Repensando los paradigmas de evaluación en entrenamiento certificado IBP
Descubre cómo las fronteras de Pareto y la optimización automatizada revelan rendimientos superiores en entrenamiento certificado.
#neuronales
BRo-JEPA: Aprendizaje de Aritmética Modular en Espacio Latente
BRo-JEPA logra 99.46% de precisión en aritmética modular sin entrenamiento. Aprende cómo generaliza reglas algebraicas.
Compresión de redes neuronales mediante equivalencia diferencial aproximada
Aprende a comprimir redes neuronales agrupando neuronas por equivalencia diferencial. Reduce parámetros sin perder precisión, alternativa eficaz.
CEAR: Robustez Adversarial Certificada con Ensambles en DNNs
Descubre CEAR: mejora la robustez adversarial certificada en DNNs usando ensambles con ruido y votación. Superior en MNIST, CIFAR10 y TinyImageNet.
Evaluación de configuraciones de SNNs para detección de intrusos
Las SNNs con codificación de latencia alcanzan un 92% de precisión en detección de intrusiones, ideales para entornos de bajo consumo.
UR-JEPA: Rectificabilidad Uniforme como Regularizador en JEPA
UR-JEPA logra un 0.83% más de precisión que LeJEPA en Inet10 con menor varianza, y produce representaciones geométricamente distintas.
Filtrado de Kalman consciente del cómputo para dinámicas neuronales
Nuevo método bayesiano que combina filtrado de Kalman y selección de modelos para dinámicas neuronales, mejorando incertidumbre y escalabilidad. ¡Descúbrelo!
GJDNet: Redes de grafos robustas con aprendizaje disentangled
GJDNet mejora la robustez de GNNs frente a ataques con representaciones y decisiones disentangled. Aísla perturbaciones y estabiliza fronteras de decisión en grafos diversos.
Construcción de grafos de conocimiento histórico con BERT y GNN
Descubre cómo combinar BERT y GNN para construir grafos de conocimiento histórico. Extrae entidades y relaciones de textos antiguos con alta precisión.
Multilingüismo de los modelos de lenguaje grandes desde una perspectiva estructural
Descubre cómo los modelos de lenguaje grandes representan diferentes idiomas desde un punto de vista estructural y qué diferencias clave existen entre lenguas de bajos y altos recursos.
Mecanismos de atención y transfer learning para clasificar daños en hojas de durazno
Descubre cómo la atención y transfer learning clasifican daños en hojas de durazno con 93% de precisión incluso bajo condiciones variables.
LALE: Arquitectura Transformer Ligera para Estimación de Cobertura Terrestre
Descubre LALE, la nueva arquitectura Transformer ligera que bate récords de eficiencia en segmentación de imágenes satelitales. Solo 1.6M parámetros.
Representaciones más ricas para razonamiento algorítmico neuronal mediante reconstrucción auxiliar
Mejora el razonamiento algorítmico neuronal con reconstrucción auxiliar: representaciones más ricas que potencian el rendimiento de arquitecturas existentes.
Dificultad de aprender meta-red para selección de datos
La selección de datos sintéticos con meta-redes tiene desafíos. Descubre cómo aumentar el tamaño de lote y usar características informativas mejora el rendimiento en un 5.49%.
Propagación adaptativa guiada por estructura para PPIS
Conoce el innovador modelo SGAP-PPIS que predice sitios de interacción proteína-proteína usando propagación adaptativa.
RL-ACRGNet: Red de generación de informes de radiología de tórax
RL-ACRGNet: un innovador modelo de IA que genera informes radiológicos de tórax con aprendizaje por refuerzo, mejorando precisión y coherencia clínica. ¡Conócelo!
Nueva estrategia de aumento de datos para clasificación robusta de señales biomédicas (ECG y EEG)
Descubre una nueva estrategia de aumento de datos para clasificar señales ECG y EEG con precisión del 100%. Modelo ligero listo para wearables.
De cero a héroe: entrena tu propio LLM desde cero en 7 pasos
Descubre cómo entrenar tu propio LLM desde cero en 7 pasos con el método FareedKhan-dev. Deja de ser usuario y conviértete en creador de IA.
Espacio de vista: aprendizaje de representaciones en grafos arbitrarios
Descubre cómo el espacio de vista permite aprender representaciones en grafos con características heterogéneas, superando modelos previos en un 8,93%.
Denoisers suavemente restringidos para modelos de difusión en EDP
Descubre cómo los denoisers suavemente restringidos mejoran el cumplimiento de EDPs sin rigidizar el modelo. Ideal para física computacional con IA.