Privacidad Robusta: Privacidad en Inferencia con Robustez Certificada
Robust Privacy (RP) protege tus datos en inferencia con robustez certificada, reduciendo la inversión de modelos del 73% al 4% con alta precisión. Descubre.
#suavizado
Pronóstico grupal Dirichlet para evitar suavizado excesivo en series temporales
El método DGF elimina el suavizado excesivo en pronósticos de series temporales, preservando cambios bruscos y modos dinámicos. Mejora precisión y consistencia.
Pronóstico grupal Dirichlet reduce suavizado excesivo en series temporales
Descubre cómo Dirichlet-Guided Group Forecasting reduce el sobre-suavizado en series temporales, mejorando precisión y diversidad en predicciones multimodales.
CITRAS: Transformador con covariables para pronóstico de series temporales
Descubre cómo CITRAS, un Transformer con covariables, mejora el pronóstico de series temporales integrando datos pasados y futuros. Aumenta la precisión con atención cruzada.
Homotopía Gaussiana Probabilística: continuación para optimización no convexa
PGH es un marco de continuación probabilístico que sesga gradientes hacia mínimos globales en optimización no convexa. Ideal para IA y datos dispersos.
Suavizado Exponencial de Wasserstein
El Suavizado Exponencial de Wasserstein extiende el clásico ES a series de distribuciones. Descubre cómo estimar el parámetro de suavizado y sus aplicaciones en finanzas y energía.
La representación importa en suavización aleatoria para clasificación de audio
Descubre cómo la representación de datos afecta la robustez en clasificación de audio con suavizado aleatorio. Claves para elegir la representación correcta.
Ajuste de datos dispersos con restricciones de monotonicidad en GPU: LipFit
Descubre LipFit: ajuste de datos dispersos en GPU con restricciones de monotonicidad. Interpolación Lipschitz óptima sin entrenamiento.
RRISE: Inferencia Robusta de Radio mediante un Estimador Sustituto
¿Quieres certificar robustez en IA sin el coste del muestreo Monte Carlo? RRISE logra precisión comparable con solo un pase de red.
Recuperación de la volatilidad acoplada al estado bajo observación parcial
Descubre cómo recuperar la volatilidad acoplada al estado en sistemas latentes con observación parcial usando filtros de partículas.
Más allá de ReLU: Bifurcación, Sobresuavizado y Prioridades Topológicas
Nueva teoría de bifurcación revela que reemplazar ReLU por activaciones no monótonas evita el sobresuavizado en GNNs profundas. ¡Descubre la solución!
Aprendizaje de Valor Suavizado en Aprendizaje por Refuerzo
Aprende cómo MVL usa suavizado espacial para estimación de valor estable en RL offline, mejorando navegación y manipulación robótica.
Cómo ampliar el aprendizaje centrado en decisiones con estimación de gradiente
Nuevo método basado en función de puntuación amplía el aprendizaje centrado en decisiones a problemas con incertidumbre en restricciones.
Agrupación funcional de datos de supervivencia con trayectorias log-riesgo suavizadas
Descubre el clustering funcional con trayectorias log-riesgo suavizadas para datos de supervivencia. Mejora la interpretabilidad y robustez en estudios clínicos.
CEAR: Robustez Adversarial Certificada con Ensambles en DNNs
Descubre CEAR: mejora la robustez adversarial certificada en DNNs usando ensambles con ruido y votación. Superior en MNIST, CIFAR10 y TinyImageNet.
ZAPS-DA: suavizado de acciones sin desfase para control continuo en RL
ZAPS-DA: reduce hasta 21x la vibración en acciones sin retardo ni filtros. Probado en MetaDrive y Webots. ¡Mejora el control continuo en RL!
TASER: Regularización Stein para robustez guiada por geometría
Descubre TASER, un método de regularización que mejora la robustez adversarial sin degradar la precisión. Basado en operadores Stein, ideal para deep learning.