TRACE: Estimación Temporal Condicional para Series Temporales Multimodales
TRACE: estimación condicional para series multimodales con datos faltantes. Mejora robustez en salud y análisis de sentimientos.
#tempo
VASO: Habilidades auto-evolutivas verificables para agentes de IA física
VASO logra un 97.2% de cumplimiento de especificaciones temporales con menos de 100 muestras en habilidades robóticas auto-evolutivas.
Cómo detectar cambios de perspectiva en sistemas multiagente
Nuevo marco TDKPS detecta cambios de perspectiva en sistemas multiagente. Monitorea dinámicas conductuales en agentes generativos.
FUSAR-GPT: VLM con características espacio-temporales para imágenes SAR
Descubre FUSAR-GPT, el modelo de lenguaje visual que integra características espacio-temporales para mejorar la interpretación de imágenes SAR en más del 10%.
De la cinemática a la dinámica: planes híbridos factibles
Descubre cómo el aprendizaje por refuerzo refina planes híbridos de robots para garantizar una ejecución dinámicamente factible, superando las limitaciones de los planificadores tradicionales.
EEGDancer: Predicción emocional continua con EEG y aprendizaje por refuerzo
EEGDancer revoluciona la predicción de emociones continuas con EEG combinando VQ-VAE y aprendizaje por refuerzo. ¡Supera a métodos tradicionales!
TOKI: Álgebra Bitemporal para Resolver Contradicciones en Memoria de Agentes LLM
TOKI: un álgebra bitemporal que resuelve contradicciones en memoria de agentes LLM, garantizando aislamiento y procedencia. Evita anomalías de escritura.
Anclaje temporal uno a muchos en video
Descubre el anclaje temporal uno a muchos: localiza múltiples segmentos con una consulta. Supera a Gemini con 43.65% EtF1.
TempoVLA: Políticas de Visión-Lenguaje-Acción con Velocidad Controlable
TempoVLA controla la velocidad de robots manipuladores: acelera en zonas seguras y desacelera en contacto. Aumenta eficiencia y seguridad.
Cómo obtener actualizaciones de ubicación en segundo plano cada n minutos en iOS
Aprende a forzar actualizaciones de ubicación en segundo plano cada n minutos en tu app iOS sin jailbreak. Guía paso a paso con código.
PyCC.id: Ecuaciones basadas en hipótesis con identificabilidad estructural
Descubre PyCC, la biblioteca Python que combina hipótesis e identificabilidad estructural para descubrir ecuaciones diferenciales a partir de datos temporales.
REGEN: Generación Sintética de Series Temporales Multivariantes Guiada por Referencias
Descubre ReGeN, un generador que crea series temporales sintéticas de alta calidad usando referencias como andamios estructurales. Ideal para datos escasos.
HyFAD: Difusión híbrida tiempo-frecuencia para imputación de series temporales
Descubre HyFAD, el modelo de difusión híbrido que revoluciona la imputación de series temporales. ¡Código abierto!
TimeClaw: agentes generalistas para series temporales contextualizadas
Descubre TimeClaw: permite a agentes de IA analizar series temporales contextualizadas con herramientas temporales. ¡Optimiza!
SVD funcional disperso para bi-clustering y tri-clustering en datos longitudinales
Descubre cómo Tri-SfSVD identifica subtipos de enfermedades complejas a partir de datos ómicos longitudinales, superando limitaciones de imputación y forma homogénea.
HDST-GNN: Seguimiento de objetos con redes de grafos heterogéneas
Descubre HDST-GNN, un modelo de red de grafos heterogénea que mejora el seguimiento de objetos en drones, reduciendo cambios de identidad un 81% en VisDrone2019-MOT.
Sistema de detección de intrusiones mejorado basado en CNN-LSTM para redes IoT
Descubre cómo un modelo híbrido CNN-LSTM mejora la detección de intrusiones en redes IoT con un 97% de precisión en clasificación de ataques.
Predicción solar ultracorta con fusión multimodal y nubes multiescala
Descubre la red adaptativa que mejora la predicción de irradiancia solar a ultra corto plazo con imágenes de nubes.
Detección de ataques con modelos fundacionales de series temporales
Detección de ataques en sistemas ciberfísicos con TimesFM: sin modelo, zero-shot. Supera a detectores tradicionales en ataques de repetición y sigilosos.
FATE: Atención Modulada Focal para Pronóstico de Series Temporales
FATE: nuevo transformer con atención focal supera a todos los métodos en pronóstico de series temporales multivariadas para cambio climático. ¡Descubre cómo!