Más allá del procedimiento: Equidad sustancial en predicción conforme
Igualar tamaños de conjuntos en predicción conforme mejora la equidad sustancial. Descubre cómo un evaluador LLM facilita el análisis. ¡Optimiza tus modelos!
#predicción
Conjuntos de predicción calibrados por decisión en sistemas eléctricos robustos
Descubre cómo conjuntos de predicción calibrados por decisión mejoran la operación robusta de sistemas eléctricos, reduciendo costos y cumpliendo restricciones.
Selección Adaptativa de Ventanas para la Predicción de Riesgos Financieros
Aprende sobre BAWS: un algoritmo adaptativo que elige la ventana de datos ideal para pronosticar riesgos financieros como VaR y ES, superando métodos tradicionales.
Compensación entre eficiencia y confianza en predicción conforme transductiva
Descubre dilema en predicción conforme transductiva: mayor confianza implica conjuntos exponencialmente grandes. Nuevo algoritmo supera métodos tradicionales.
VMDNet: Predicción de demanda eléctrica sin fuga temporal
Mejora la precisión en predicción de demanda eléctrica con VMDNet, evitando fuga temporal mediante descomposición variacional y TCN.
FedCF: Predicción conforme justa en aprendizaje federado
FedCF aplica equidad conforme en aprendizaje federado para garantizar cobertura justa en subgrupos. Aprende cómo auditar tu modelo.
UrbanFusion: Fusión multimodal para representaciones espaciales robustas
UrbanFusion combina imágenes, mapas y POI con fusión estocástica para representaciones espaciales robustas. Supera modelos previos en 41 tareas.
Machine learning predice cirrosis hepática hasta dos años antes
Descubre cómo un modelo de machine learning supera a FIB-4 y APRI prediciendo cirrosis hasta dos años antes. Mejora la prevención con inteligencia artificial.
¿Pueden los modelos de lenguaje visual aprender física intuitiva?
¿Pueden los modelos de lenguaje visual desarrollar intuiciones físicas mediante interacción? Un estudio revela que el aprendizaje por refuerzo no basta para generalizar reglas físicas.
SEMixer: Mezclador MLP semántico para pronóstico a largo plazo
Descubre SEMixer, un modelo ligero que integra semántica multiescala para mejorar el pronóstico de series temporales a largo plazo. Resultados destacados en el CCF AlOps Challenge.
Modelado Inverso Codificado con Física para Predicción de Nieve Ártica
Descubre el modelo inverso PhysE-Inv que combina LSTM y física para predecir nieve ártica, reduciendo errores un 24.7%.
¿Cuándo supera la dinámica inversa predictiva a la clonación de comportamiento?
Los modelos de dinámica inversa predictiva superan a la clonación de comportamiento en eficiencia de muestras. Explicación teórica y validación empírica.
Transformer de grafos multitarea para predicción de tránsito
Descubre cómo el Transformer SMT-GraphFormer predice embarques y desembarques en autobuses con precisión superior, superando modelos tabulares tradicionales. Ideal para planificación urbana.
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.
UME: Marco unificado de meta-generalización para ETA entre dominios
Descubre cómo UME revoluciona la predicción ETA multi-dominio con meta-aprendizaje, logrando zero-shot y superando cold-start y falta de datos.
Firmas de Motivos Temporales para Redes Neuronales de Grafos Temporales
Descubre cómo las firmas de motivos temporales mejoran la predicción en redes neuronales de grafos temporales. Aplicaciones en MOOC, Bitcoin y más.
GLIDE: Inferencia de Salto Guiada por Grafos para Difusión en Procesos Puntuales
GLIDE mejora la predicción de eventos espacio-temporales usando difusión condicional guiada por grafos, reduciendo costos de muestreo inverso. Descubre cómo.
GLIDE: Difusión con salto guiado por grafos en procesos espacio-temporales
Descubre cómo GLIDE revoluciona la predicción de eventos espacio-temporales con difusión guiada por grafos, reduciendo costos y mejorando precisión.
De la performance a la viabilidad: un marco bootstrap para representaciones latentes
Descubre el marco bootstrap para aprender representaciones latentes: del rendimiento a la viabilidad en sistemas biológicos adaptativos.
FSA: De características a dinámicas en predicción zero-shot de series temporales
Descubre FSA: método que transforma características en dinámicas para predecir series temporales nunca vistas, superando a Transformers con menos datos.