Aprendiendo de casi nada: redes neuronales frente a corrupción masiva
Aunque los datos estén corruptos en más del 90%, las redes neuronales siguen acertando. Descubre cómo aplican una regla de centroide de clase para lograrlo.
#perceptrón multicapa
Las características de agregación fija pueden rivalizar con las GNN
Las FAFs convierten el aprendizaje en grafos en problemas tabulares, rivalizando con las GNNs sin entrenamiento. Mayor interpretabilidad.
Localización, identificación y sensado de objetivos con simetrías latentes
Descubre cómo las simetrías latentes en una matriz de dispersores permiten localizar e identificar objetivos con precisión, incluso con ruido, usando redes neuronales.