Procesos Intervencionales para la Cuantificación de Incertidumbre Causal
Descubre cómo cuantificar la incertidumbre en efectos causales usando procesos gaussianos. Método con momentos posteriores cerrados y calibración práctica.
#procesos gaussianos
Procesos Gaussianos de Media Fija para Inferencia Bayesiana Post-hoc en Deep Learning
Descubre cómo FMGP mejora la estimación de incertidumbre en redes profundas pre-entrenadas sin sacrificar precisión, escalando a grandes datasets.
Predicción probabilística híbrida de admisiones por malaria infantil en Ghana
Descubre cómo un modelo híbrido de GPR y Holt-Winters logra un R² de 0.9906 en predicciones de malaria infantil en Ghana, con proyecciones hasta 2028.
Selección Activa de Tiempos para Aprender Trayectorias de Medidas
Descubre cómo seleccionar los mejores tiempos de medición usando aprendizaje activo y procesos gaussianos para reducir costos en biología unicelular.
Anatomía espectral de kernels cuánticos gaussianos
La entropía espectral de la matriz Gram gobierna el rendimiento de kernels cuánticos. Validado en hardware IBM Heron con errores medios del 2.7%.
Selección de región de confianza basada en BAI para optimización bayesiana
Descubre cómo la identificación del mejor brazo (BAI) mejora la optimización bayesiana en funciones multimodales, acelerando la convergencia al óptimo global.
Inferencia Bayesiana Escalable para Leyes de Conservación No Lineales
Aprende cómo la inferencia bayesiana escalable con procesos gaussianos resuelve problemas inversos en segundos, superando a métodos de deep learning.
Aprendiendo Subespacios Acoplados para Datos de Picos Multicondición
Aprende cómo CS-GPFA mejora el análisis de datos de picos neuronales mediante subespacios acoplados y selección adaptativa de condiciones.