Clasificación de defectos en STM con escasez de datos
Descubre cómo un nuevo método combina aprendizaje few-shot y no supervisado para clasificar defectos en STM usando solo una imagen etiquetada. Automatización
#stm
Arquitectura híbrida LSTM-Vision Transformer para predecir errores del HRRR
Descubre cómo una arquitectura híbrida LSTM-Vision Transformer predice errores del modelo HRRR, mejorando la precisión en precipitación y viento. Un avance en
Aprendizaje Contrastivo de Grafos Temporales para Detección de Intrusos
Descubre cómo un enfoque auto-supervisado con grafos temporales supera a métodos existentes en detección de intrusiones, igualando rendimiento supervisado.
Aprendizaje por refuerzo profundo multiobjetivo evolutivo mejorado para WRSNs
Descubre cómo un algoritmo de IA evolutivo optimiza redes de sensores recargables inalámbricas, mejorando la supervivencia de nodos y la eficiencia energética.
Meta-RL eficiente en memoria para control seguro en proximidad espacial
Descubre cómo el meta-RL con Mamba y PPO logra un control seguro y eficiente en maniobras espaciales adversarias.
Reformulación delta para pronóstico de carga eléctrica con LSTM y Transformer
Mejora la precisión del pronóstico de carga eléctrica a corto plazo con reformulación delta usando LSTM y Transformer. Reduce el error MAPE en más del 50%.
Reformulación delta para predicción de carga eléctrica con LSTM y Transformer
Descubre cómo la reformulación delta mejora el pronóstico de carga eléctrica con LSTM y Transformer, reduciendo el MAPE hasta un 50%.
Fusión espacio-temporal para clasificar vistas ecocardiográficas
Aprende sobre el modelo STFM que fusiona espacio y tiempo para clasificar vistas ecocardiográficas con alta precisión, usando el dataset EV9V.
Agente de IA para seguridad bancaria: detección de fraudes y AML multicanal
Un agente de IA fusiona modelos LSTM, monitoreo de velocidad y redes para detectar fraudes y lavado de dinero en banca. Logra F1 0.78-0.87 y chatbot con 96.6%
Predicción de demanda y optimización multiobjetivo para cadena de café circular
Descubre cómo un modelo híbrido CNN-LSTM y optimización multiobjetivo reducen costos y emisiones en cadenas de café circulares, maximizando la frescura.
Predicción de trayectorias y destino de buques con LLMs de razonamiento
Descubre cómo los LLMs con razonamiento y verificación mejoran la predicción de trayectorias y destino de buques a 30 días, superando a métodos tradicionales.
David vs. Goliat: Argmax contra LSTM, Transformer y LLM
¿Puede un simple conteo superar a LSTM, Transformer y LLM? Nuestro benchmark revela resultados sorprendentes.
David vs Goliat: Argmax supera a LSTM, Transformer y LLMs
¿Un simple contador supera a modelos de IA? Este benchmark revela que argmax iguala o supera a LSTM, Transformer y LLMs.
Modelado hidrológico interpretable con ML para cuencas en EE.UU.
Descubre cómo la combinación de machine learning e interpretabilidad física mejora el modelado de cuencas hidrográficas en EE.UU. Resultados comparables a LSTM.
Múltiples descensos en deep learning: transiciones orden-caos en LSTM
Descubre cómo las redes LSTM muestran múltiples ciclos de rendimiento tras el sobreentrenamiento, vinculados a transiciones entre orden y caos. El punto óptimo
FastMix: Optimización de mezcla de datos con gradiente descendente
Descubre FastMix, un marco que optimiza automáticamente la mezcla de datos usando gradiente descendente, reduciendo costos y mejorando el rendimiento de tus
Auditoría de decodificador controlada por receta para KGC estructural
Aprende cómo auditamos decodificadores en KGC con recetas controladas y qué diferencias encontramos entre ComplEx y DistMult.
Modelos generativos para música de Bach: autorregresivos, latentes, adversariales
Comparamos modelos autorregresivos, latentes y adversariales para generar música de Bach. ¿Cuál produce mejores resultados?
ANSR-DT: Marco neuro-simbólico para gemelos digitales adaptativos y explicables
Conoce ANSR-DT, el marco neuro-simbólico que hace los gemelos digitales más transparentes y adaptativos. Mejora la eficiencia industrial.
CAG: modelo híbrido basado en clústeres para patrones de electrodomésticos
El modelo CAG genera datos sintéticos realistas de electrodomésticos combinando clustering y LSTM para superar limitaciones de GANs.