Aprendizaje robusto de neurona DRO grupal
Algoritmo eficiente para aprendizaje robusto de neuronas con DRO grupal, tolerante a ruido y cambios de distribución. Ideal para preentrenamiento de LLMs.
#ruido
Marco APTF: Entrenamiento consciente de predecibilidad en series temporales
Mejora el pronóstico y clasificación de series temporales con APTF, un marco que identifica muestras de baja predecibilidad y las penaliza progresivamente.
Preferencia paradójica por el ruido en RNN
Descubre por qué las RNN entrenadas con ruido funcionan mejor con ese mismo ruido. Un análisis sorprendente de la dinámica estocástica.
naPINN: Redes Neuronales Adaptativas al Ruido para Recuperar Física
Descubre cómo naPINN, una red neuronal adaptativa al ruido, recupera soluciones físicas a partir de mediciones corruptas, superando a métodos tradicionales. Ideal para datos con outliers.
Genera texturas procedurales de dados de mármol con ruido simplex y warping
Descubre cómo generar texturas procedurales de dados de mármol usando ruido simplex y warping de dominio. Controla colores con el canal alfa. Perfecto para extensiones Chrome.
naPINN: Redes Neuronales Adaptativas al Ruido para Recuperar Física
naPINN recupera leyes físicas de mediciones con ruido y outliers sin conocer la distribución del ruido. Ideal para datos corruptos.
Adaptación de Ruido Semi-Supervisada: Transferencia desde Dominio Ruidoso
Descubre cómo la adaptación de ruido semi-supervisada (SSNA) utiliza ruido sintético para mejorar la generalización de modelos de aprendizaje automático. ¡Optimiza tu rendimiento!
PRISM: LoRA diferencialmente privada con invariancia gauge
Descubre PRISM, un mecanismo de privacidad diferencial para LoRA que evita la amplificación de ruido. Mejora la privacidad sin sacrificar utilidad.
ReFLEX: Eliminación de ruido CSI en MIMO-OFDM con sesgo de frecuencia relativa
Descubre ReFLEX, Transformer que elimina ruido CSI en MIMO-OFDM con asignaciones RB variables, mejorando el BLER en 2-3 dB en canales 3GPP sin reentrenamiento.
Síntesis realista de ruido reduce sesgo en estimación de microestructura tisular
Descubre cómo la síntesis realista de ruido en MRI de difusión reduce el sesgo y mejora la estimación de microestructura tisular con machine learning supervisado.
Low-Pass Flow Matching: generación eficiente con sesgo espectral
Descubre Low-Pass Flow Matching, un método que optimiza la generación de imágenes reduciendo el costo computacional mediante un sesgo espectral variable.
Combinación de ruido y filtro bilateral para robustez adversarial en CNN
Un preprocesador simple combina ruido gaussiano y filtro bilateral para lograr robustez adversarial supralineal en CNNs con bajo costo computacional.
La auditoría de políticas casi óptimas puede ser exponencialmente difícil
Descubre por qué auditar políticas casi óptimas en RL puede ser exponencialmente difícil. Analizamos cotas inferiores de consulta y la capacidad Rashomon.
ProjQ: Compresión de LLM con Cuantización y Adaptadores
ProjQ revoluciona la compresión de LLMs al proyectar el ruido de cuantización en un subespacio de bajo rango. Obtén modelos más ligeros y eficientes con fine-tuning mejorado.
Regresión semisupervisada con proxy ruidoso: límites y generalización
Nuevo estimador en dos etapas supera a métodos supervisados en regresión con proxy ruidoso, aprovechando datos no etiquetados para límites de generalización.
Geodesic Flow Matching para denoising de representaciones de alta dimensión
Descubre cómo Geodesic Flow Matching reduce un 72% el error en SLAM neuronal y mejora un 40% la eficiencia neural mediante representaciones de alta dimensión.
Destilación guiada por ruido visual para desaprender modelos multimodales
Descubre cómo VGID usa ruido visual y destilación para eliminar conocimiento no deseado en modelos multimodales sin perder rendimiento.
Reconstrucción de geometría V2I en zonas de obra con filtrado UWB basado en pose
Descubre cómo un método de denoising UWB basado en pose mejora la reconstrucción de geometría de zonas de obra para vehículos autónomos, reduciendo errores en un 66.9%.
SpikeWFM: Modelo Inalámbrico de Fundación para Predicción Robusta
Descubre SpikeWFM, una arquitectura híbrida SNN-ANN que mejora la predicción de canales inalámbricos al ser robusta al ruido y eficiente energéticamente.
DiffuSent: marco de difusión unificado para análisis de sentimiento por aspectos
DiffuSent revoluciona ABSA con difusión no autorregresiva: mayor precisión en tripletes multi-palabra y hasta 181x más rápido.