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.
#temporal
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.
Modelado de Trayectorias Cognitivas: Cuantificando la Co-creación Humano-IA
Aprende sobre CTM: un modelo para cuantificar la co-creación humano-IA a través de trayectorias cognitivas. Ideal para investigadores y desarrolladores.
CIWI-CKT: Fusión de ondas caóticas y transferencia entre ciudades
Descubre CIWI-CKT, un innovador marco que combina teoría del caos e interferencia de ondas para predecir el flujo de tráfico con precisión incluso con pocos
Gradientes Recuperables: Entrenamiento Continuo Sin Desviación de Pesos
ReGrad: gradientes recuperables para post-entrenamiento continuo sin desviación acumulada. Combina RAG y aprendizaje paramétrico reversible. ¡Mejora tu modelo
OmniTraffic: Generación controlable y benchmark para razonamiento de tráfico
OmniTraffic: pipeline y benchmark para razonamiento espacio-temporal. Evalúa 11 MLLMs con 8M VQA, revela brecha humano-modelo. Simulación mejora rendimiento.
DYNA: Redes de Memoria Dinámica para Aumentar LLMs con Grafos Temporales
Descubre DYNA: combina grafos temporales con LLMs para aprendizaje sin olvido. Reduce olvido catastrófico en 7% y mejora orden temporal. ¡Lee más!
Predicción de tráfico entre dominios con redes de tiempo líquido y memoria
MA-GLTC revoluciona la predicción de tráfico entre dominios: usa redes líquidas y memoria para reducir errores hasta un 10% en zonas sin datos.
No Necesitas Suposiciones Fuertes: Aprendizaje Visual con Diferencias Temporales
Descubre cómo TDV revoluciona el aprendizaje visual eliminando suposiciones fuertes, usando diferencias temporales en video. Iguala al estado del arte.
Phys-JEPA: Modelos latentes informados por física para pronóstico multivariado
Phys-JEPA: modelo latente informado por física mejora pronóstico multivariado. Reduce errores en clima, tráfico y electricidad. Descubre cómo.
Estudio crítico de EEGNet para clasificar carga cognitiva con fNIRS
EEGNet para carga cognitiva con fNIRS: ventanas superpuestas y tasas fijas pequeñas optimizan, pero la generalización requiere segmentación no superpuesta.
RealityBridge: Puente entre simulaciones 3D editables y vídeos reales
RealityBridge: puente entre simulaciones 3D editables y vídeos reales. Elimina artefactos, mejora iluminación y consistencia temporal para conducción autónoma.
Predicción autónoma de SOH en baterías con aprendizaje contrastivo temporal
Descubre TC-SOH: servicio autónomo que predice SOH de baterías de litio sin ingeniería manual. Reduce errores hasta 2x. Aprendizaje contrastivo temporal.
Predicción autónoma de SOH en baterías: aprendizaje contrastivo temporal
TC-SOH: servicio autónomo de predicción de SOH para baterías de litio con reducción de MAPE en 1.91x mediante aprendizaje contrastivo temporal.
Detección robusta de voz falsificada mediante modelo de pirámide temporal
Adaptador temporal de pirámide multi-escala mejora detección de voz falsificada con EER 3.87% en PartialSpoof.
HAMON: Mezcla Óptica Pasiva de Secuencias para Pronósticos a Largo Plazo
Descubre HAMON, un método óptico pasivo que supera modelos digitales en pronósticos a largo plazo, mejorando el MSE un 14%.
Es cuestión de tiempo: referencias temporales en comunicación emergente
Descubre cómo la modificación del batching permite a agentes generar referencias temporales, mejorando su eficiencia comunicativa.
Reidentificación de personas con esqueletos 3D: avances y retos
Exploramos los avances en reidentificación de personas con esqueletos 3D: taxonomía, métodos, desafíos y perspectivas interdisciplinarias. ¡Entra!