SPACR: Entrenamiento adaptativo de un solo paso para regresores conformales
SPACR: entrena regresores conformales en un solo paso, obteniendo intervalos más estrechos y mejor equilibrio cobertura-eficiencia con menor costo.
#predicción conforme
Predicción conforme en línea basada en optimización para pronósticos multi-paso
Descubre O2CP, un marco de predicción conforme online que optimiza intervalos multi-paso, logrando cobertura garantizada y menor desperdicio. Ideal para series temporales en IA y cloud.
Red Neuronal de Grafos con Atención Espacio-Temporal: Explicando Causalidades
STA-GNN: detección explicable de anomalías en ICS usando atención espacio-temporal. Control de falsos positivos y adaptación a derivas.
Predicción conforme para regresión diádica con datos faltantes complejos
La predicción conforme para regresión diádica con datos faltantes complejos garantiza validez condicional incluso bajo ausencia no aleatoria. Ideal para redes.
Predicción conforme para operadores neurales: incertidumbre en simulación física
Descubre cómo la predicción conforme cuantifica la incertidumbre en simulaciones con operadores neurales, ofreciendo intervalos con cobertura garantizada.
UNIQ: Calibración Conformal para Conservadurismo Adaptativo en RL Offline
UNIQ: calibración conformal para RL offline con conservadurismo adaptativo. Mejora el rendimiento con bajo costo de memoria. ¡Descúbrelo!
Certificado conjunto de muestra finita para control de riesgo conforme selectivo
Descubre cómo el nuevo certificado de muestra finita para control de riesgo conforme selectivo mejora la aceptación certificada en un 22%.
Aprendizaje de operadores Navier-Stokes 2D con predicción conforme
Aprende cómo la predicción conforme calibra la incertidumbre en redes neuronales para flujos Navier-Stokes 2D con pocos datos.
Predicción conforme en variedades: cuantificación de incertidumbre geométrica
Nuevo método de predicción conforme en variedades geométricas adapta regiones de incertidumbre usando distancias geodésicas. Aplicación en IGRF-14.
Intervalos de clasificación para líderboards: marco jerárquico para evaluación de modelos
Este marco jerárquico construye intervalos de rango con garantías estadísticas para evaluar modelos en líderboards, manejando la incertidumbre entre tareas.
Bootstrap aumentado con datos: unificando intervalos de confianza
El Data Augmented Bootstrap unifica intervalos de confianza usando invariancia aproximada. Mejora métodos clásicos y de machine learning.
Mejorando la predicción conforme mediante similitud de clases
Mejora tus modelos de clasificación con predicción conforme y similitud de clases: reduce el conjunto de predicción y mantén la garantía. ¡Lee más!
Decisiones aversas al riesgo con garantía condicional a la acción
Descubre el nuevo método de predicción conforme que ofrece garantías condicionales a la acción para decisiones aversas al riesgo. Mejora la seguridad en IA.
Toma de decisiones adversa al riesgo con garantía condicional a la acción
Nuevo método de predicción conforme condicional a la acción para decisiones adversas al riesgo con garantías explícitas. Mejora sobre enfoques anteriores.
Inferencia Gráfica en Contexto (ICG-I)
ICG-I logra estado del arte en inferencia gráfica: reduce MAE un 50% y resuelve gráficos frustrados donde BP diverge. Conoce el método.
Pronóstico mejorado de energía renovable con predicción conforme contextual
Descubre cómo la predicción conforme consciente del contexto mejora la precisión de los pronósticos de energía renovable, optimizando la operación de redes eléctricas.