Modelos de Markov Neuronales Inspeccionables para Series No Estacionarias
Modelos de Markov neuronales inspeccionables mejoran predicción de series no estacionarias. Reducción del 5.6% en discrepancia. ¡Descubre cómo!
#olmo
Clasificación multi-cáncer con redes Kolmogorov-Arnold interpretables
Descubre MOGKAN, una red profunda interpretable que logra 96.28% de precisión en clasificación de 31 tipos de cáncer usando datos multi-ómicos y redes PPI.
DistMatch: Agrupación Adaptativa para Predicción Conformal Secuencial
Descubre DistMatch, nuevo método de agrupación adaptativa que mejora la robustez de la predicción conforme secuencial ante cambios de distribución.
¿Cuándo surgen los circuitos de atención? Estudio en modelos 1B
Estudio revela cómo y cuándo se forman los circuitos de atención en modelos de lenguaje 1B. Descubre que inducción y atención-sumidero están separadas por orden de magnitud en tokens.
KAN-AD: Detección de Anomalías en Series Temporales con Redes de Kolmogorov-Arnold
Descubre cómo KAN-AD y las redes Kolmogorov-Arnold detectan anomalías en series temporales. Técnica avanzada para análisis de datos.