Optimización bayesiana para el aprendizaje de MPC no lineal en navegación autónoma
Descubre cómo la optimización bayesiana ajusta parámetros de MPC no lineal para navegación autónoma, logrando un 90% de éxito en robots reales.
#optimización bayesiana
Aprendizaje automático permite diseño inverso de fresado basado en rugosidad
Aprendizaje automático para diseño inverso de fresado: reduce rugosidad superficial con redes neuronales y optimización bayesiana.
Aprendizaje residual con error de tarea para malabarismo real con cinco pelotas
Aprendizaje residual con supervisión direccional del error permite malabarismo robótico estable con cinco pelotas. Converge rápido desde el segundo intento.
Estimación de parámetros estelares con redes neuronales residuales multitarea
Red residual multitarea estima parámetros estelares con errores del 1-3% y solo 540k parámetros. Eficiente para grandes catálogos espectrales.
Estimación de parámetros estelares con redes neuronales multitarea
Red neuronal compacta estima temperatura, metalicidad y gravedad estelar con errores <3% en espectros SDSS. Descúbrelo.
Optimización Bayesiana en espacios de permutación de alta dimensión
Descubre cómo el Merge Kernel revoluciona la optimización Bayesiana en altas dimensiones, superando al Mallows en escalabilidad y rendimiento.
Optimización Bayesiana con Rango para Diseños Diversos en Ventanas de Propiedades
Optimización Bayesiana consciente de rango descubre múltiples diseños diversos en ventanas de propiedades objetivo. Ideal para diseño de materiales y síntesis.
Optimización Bayesiana de Rango para Diseños Diversos en Ventanas de Propiedades
Optimización bayesiana consciente del rango: encuentra diseños diversos y válidos dentro de ventanas de propiedades. Aplicaciones en polímeros y oligómeros.
Cotas de arrepentimiento del muestreo de Thompson en optimización bayesiana
Descubre nuevas cotas de arrepentimiento para el muestreo de Thompson en optimización bayesiana, con límites inferiores y superiores mejorados.
Marco de aumento en inferencia para detección de FA con PPG
Mejora la detección de fibrilación auricular con PPG usando aumento en inferencia. Framework optimiza 13 métodos, logrando hasta 10.6% más de precisión sin reentrenar.
Marco de aumentación en inferencia para detección de FA en PPG
Descubre cómo el marco ITA mejora la detección de fibrilación auricular en señales PPG sin reentrenar, aumentando AUROC hasta 8.5%. Ideal para despliegue real.
mlr3mbo: Optimización Bayesiana en R
Descubre mlr3mbo, la potente caja de herramientas para optimización Bayesiana en R. Soporta mono y multiobjetivo, paralelización y más. ¡Comparado con HEBO, SMAC3, Ax y Optuna!
Sesgo de adquisición por inflación de varianza en procesos gaussianos
La inflación de varianza en los bordes de dominios acotados genera sesgo en la adquisición de procesos gaussianos, afectando la optimización bayesiana.
Optimización Bayesiana Mejorada con Modelos de Difusión Condicional
Descubre cómo los modelos de difusión condicional mejoran la optimización bayesiana, reduciendo costos computacionales y superando métodos tradicionales con la estrategia DMS.
Optimización Bayesiana de Reactor Químico Multiproducto con Modelos Compuestos
Descubre la optimización bayesiana con modelos compuestos mejora el rendimiento económico de reactores químicos multiproducto usando conocimiento físico parcial.
Aceleración optimización bayesiana multiobjetivo vía gradientes predictivos
Acelera la optimización bayesiana multiobjetivo con gradientes predictivos. Descubre cómo lograr convergencia más rápida al conjunto de Pareto.
α-PFN: Búsqueda rápida de entropía mediante aprendizaje en contexto
Aprende cómo α-PFN acelera la búsqueda de entropía en optimización bayesiana con aprendizaje contextual, logrando 50x más velocidad sin sacrificar precisión.
LAGO: Optimización local-global con región de confianza y Bayes
Descubre LAGO, el innovador marco que combina optimización bayesiana y métodos de región de confianza para optimizar funciones costosas con gradientes. Mejora tu estrategia de optimización.
Pruebas de redes neuronales guiadas por Bayes en paisajes de decisión
Descubre cómo BayesWarp mejora el testing de redes neuronales, descubriendo fallos diversos con cercanía a datos originales. Aumenta fiabilidad.
ReLoRA: Adaptación rápida reutilizando conocimiento para servicios LLM
ReLoRA acelera la reutilización de adaptadores LoRA para servicios LLM en evolución, reduciendo tiempos de preparación hasta 8.9x y mejorando precisión un 4.6%.