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.
#procesos gaussianos
Resolución adaptativa para procesos gaussianos de rango finito
La resolución adaptativa en procesos gaussianos de rango finito logra tasas de contracción óptimas. Descubre el nuevo método que revoluciona la inferencia.
Principios de grandes desviaciones para redes neuronales convolucionales bayesianas
Primer principio de grandes desviaciones para CNN bayesianas. Un avance teórico sobre covarianza condicional y distribución posterior en aprendizaje profundo.
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.
Selección adaptativa de prior en bandidos Gaussianos con Thompson
Descubre cómo seleccionar adaptativamente el prior en bandidos de procesos Gaussianos con Thompson Sampling. Dos algoritmos innovadores: PE-GP-TS y HP-GP-TS par
Marcos probabilísticos con restricciones físicas y conciencia de distancia
Descubre los nuevos marcos probabilísticos con restricción física y conciencia de distancia que mejoran pronósticos industriales. Validado en rodamientos.
¿Qué tan profundos son realmente los GPs profundos?
Descubrimos el umbral crítico que define si los procesos gaussianos profundos colapsan o convergen a distribuciones no gaussianas e interesantes. ¡Lee más!
Regresión GPLFR para problemas con pocos datos y alta dimensionalidad
Descubre GPLFR: nuevo modelo de regresión que acopla compresión y predicción para datos escasos y alta dimensionalidad. Emuladores climáticos de exoplanetas.
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.
GP-Adapter: Detección OOD con pocos ejemplos usando procesos gaussianos
Aprende cómo GP-Adapter integra procesos gaussianos en CLIP para detectar datos fuera de distribución con pocos ejemplos, mejorando la incertidumbre y fiabilidad.
REGEN: Generación Sintética de Series Temporales Multivariantes Guiada por Referencias
Descubre ReGeN, un generador que crea series temporales sintéticas de alta calidad usando referencias como andamios estructurales. Ideal para datos escasos.
Procesos Gaussianos con restricciones físicas para predecir curvas Hugoniot
Los procesos Gaussianos con restricciones físicas predicen curvas Hugoniot, reduciendo simulaciones costosas y cuantificando incertidumbre.
Generación adaptativa de datos secuenciales con modelos de difusión
Descubre cómo los modelos de difusión generan datos secuenciales sin anticipación. Aprende el nuevo marco forward-backward para series temporales realistas.
ALMAB-DC: Aprendizaje Activo y Bandidos para Optimización Secuencial
ALMAB-DC: optimiza experimentos costosos con aprendizaje activo y bandidos. Acelera hasta 7.5x y supera benchmarks (93.4% en CIFAR-10).
Flujo de potencia con confianza: garantía probabilística para riesgo de voltaje
Nuevo marco de garantía probabilística para estimar riesgo de voltaje usando procesos gaussianos, reduciendo 15x los cálculos de flujo de potencia.
Impacto de la vacunación COVID-19 en Reino Unido: Procesos Gaussianos
Descubre cómo los procesos gaussianos evaluaron el impacto de la vacunación acelerada en Reino Unido, reduciendo la mortalidad sin afectar la transmisión.
Procesos Gaussianos Derivativos Escalables con Reducción Exacta de Gradientes
Descubre TERA, un método que acelera procesos Gaussianos derivativos en altas dimensiones sin perder precisión. Ideal para simulaciones costosas.
Regresión de procesos gaussianos informada por física para reconstrucción de campos de flujo
Descubre cómo los procesos gaussianos con restricciones de frontera y física reconstruyen campos de flujo sin datos en la frontera. Ejemplos con cilindro y NACA 0412.
Capacidad de cuantificación de incertidumbre en modelos tabulares
Descubre cómo TabPFN y los Procesos Gaussianos cuantifican la incertidumbre en regresión. Resultados clave para datos escasos y complejos.