No seas tan Stief: optimización de KV Cache en la variedad de Stiefel
Descubre cómo StiefAttention comprime el caché KV con aproximación de rango bajo en la variedad de Stiefel, mejorando precisión y eficiencia en modelos de lenguaje.
#variedad
Regresión local dinámica de curvas de Fréchet en variedades
Aprende cómo la regresión local Fréchet predice curvas en variedades Riemannianas, aplicada al campo magnético terrestre con datos del satélite MAGSAT.
Gradiente natural sin inversión en variedades riemannianas
Descubre cómo optimizar modelos estadísticos en variedades Riemannianas sin invertir la matriz de Fisher. Un método eficiente con convergencia probada.
La geometría del grokking: minimización de norma en la variedad de pérdida cero
Descubre cómo la minimización de norma en la variedad de pérdida cero explica el fenómeno grokking: generalización tardía tras memorización.
Optimización estocástica riemanniana para reducción suficiente de dimensión
Aprende cómo SMAVE optimiza la reducción de dimensionalidad con gradiente riemanniano estocástico, superando a RMAVE en velocidad y precisión.
Generación de Estructuras de Complejos Metálicos con Difusión en Variedades
Descubre cómo TMCgen, un modelo de difusión en variedades, genera geometrías precisas de complejos metálicos para catálisis y diseño de fármacos. ¡Aprende más!
Aprendizaje en línea flexible de representaciones por similitud
Algoritmo en línea biológicamente plausible para representaciones dispersas e invariantes. Ideal para clustering, teselado y codificación en grandes datos.
Geodesic Flow Matching para denoising de representaciones de alta dimensión
Descubre cómo Geodesic Flow Matching reduce un 72% el error en SLAM neuronal y mejora un 40% la eficiencia neural mediante representaciones de alta dimensión.
IRIS: proyecciones de variedades estructuradas en el tiempo
Descubre IRIS, el nuevo algoritmo de manifold learning que visualiza datos biomédicos temporales con estructura cronológica. Supera las limitaciones de t-SNE y UMAP.
Modelos de difusión riemannianos en variedades generales mediante PINNs
Aprende cómo las PINNs permiten resolver la ecuación del calor en variedades para modelos generativos de difusión riemanniana, sin necesidad de núcleos analíticos.
SPUNA: aprendizaje PU robusto para detectar cambio de covariable
SPUNA detecta cambios de covariable con aprendizaje PU y geometría local, igualando rendimiento supervisado. Ideal para visión robusta.
Selección adaptativa de subespacios en la variedad de Stiefel para EEG
Descubre cómo el enrutamiento dinámico en la variedad de Stiefel mejora la decodificación EEG entre sujetos, superando limitaciones de adaptación de dominio sin necesidad de datos de calibración.