Aprende a cuantificar interacciones sociales de peatones
Descubre cómo un nuevo método de clustering sin etiquetas cuantifica las interacciones sociales entre peatones, mejorando la predicción de trayectorias para
#var
ZIVARI-TLBO: Relevo élite evaluado sin costo adicional
Descubre ZIVARI-TLBO, un algoritmo de optimización que mejora TLBO con relevo élite sin costo computacional. Resultados superiores en múltiples funciones.
Geometría de Finsler y Redes Neuronales de Grafos
Explora la convergencia del Laplaciano de Finsler en nubes de puntos y su implementación como capa de redes neuronales de grafos para difusión no lineal.
Geometría de Finsler, Redes Neuronales de Grafos y Tú
Descubre cómo la geometría de Finsler inspira nuevas GNN para difusión no lineal. El laplaciano de Finsler y su aplicación en aprendizaje automático.
Incertidumbre en estructuras con caos polinomial y aprendizaje activo
Optimiza la cuantificación de incertidumbre en estructuras de ingeniería usando aprendizaje activo y caos polinomial. ¡Mejora tus modelos sustituto!
Cuantificación de incertidumbre en estructuras con PCE y aprendizaje activo
Mejora la precisión de modelos sustitutos en ingeniería con expansión en caos polinomial y aprendizaje activo multivariante. Reduce costos computacionales.
MM++: Detección OOD no supervisada y multiescala con fusión de características
MM++: detección OOD no supervisada y multiescala. Fusiona capas de red para identificar anomalías sin datos auxiliares ni reentrenamiento.
MM++: Detección OOD multicapa invariante a escala sin supervisión
Descubre MM++, un framework sin supervisión para detección OOD invariante a escala. Fusiona características multicapa con Top-K para mejorar la precisión sin
CLIQUE: Importancia Local Condicional por Expectativas de Cuantiles
Descubre CLIQUE, método agnóstico para importancia local de variables. Ofrece estabilidad, captura dependencias locales y funciona en clasificación multiclase.
Clasificador cuántico variacional eficiente en recursos
Nuevo clasificador cuántico variacional alcanza 90% de precisión en cáncer de mama usando 8 veces menos circuitos.
Inferencia causal instrumental y proximal con procesos Gaussianos
Descubre cómo los procesos Gaussianos permiten inferencia causal con cuantificación fiable de incertidumbre. Un enfoque unificado para variables instrumentales
Factorización tensorial Poisson-Gamma bayesiana en comercio internacional
Descubre cómo un modelo bayesiano de factorización tensorial analiza 60 millones de flujos comerciales, modelando ceros excesivos y colas pesadas. Aplicación
Reduciendo la redundancia de aprendices en Boosting mediante ortogonalización residual
SCBoost reduce la redundancia en boosting mediante ortogonalización residual. Proyección espectral y regularización de covarianza mejoran precisión y F1.
Expandiendo SPHERE-JEPA: Una familia de regularizadores estadísticos para la hiperesfera
Descubre cómo los regularizadores deterministas en la hiperesfera eliminan la varianza estocástica, mejorando la convergencia y la geometría del espacio
QueryMarket: aprendizaje activo en mercados de datos
Descubre QueryMarket y OVBAL, un marco que optimiza la compra de datos en flujos no estacionarios, maximizando la utilidad bajo restricciones de presupuesto.
Log-PCA para medidas de probabilidad: formulación dinámica y convergencia
Descubre cómo el Log-PCA con formulación dinámica captura variaciones principales en medidas de probabilidad bajo la geometría de Wasserstein. Conoce su
Más allá de IGO-Flow: Convergencia de IGO discreto
Descubre cómo el IGO discreto con adaptación de covarianza converge al óptimo global en funciones cuadráticas. Un avance en la teoría de convergencia de IGO.
INI-VPINN: Red neuronal física variacional para dominios multimaterial
Descubre cómo INI-VPINN resuelve problemas multimaterial con interfaces complejas sin términos de pérdida adicionales. Mayor precisión y convergencia rápida.
Descubrimiento causal de segundo orden con tensores
Descubre cómo TSCD identifica relaciones causales usando tensores de covarianza. Robusto, escalable a cientos de variables y eficiente con pocas intervenciones.
Campos adaptativos volumétricos propiedades mecánicas invariantes a resolución
AdaVoMP predice propiedades mecánicas volumétricas invariantes a resolución para objetos 3D, logrando simulaciones realistas con resolución 16x superior.