Ganancias del transporte público y cambios desiguales en demanda tras peaje NYC
Peaje de congestión en NYC impulsó el uso del transporte público, pero con cambios desiguales en la demanda de viajes. Análisis con modelos de pronóstico.
#temporal
IA para monitoreo de cumplimiento: ¿predice tendencias?
Descubre cómo la IA para monitoreo de cumplimiento predice tendencias de negocio, optimiza decisiones estratégicas y reduce riesgos. Q2BSTUDIO te guía.
Aproximación por difusión para aprendizaje TD con ruido markoviano
Descubre cómo una nueva aproximación mediante ecuaciones diferenciales estocásticas revela el origen del error en el aprendizaje TD(0) con ruido markoviano.
Enfoque de redes tensoriales para predicción de series caóticas
Las redes tensoriales optimizan la predicción de series caóticas, logrando mayor precisión y eficiencia que los métodos tradicionales. Un avance clave en
Fusión espacio-temporal para clasificar vistas ecocardiográficas
Aprende sobre el modelo STFM que fusiona espacio y tiempo para clasificar vistas ecocardiográficas con alta precisión, usando el dataset EV9V.
Optimización de Preferencia Temporal para Recuperación No Supervisada
TPOUR optimiza la recuperación con relevancia temporal, superando a modelos 72x mayores. Mejora nDCG hasta 15% sin datos temporales.
ASTEROID: Transformador espacio-temporal para dinámica molecular
Descubre ASTEROID, un innovador modelo de IA que predice coordenadas atómicas en múltiples pasos, acelerando simulaciones de dinámica molecular y reduciendo
Ciclicidad y wavelet con correlación de canales para predicción a largo plazo
Descubre McWC, modelo de predicción a largo plazo que integra ciclicidad, wavelet y correlación de canales con alta eficiencia.
C2FL: Aprendizaje Federado Continuo y Agrupado ante Deriva Espacial y Temporal
Descubre C2FL, un enfoque de aprendizaje federado que permite a sistemas adaptativos colectivos manejar deriva espacial y temporal mediante agrupación por
Cuando ninguna respuesta es correcta: detección de respuestas ausentes en MLLMs
Los MLLMs fallan al detectar respuestas ausentes en video. Este estudio diagnostica el problema y evalúa la cadena de pensamiento como mitigación.
Más allá de los agentes: Ejecución y reproducibilidad en trading con LLM
¿Son reproducibles los resultados de trading con LLM? Este artículo analiza los supuestos de ejecución y propone estándares para mejorar la comparabilidad.
Inyección neuro-simbólica de LTLf en RL autorregresivo
Descubre cómo inyectar conocimiento LTLf en políticas de RL autorregresivas para mejorar el cumplimiento de restricciones temporales sin sacrificar recompensas.
InA-Probe: Sondas activas guiadas por instrucciones para series temporales
Descubre cómo InA-Probe mejora el pronóstico temporal con LLMs reduciendo errores hasta un 37% en dominio cruzado.
Predicción de trayectorias y destino de buques con LLMs de razonamiento
Descubre cómo los LLMs con razonamiento y verificación mejoran la predicción de trayectorias y destino de buques a 30 días, superando a métodos tradicionales.
FAME: Previsibilidad Consciente para Series Temporales Heterogéneas
Descubre cómo FAME usa la previsibilidad para seleccionar expertos en pronóstico de series temporales heterogéneas, mejorando la precisión.
pnpm acepta reparación de límite de ruta de socket en TMPDIR
pnpm acepta parche que acorta directorios CAFS para evitar exceder límite de socket Unix. Reparación de presupuesto de ruta validada y fusionada upstream.
Android 17: Ocho nuevas funciones que debes probar
Descubre las 8 funciones más impactantes de Android 17: burbujas flotantes, grabación con reacción, nuevas opciones de seguridad y más. Actualiza tu Pixel ya.
DynaOD: Generación Flujos OD Dinámicos con Modelado Semántico Discreto-Continuo
Descubre cómo DynaOD genera flujos OD dinámicos sin datos históricos usando modelado semántico discreto-continuo. Ideal para movilidad urbana.
Seq103: Marco unificado de neuroevolución para secuencias compactas
Descubre cómo Seq103 logra arquitecturas de secuencias compactas con neuroevolución, reduciendo parámetros hasta 160,000x sin perder precisión.
¿Qué hace relevantes para la acción a los latentes de modelos de mundo de video?
Descubre cómo la predicción temporal, no la reconstrucción de píxeles, genera representaciones de video relevantes para la acción en modelos de mundo.