Modelado espaciotemporal con física para detectar videos generados por IA
Descubre cómo el método NSG-VD usa principios físicos para detectar videos generados por IA con un 16% más de Recall que los métodos actuales.
#tempo
NetBurst: Predicción de series temporales intermitentes y ráfagas
NetBurst reduce hasta 116 veces el error de pronóstico en series temporales de telemetría de red. Descubre cómo este enfoque centrado en eventos mejora la detección de anomalías y la búsqueda.
Series temporales intermitentes: modelos locales vs globales
Descubre por qué el modelo TiDE supera a los modelos locales en pronóstico de series intermitentes, con menor costo y mejores cuantiles.
Análisis de series temporales en machine learning
Descubre cómo aplicar técnicas de machine learning a series temporales: desde modelos clásicos ARIMA hasta deep learning con transformers. Ejemplos en astronomía, finanzas y más.
PAWS: Aprendizaje por preferencias con ventajas ponderadas por segmentos
Descubre PAWS, un innovador método de aprendizaje por refuerzo basado en preferencias que mejora la asignación temporal de crédito usando ventajas por segmentos
MSRGC-Net: Clustering eficiente de series temporales multiescala
Aprende cómo MSRGC-Net realiza clustering de series temporales con alta eficiencia usando reservorio multiescala y gráficos de anclaje.
Marco NVAR Adaptativo Mejorado con PCA para Pronóstico de Alta Resolución de SST
Marco NVAR Adaptativo con PCA para pronóstico de alta resolución de SST en el Mar del Este. Reduce errores y es rápido para tiempo real.
Arquitecturas subcuadráticas: de las aplicaciones a los principios
¿Cuál es la mejor arquitectura subcuadrática? Analizamos xLSTM, Mamba-2 y Gated DeltaNet. xLSTM gana con su mecanismo de memoria flexible. Ideal para desarrolladores.
Formulación integral de QENDy para identificación robusta de sistemas no lineales
Descubre la formulación integral de QENDy que elimina las derivadas temporales, logrando identificación robusta de sistemas no lineales frente al ruido.
Gradiente de Política Determinista para Control con Inconsistencia Temporal
Algoritmo de gradiente de política determinista para aprender equilibrios en control con inconsistencia temporal. Aplicaciones en carteras y seguimiento óptimo.
AnchorEdit: Consistencia temporal en edición multitorneo
Descubre AnchorEdit, el primer framework autoregresivo de difusión para edición de imágenes multitorneo que mantiene la identidad del sujeto sin errores acumulados, incluso tras 10 rondas de edición.
Span Detector: IA bayesiana detecta cáncer antes que imágenes
Descubre cómo el Span Detector, un modelo bayesiano, duplica la detección de progresiones de cáncer de mama tres meses antes, superando el límite de detección.
MLT-Dedup: Deduplicación eficiente de videos online a gran escala
Descubre cómo MLT-Dedup reduce repeticiones de video online en un 91% con precisión del 90%. Técnicas avanzadas de representaciones multinivel y coincidencia espacio-temporal.
Modelos fundacionales de series temporales para vida útil restante
Aprende cómo usar embeddings de Chronos-2 para estimar la vida útil restante de equipos industriales sin grandes datasets.
Razonamiento multiprompt con metadatos para accidentes zero-shot
Descubre cómo un pipeline de tres etapas con razonamiento multiprompt y metadatos logra identificar impactos en video sin entrenamiento previo. Mejora la precisión en vigilancia.
Mezcla multitasa de expertos para acelerar entrenamiento de LNN
Descubre cómo MR-MoE acelera el entrenamiento de redes líquidas con expertos multitasa y atención para mejorar predicción de series temporales.
Señal de confiabilidad con explicabilidad para clasificación eficiente de ECG
Descubre cómo la explicabilidad como señal de confiabilidad reduce costos de entrenamiento y mejora la clasificación de ECG. Mayor macro-F1.
Anclaje temporal en videos largos: un problema de búsqueda
Descubre cómo el anclaje temporal en videos de una hora se convierte en un problema de búsqueda. El benchmark ExtremeWhenBench revela que los Video-LLM colapsan frente a la recuperación de fotogramas.
Sistemas de razonamiento y agentes en series temporales con LLMs
Evaluamos topologías de razonamiento, benchmarks y guías para sistemas fiables en series temporales con LLMs. Descubre cómo transforman el análisis y la toma de decisiones.
Precomputación de replanificación multiagente con flexibilidad temporal
FlexSIPP replanifica rutas multiagente con flexibilidad temporal, evitando retrasos en cascada. Eficiente para redes ferroviarias.