.
Predicción de trayectorias de buques con redes neuronales de memoria aumentada
Las redes neuronales con memoria aumentada predicen trayectorias de buques usando datos AIS, mejorando la seguridad y eficiencia en la navegación marítima.
FE-MAD: aprendizaje de materiales basado en elementos finitos
FE-MAD: Aprende cómo un marco diferenciable con elementos finitos y redes neuronales identifica modelos constitutivos a partir de datos de deformación.
ReasoningFlow: Estructuras discursivas en trazas de LLM
ReasoningFlow revela patrones discursivos en trazas de LLM, mejorando la transparencia y el análisis del razonamiento automático.
ITP-STDP: Motor de aprendizaje eficiente para SNN en chip
Descubre cómo ITP-STDP optimiza el entrenamiento de SNN con un diseño de hardware que reduce drásticamente el consumo energético y los recursos. ¡Innovación en IA!
PyCC.id: Ecuaciones basadas en hipótesis con identificabilidad estructural
Descubre PyCC, la biblioteca Python que combina hipótesis e identificabilidad estructural para descubrir ecuaciones diferenciales a partir de datos temporales.
DiffSlack: Aprendizaje con restricciones no lineales mediante variables slack
Aprende cómo DiffSlack impone restricciones no lineales en redes neuronales para planificación de trayectorias, mejorando tasa de éxito en vehículos autónomos.
Análisis SAXS con aprendizaje automático diferenciable para nanopartículas lipídicas
Acelera el análisis estructural de nanopartículas lipídicas con un marco de aprendizaje automático diferenciable para SAXS. Resultados precisos y rápidos.
NIV: Generación Automática de Fuentes Variables con Redes Neuronales
Descubre NIV, un método que convierte fuentes estáticas en variables usando redes neuronales. Genera tipografía interpolable de forma automática.
HDST-GNN: Seguimiento de objetos con redes de grafos heterogéneas
Descubre HDST-GNN, un modelo de red de grafos heterogénea que mejora el seguimiento de objetos en drones, reduciendo cambios de identidad un 81% en VisDrone2019-MOT.
Eventos extremos: predicción y control con proyecciones balanceadas
Descubre cómo la técnica CoBRAS identifica mecanismos ocultos de eventos extremos como terremotos y olas gigantes, permitiendo predecirlos y evitarlos.
DBHN-Net: Red Híbrida de Doble Rama para Mejora de Voz de Baja Complejidad
¡Descubre DBHN-Net! La red híbrida que reduce 7.5x la complejidad computacional en mejora de voz sin perder rendimiento.
EML-CD: Árboles simbólicos para recuperar mecanismos causales
EML-CD recupera mecanismos causales como ecuaciones cerradas usando árboles simbólicos EML. Supera a métodos tradicionales en precisión e interpretabilidad. ¡Descúbrelo!
Aprendizaje de operadores solución de EDP con aproximación dispersa
Descubre cómo los métodos de aproximación dispersa reducen muestras para operadores de EDP, mejorando eficiencia e interpretabilidad
Dimensionalidad efectiva: invariante de operador en adaptación de restricciones en PINNs
Descubre la dimensionalidad efectiva actúa como invariante de operador en PINNs para adaptar condiciones de frontera sin retrain. Adaptación rápida y precisa.