Predicción probabilística híbrida de admisiones por malaria infantil en Ghana
Descubre cómo un modelo híbrido de GPR y Holt-Winters logra un R² de 0.9906 en predicciones de malaria infantil en Ghana, con proyecciones hasta 2028.
#tempo
Cerrando el último kilómetro en predicción de series temporales con agentes LLM
Descubre cómo los agentes LLM integran contexto empresarial para cerrar el último kilómetro de la predicción de series temporales. Casos prácticos reales.
TCAR-Gen: Recuperación Temporal con Fusión de Evidencia
Descubre TCAR-Gen, un nuevo marco que combina redes neuronales de grafos, fusión temporal y razonamiento en árbol para responder preguntas complejas sobre casos criminales históricos.
El stack de agentes de IA que estandarizaría hoy
Descubre el stack de agentes de IA que recomiendo estandarizar: portable, multinube, con OpenAI SDK, Logfire, E2B, Modal y Temporal. Evita bloqueo de proveedor.
Detección de cambios de régimen en Tesoro con datos no estructurados
Mejora la detección de cambios de régimen en el mercado de Tesoro combinando actas FOMC con LLMs y pruebas estadísticas. F1=0.82, detección en el mismo día. Descubre cómo.
Algoritmo Evolutivo para Aprendizaje y Rendimiento de Reservorios
EARLY optimiza topología e hiperparámetros de redes reservorios con algoritmos evolutivos. Supera búsqueda aleatoria en tareas temporales. ¡Resultados!
Unicorn: Escalando predicción de series con correlación universal
Unicorn: framework de IA para predicción de series temporales de alta dimensión con modelado universal de correlación. Supera a modelos en pocos datos.
Generación de fMRI con wavelet y flujo espectral para trastornos cerebrales
Descubre cómo el modelo DSFM genera fMRI realista usando transformada wavelet y flujo espectral para mejorar la identificación de trastornos cerebrales.
SANA-Streaming: Edición de video en tiempo real con difusión híbrida
Descubre SANA-Streaming: edita video en tiempo real a 1280x704 y 24 FPS en una RTX 5090. Co-diseño sistema-algoritmo con difusión híbrida.
Mezcla de Expertos en GNN Condicionada por Grafos para Pronóstico de Tráfico
GC-MoE asigna expertos congelados personalizados a cada nodo vial, mejorando precisión en pronóstico de tráfico con solo 17K parámetros.
ConTrans: Representaciones local-global con texto para localización zero-shot
Descubre ConTrans: combina convolución y transformer para representaciones local-global en localización zero-shot, nuevo benchmark.
Inferir eventos de series temporales con modelos de lenguaje
Descubre cómo los modelos de lenguaje infieren eventos a partir de series temporales usando datos deportivos. Un nuevo benchmark y técnicas de destilación mejoran el rendimiento.
Monitorización predictiva neuro-simbólica de procesos
Descubre cómo la combinación de redes neuronales y lógica temporal mejora la precisión y consistencia en la predicción de sufijos de procesos.
Redes Residuales de Memoria de Reservorio
Descubre las Redes Residuales de Memoria de Reservorio (ResRMN), una nueva clase de RNN no entrenadas que mejoran la propagación temporal mediante conexiones residuales ortogonales.
IRIS: proyecciones de variedades estructuradas en el tiempo
Descubre IRIS, el nuevo algoritmo de manifold learning que visualiza datos biomédicos temporales con estructura cronológica. Supera las limitaciones de t-SNE y UMAP.
Notas sobre Aprendizaje por Refuerzo Inverso Offline y DDC
Descubre cómo dos comunidades unifican enfoques para recuperar recompensas desde datos offline. Análisis de identificación y algoritmos IRL/DDC.
GlucoFM: Un modelo fundacional de doble flujo para monitoreo continuo de glucosa
Descubre GlucoFM, modelo IA de doble flujo para monitoreo continuo de glucosa. Mejora predicción de diabetes y resistencia a la insulina en 7 tareas clínicas.
Modelado de series temporales multiescala generalizado con un solo operador
Descubre cómo SiGMA generaliza el modelado multiescala de series temporales con un solo operador, logrando 5.3x más velocidad y 3.8x menos memoria.
Representaciones hiperesféricas tiempo-frecuencia para detección de anomalías
Aprende cómo las representaciones hiperesféricas tiempo-frecuencia mejoran la detección de anomalías en series temporales. Resultados con k-NN y Mahalanobis.
Convergencia no asintótica de algoritmos estocásticos: marco de Lyapunov
Descubre cómo las funciones de Lyapunov permiten analizar la convergencia finita de algoritmos estocásticos en aprendizaje automático y refuerzo.