FlashbackCL: Mitigando el Olvido Temporal en Aprendizaje Federado
FlashbackCL reduce el olvido temporal en aprendizaje federado hasta un 68% y mejora el rendimiento en datos no estacionarios. ¡Descubre su buffer de reproducción equilibrada!
#tempo
Aprendizaje por Refuerzo Multiagente Cooperativo Condicionado por Autómatas
Descubre ACC-MARL: un nuevo enfoque de aprendizaje por refuerzo multiagente que utiliza autómatas para coordinar tareas complejas de forma óptima y eficiente.
WISE: Evaluación semántica con conocimiento mundial en T2I
WISE: Benchmark que evalúa conocimiento mundial en T2I. 1000 prompts en 25 subdominios, WiScore mide cultura, espacio-tiempo y ciencia.
Modelos de difusión no idénticos para canales MIMO-OFDM
Descubre cómo los modelos de difusión no idénticos mejoran la generación de canales MIMO-OFDM, manejando la confiabilidad variable de cada subportadora.
Aprendizaje por Refuerzo Multiagente Cooperativo Condicionado por Autómatas
ACC-MARL: Aprendizaje por refuerzo multiagente cooperativo condicionado por autómatas. Entrena políticas descentralizadas y coordina tareas temporales. ¡Lee más!
TimeOmni-VL: Modelos Unificados para Comprensión y Generación de Series Temporales
TimeOmni-VL unifica comprensión y generación de series temporales mediante visión, transformaciones bidireccionales sin pérdidas y generación guiada por entendimiento. ¡Lee más!
TiWeaver: Modelado unificado de dinámicas temporales con parcheo contextual
TiWeaver optimiza el pronóstico multivariante mediante parcheo contextual y manejo de datos irregulares. Logra hasta un 25% más de precisión.
TiWeaver: Modelado unificado de dinámicas temporales mediante parches contextuales
Descubre TiWeaver, un innovador marco de IA que modela dinámicas temporales y dependencias entre canales, superando métodos actuales hasta 25% en pronósticos.
Aprendizaje de Estructura Causal Temporal con Optimización Diferenciable
Descubre un método de optimización diferenciable que aprende estructuras causales en series temporales de forma rápida y precisa, superando a 12 algoritmos.
Aprendizaje de Estructuras Causales Temporales vía Optimización Diferenciable
Nuevo método de optimización diferenciable descubre causas en series temporales, eliminando restricciones acíclicas.
Impacto de granularidad temporal en inferencia sociodemográfica de perfiles de carga
Descubre cómo la granularidad temporal afecta la inferencia sociodemográfica y el equilibrio privacidad-utilidad en medidores inteligentes. Estudio con 1589 hogares.
Impacto de la granularidad temporal en la inferencia sociodemográfica
Estudio revela que la resolución temporal de los perfiles de carga influye en la inferencia de datos personales del hogar, con mesetas de rendimiento y métodos óptimos.
Pronóstico de sismogramas de tres componentes con transformers
Descubre cómo SeismoGPT, un modelo transformer, pronostica sismogramas triaxiales. Aplicaciones en alerta sísmica y mitigación de desastres.
Trans GAN-WT: detección anómala con extracción de características y aprendizaje interactivo
El modelo TransGAN-WT combina Transformer y GAN para detectar anomalías en turbinas eólicas con F1 del 96.1% y FPR del 0.06%. Optimiza el mantenimiento predictivo.
FinStressTS: Benchmark Sintético para Pronóstico Financiero
Descubre FinStressTS, un benchmark sintético que revela por qué modelos fallan en pronósticos financieros. Aprende sobre volatilidad, saltos y regímenes.
Aproximación cuantitativa para destilación de flujo en difusión
Nuevo marco de aproximación cuantitativa mejora la destilación de flujo en difusión, reduciendo errores hasta 51.9% con particiones no uniformes.
DiffUNet²: predicción bidireccional y generación probabilística para datos científicos
Descubre DiffUNet², un modelo de difusión bidireccional que genera múltiples escenarios científicos y permite exploración visual interactiva de hipótesis.
DRAN: Red Adaptativa de Distribución y Relaciones Espacio-Temporales
DRAN se adapta dinámicamente a cambios en distribuciones y relaciones espacio-temporales, superando métodos tradicionales en predicción de tráfico y clima. ¡Mejora tus pronósticos!
TIDFormer: explotando dinámica temporal e interactiva en grafos dinámicos
Descubre cómo TIDFormer revoluciona el análisis de grafos dinámicos con su mecanismo de atención eficiente e interpretable, superando modelos previos.
Zumbar, Elegir, Olvidar: Marco Meta-Bandit para decisiones de abejas
Modelo MAYA basado en bandidos multi-brazo reproduce decisiones de forrajeo de abejas con memoria limitada. Ventana temporal óptima de 7 pruebas. ¡Lee más!