Redondeo Adaptativo que Preserva el Modelo
Descubre YAQA: algoritmo de redondeo adaptativo que reduce el error de cuantización un 30% frente a GPTQ. Cotas de error garantizadas sin coste de inferencia.
#ritmo
Redondeo Adaptativo que Preserva el Modelo
Descubre YAQA, el algoritmo de redondeo adaptativo que reduce el error de cuantización un 30% sin sobrecarga. Preserva la distribución del modelo original.
ClustRecNet: aprendizaje profundo para recomendar clustering
Descubre ClustRecNet, un marco de IA que recomienda el mejor clustering y supera a métodos tradicionales y AutoML.
Tomografía por diseño: enfoque algebraico para estados cuánticos de bajo rango
Nuevo algoritmo algebraico para tomografía de estados cuánticos de bajo rango, usando observables. Eficiente y con garantías deterministas.
Marco general para maximización submodular dinámica consistente
Nuevo marco para maximización submodular dinámica con aproximaciones de factor constante y consistencia sublineal. Para flujos con inserciones y eliminaciones.
Cuándo y por qué funciona la exploración aleatoria en bandidos lineales
Exploración aleatoria (Thompson sampling) logra arrepentimiento óptimo en bandidos lineales con espacios convexos. ¡Un avance clave!
Adalina: Aproximación Lineal Adaptativa del Valor de Shapley
Descubre Adalina, el algoritmo adaptativo que acelera la aproximación del Valor Shapley y semi-valores con espacio lineal. Ideal para atribución en IA.
AutoNumerics-Zero: Descubrimiento Automático de Funciones de Vanguardia
Descubre cómo la inteligencia artificial evoluciona programas que aproximan la función exponencial con 14 cifras significativas, superando métodos clásicos en eficiencia y precisión.
Algoritmo EM descentralizado con datos heterogéneos y etiquetado parcial
El algoritmo MNEM elimina el sesgo en mezclas gaussianas con datos heterogéneos y etiquetado parcial. Ideal para aprendizaje federado descentralizado.
Clustering local en grafos e hipergrafos complejos
Descubre cómo GeneralACL y HyperACL extienden el clustering local a grafos complejos e hipergrafos, logrando optimalidad cuadrática. ¡Entra!
Relación entre CoCoA y ADMM en minimización de riesgo empírico distribuida
Descubre la relación entre CoCoA y ADMM en minimización de riesgo empírico distribuida y por qué ADMM puede superar a CoCoA.
Planificación en colas con costos de retención inciertos y evolutivos
El algoritmo OaRC optimiza colas con costos inciertos, superando reglas tradicionales para moderación de contenido en redes sociales.
Transporte Óptimo con Restricciones de Equidad de Grupo
Descubre cómo el transporte óptimo puede ser justo para grupos. Nuevo algoritmo Sinkhorn, relajaciones y equilibrio entre equidad y coste.
Estimadores de gradiente para inferencia de parámetros en modelos estocásticos
Descubre la comparativa de estimadores de gradiente (GS-ST, Score Function, Alternative Path) para inferencia en Gillespie SSA. Aplicado a sistemas biofísicos.
Gradiente de Política para MDP Robustos en Tiempo Continuo
Descubre cómo los algoritmos de gradiente de política en tiempo continuo mejoran la robustez en MDPs, con convergencia lineal y menor complejidad muestral.
UniFair: Agrupamiento justo unificado basado en separación y compacidad
Descubre UniFair, un enfoque unificado de clustering justo que reduce disparidades entre grupos sin sacrificar precisión. Ideal para IA ética.
Algoritmos basados en medias: cota inferior y regret
Descubre la primera cota inferior para algoritmos basados en medias en bandidos con horizonte desconocido. Nuevos algoritmos competitivos y su relación con no-regret.
De Ticks a Flujos: Aprendizaje por Refuerzo en Entornos Continuos
Nuevo marco teórico para aprendizaje por refuerzo en entornos continuos: procesos estocásticos y ecuaciones diferenciales. Mejora tu comprensión de RL.
Mejora de MADDPG con inferencia de acciones y muestreo por importancia
Mejora el algoritmo MADDPG con inferencia de acciones y muestreo por importancia para optimizar la cooperación y exploración en entornos multiagente.
Arranques en caliente para iteración de potencia alternante en PCA de tensores
Descubre cómo los arranques en caliente aceleran la convergencia en PCA de tensores. Teoría local y aplicación.