Redes de Grafos Multimodal y Mezcla de Expertos para Carbono Orgánico
SpTGNN predice carbono orgánico del suelo con precisión récord (R²=0.86) y cuantifica la incertidumbre. Ideal para agricultura sostenible.
#temporal
HawkesNest: Benchmark sintético multieje de complejidad espacio-temporal
Descubre HawkesNest, un benchmark sintético multieje para evaluar modelos de procesos puntuales espacio-temporales bajo condiciones de complejidad controlada.
Elipsoides Conformales Filtrados para Series Temporales en Grafos
Mejora la predicción de series temporales en grafos con elipsoides conformales filtrados: cobertura adaptativa sin asumir normalidad, ideal para tráfico y
¿La IA en automatización de pedidos predice tendencias empresariales?
Descubre cómo la IA para automatizar el procesamiento de pedidos no solo reduce errores, sino que predice tendencias de negocio con análisis predictivo.
Modelos híbridos cuántico-clásicos para pronóstico con corrección de errores
Descubre los modelos híbridos cuántico-clásicos con corrección de errores que revolucionan el pronóstico de series temporales, superando a los clásicos.
Dyna-Pruner: poda adaptable de datos y modelos para predicción espacio-temporal
Dyna-Pruner reduce el costo computacional hasta un 70% en predicción espacio-temporal sin perder precisión. Ideal para despliegue en tiempo real en edge
Precarga espacio-temporal de expertos para inferencia eficiente en MoE LLM
Descubre cómo la precarga espacio-temporal de expertos acelera la inferencia de LLMs MoE sin sacrificar precisión. Mejora rendimiento y eficiencia energética.
Biarquetipos en datos funcionales univariados aplicado a series macroeconómicas
Descubre cómo el análisis de biarquetipos identifica regímenes en bonos europeos (2001-2025) con Alemania, Grecia y Hungría como arquetipos.
Predicción conforme espectral adaptativa en datos no intercambiables
Mejora la precisión de predicciones en datos no intercambiables con estacionalidad y regímenes cambiantes usando el método híbrido de predicción conforme
VAE Markov consciente del contexto para compresión de CSI en sistemas inalámbricos
Descubre cómo el VAE Markov consciente del contexto mejora la compresión de CSI en sistemas MIMO masivos, optimizando la retroalimentación limitada. ¡Lee más!
STAR-NT: Aceleración espacio-temporal del renderizado de transparencia neural
Descubre cómo STAR-NT acelera el renderizado de transparencia neural usando coherencia espacial y temporal. Ideal para móviles y legacy.
Dynestyx: Biblioteca de Programación Probabilística para Sistemas Dinámicos
Descubre Dynestyx, la librería que integra modelos de espacio de estados con programación probabilística. Realiza inferencia robusta y cuantifica incertidumbre
Distribuciones Predictivas Generativas para Series Temporales
Descubre un nuevo marco basado en GANs que modela distribuciones predictivas completas para series temporales, facilitando cálculos de riesgo y pronósticos
Emparejamiento de series temporales VAR correlacionadas
Empareja series temporales VAR correlacionadas y recupera permutaciones ocultas con optimización y asignación lineal. Técnicas eficientes.
Modelos Autorregresivos: Predecir el Futuro con el Pasado
Descubre cómo los modelos autorregresivos predicen el futuro analizando datos pasados. Aprende su funcionamiento y aplicaciones en IA y series temporales.
Computación dividida inalámbrica con neuronas de resonancia
Ahorra energía en IA de borde con neuronas de resonancia: procesa señales temporales sin preprocesamiento espectral. Ideal para IoT y clasificación de audio.
ANCHOR: Corrección Numérica Adaptativa para Propagación Temporal
Descubre ANCHOR, un método híbrido que controla el error en simulaciones de PDEs con operadores neuronales, garantizando predicciones estables.
Cómo la validación temporal afecta la predicción de mortalidad infantil con ML
Descubre cómo la validación temporal cambia la utilidad de los modelos de machine learning para predecir la mortalidad infantil en Bangladesh. Un estudio clave
Generación de video cardíaco consistente y controlable mediante modelado de movimiento latente
Un nuevo método de IA genera videos cardíacos realistas y controlables, superando la escasez de datos médicos. FID de 31.68 y CLIP score de 31.04.
No toda recuperación es útil: atención cruzada para RAG en series temporales
Cross-RAG optimiza predicción de series temporales filtrando recuperaciones irrelevantes con atención cruzada. Mejora rendimiento en cero disparo sin ajustar k.