DBHN-Net: Red Híbrida de Doble Rama para Mejora de Voz de Baja Complejidad
¡Descubre DBHN-Net! La red híbrida que reduce 7.5x la complejidad computacional en mejora de voz sin perder rendimiento.
#red neuronal
DVGT: Transformador de Geometría Visual para Conducción Autónoma
Descubre DVGT, un innovador modelo que reconstruye mapas 3D sin parámetros de cámara para conducción autónoma.
SKMD: aprendizaje activo de potenciales interatómicos
Descubre cómo SKMD mejora el aprendizaje activo de potenciales interatómicos, equilibrando exploración y precisión en simulaciones moleculares. Ideal para MLIPs.
Histéresis de la utilidad: modelo Preisach para aceptación de trabajos gig
Descubre cómo un modelo de histéresis con IA reduce un 21% la nómina y aumenta un 9.7% la aceptación en economía gig.
Red Neuronal RBF Multicolumna con PSO Adaptativo y No Adaptativo
¡Mejora precisión y velocidad con redes RBF multicolumna usando PSO adaptativo y no adaptativo! Descubre resultados.
Samudra 2: Emulador oceánico neural multi-resolución
Samudra 2 emula océanos con alta resolución en GPU, reduciendo errores en campos profundos. Permite proyecciones climáticas de décadas y estudio de remolinos.
Difusión sin Ajuste Fino para Generar Cristales Inorgánicos
Descubre cómo un modelo de difusión sin ajuste fino genera estructuras cristalinas inorgánicas con restricciones adaptativas, validando estabilidad termodinámica. ¡Innovación en ciencia de materiales!
Gobernanza multiagente para adaptación online de modelos termohidráulicos
Un sistema multiagente con validación por compuertas reduce un 19% el error en predicciones termohidráulicas bajo cambios de régimen operativo. Descubre cómo.
Red Neuronal de Grafos Multimodal para Clasificación de Alzheimer Preclínico
Red neuronal de grafos multimodal con difusión guiada por Transformer mejora la clasificación del Alzheimer preclínico mediante regiones cerebrales clave.
ML para homogeneizar materiales hiperelásticos con microestructuras booleanas
Descubre cómo una red neuronal predice parámetros de Lamé en materiales hiperelásticos con microestructuras booleanas. Modelo sustituto eficaz.
Evaluación sistemática de características tiempo-frecuencia para SSL binaural
Descubre cómo la selección de características tiempo-frecuencia optimiza la localización binaural. Estudio con CNN revela combinaciones clave.
Sparse FEONet: Red eficiente de operadores con elementos finitos
Conoce Sparse FEONet, la red de operadores dispersa que reduce costos computacionales y memoria para PDEs paramétricas.
Transferencia Sim-to-Real con Redes de Actuadores Generalizadas
Primera transferencia sim-to-real exitosa para brazo robótico con músculos artificiales usando GenAN.
Localización, identificación y sensado de objetivos con simetrías latentes
Descubre cómo las simetrías latentes en una matriz de dispersores permiten localizar e identificar objetivos con precisión, incluso con ruido, usando redes neuronales.
Gran Modelo Electrónico: Predictor Universal del Estado Fundamental
El Large Electron Model: red neuronal que predice el estado fundamental de electrones, generalizando a nuevos hamiltonianos y partículas. Avance para descubrimiento de materiales.
AEyeDE: Un marco de atribución basado en atención para detectar texto generado por IA
Descubre AEyeDE: detecta texto generado por IA con mapas de atención. Mayor precisión y robustez. Señal interpretable.
Red Neuronal con Contexto Global para Segmentación de Tumores Cerebrales
El modelo GCSER-UNet alcanza un 94% Dice en TCGA LGG y 95% en BraTS 2020 para segmentación de tumores cerebrales. Descubre su innovadora atención global.
Score Broadcast y Descorrelación: Marco General de Asignación de Crédito
El nuevo marco Score Broadcast and Decorrelation (SBD) mejora la asignación de crédito por broadcast, con soporte para múltiples pérdidas y resultados superiores en CIFAR-10.
Análisis sintáctico neuro-simbólico: red neuronal con algoritmo CYK
Descubre cómo la inyección del algoritmo CYK en redes neuronales supera a LLMs de 20B en análisis sintáctico. ¡Un salto neuro-simbólico!
Aproximación de funciones suaves anisotrópicas y mixtas con redes neuronales ReLU profundas
Descubre cómo las redes neuronales ReLU profundas logran tasas de aproximación óptimas para funciones suaves anisotrópicas y mixtas, superando la maldición de la dimensionalidad.