Agrupamiento temporal robusto con modelos de salto ponderados
Descubre un modelo robusto de agrupamiento temporal que pondera características según el estado y maneja outliers con Tukey. Ideal para análisis de conflictos y economía.
#ponderación
Conformal Bayes con Cambio de Etiqueta: Calibración Post-Hoc vs Adaptación
Descubre cómo restaurar la cobertura nominal en Bayes Conformal ante cambios de etiqueta: comparamos calibración post-hoc y adaptación en entrenamiento.
Agente Ensemble Causal: Descubrimiento Causal Jerárquico con LLM
El Agente Ensemble Causal (CEA) usa LLM para re-ponderar expertos en descubrimiento causal, mejorando la precisión de los gráficos causales. ¡Descúbrelo!
Aprendizaje federado descentralizado: ponderación inversa y agregación AoI
DFL-AA corrige sesgo y obsolescencia en aprendizaje federado descentralizado usando ponderación inversa y edad de información. Mejora precisión en redes.
Ponderación Inversa y Edad de la Información para DFL con Recepción Parcial
DFL-AA combina ponderación inversa y edad de la información para eliminar sesgo y obsolescencia en aprendizaje federado descentralizado con redes inalámbricas.
Análisis multinivel del desbalance para no-IID en aprendizaje federado
Descubre cómo FedBB resuelve el desbalance triple en aprendizaje federado con una función de pérdida balanceada y reponderación de clientes, mejorando la precisión y privacidad.
phepy: Benchmarks visuales y mejoras para detectores fuera de distribución
Descubre phepy, un benchmark visual para evaluar detectores OOD, y las mejoras como t-poking y ponderación que afinan la frontera ID-OOD.
Reutilizar trayectorias en gradientes de política permite convergencia rápida
El nuevo algoritmo RT-PG reutiliza trayectorias off-policy para acelerar la convergencia en métodos de gradientes de política, mejorando la eficiencia muestral.
Composición LoRA multiconcepto sin entrenamiento con ponderación por prompt
Aprende a combinar LoRAs sin entrenamiento con ponderación por prompt para lograr composiciones de múltiples conceptos con alta fidelidad.
Generación de hipótesis condicional con covariables para análisis LLM
Mejora tus análisis de texto con LLM usando hipótesis condicionales y covariables. Evita sesgos y descubre diferencias reales en subgrupos relevantes.
Riesgo contrafactual escalable para eventos raros en datos longitudinales
Nuevo método de submuestreo y reponderación reduce coste computacional en estimación de riesgo contrafactual para eventos raros en datos longitudinales.
SCOPE: Calibración de Señales en Destilación On-Policy Dual
Descubre cómo SCOPE mejora el razonamiento de los LLMs con destilación adaptativa dual, logrando un 11.42% más de precisión.
FW-NKF: Filtro de Kalman Neuronal Ponderado por Frecuencia
Descubre cómo FW-NKF combina filtros de Kalman con redes neuronales y ponderación de frecuencia para reducir errores de localización en robótica hasta un 10%.
STaR-KV: Compresión de caché KV en modelos de lenguaje visual para GUI
STaR-KV comprime la caché KV en modelos GUI sin entrenamiento, reduciendo memoria GPU un 40% sin penalizar precisión. Descubre cómo.
Predicción conforme multiagente con validez estadística personalizada
Descubre cómo la predicción conforme multiagente con validez estadística personalizada mejora la calibración y privacidad en entornos heterogéneos. ¡Lee más!
Un marco matemático de conflicto para modulación de datos contextuales
Descubre un marco matemático que redefine el conflicto en datos contextuales como objeto independiente. Ideal para modulación y análisis.