Mayoría de tres: el aprendizaje PAC óptimo
Descubre la votación mayoritaria de tres clasificadores como método óptimo en aprendizaje PAC. Artículo simplifica la teoría y demuestra optimalidad.
#óptimo
Transporte guiado por ruido para aprendizaje por imitación
Descubre NGT, método ligero que aprende por imitación con solo 20 transiciones y sin pretraining. Perfecto para tareas complejas como humanoides.
Gradiente de Política Determinista para Control con Inconsistencia Temporal
Algoritmo de gradiente de política determinista para aprender equilibrios en control con inconsistencia temporal. Aplicaciones en carteras y seguimiento óptimo.
Política de Difusión Ambiental: Aprendizaje por Imitación con Datos Subóptimos
Descubre cómo Ambient Diffusion Policy aprende de datos subóptimos en robótica. Mejora el rendimiento hasta un 33% usando solo características útiles de demostraciones de baja calidad.
Adaptación gradual de dominio basada en flujos: transporte óptimo semidual
Descubre cómo el marco E-SUOT mejora la adaptación gradual de dominio usando transporte óptimo semidual, superando limitaciones de estimación de verosimilitud.
Análisis de eventos raros mediante control óptimo estocástico
Control óptimo estocástico para eventos raros: muestreo eficiente de trayectorias reactivas con mayor precisión en tasas de reacción.
Detección de APT entre SO con solo dominio fuente
Descubre un nuevo marco que detecta APT entre sistemas operativos sin etiquetas del destino, usando alineación semántica y transporte óptimo. Mejora ROC-AUC y nDCG.
Cuantización de distorsión mínima con distribución de salida especificada
Descubre cómo optimizar cuantizadores minimizando el error cuadrático medio y controlando la distribución de salida para comunicación y anonimización.
MST-Direct a Escala: Simulación Geoestadística Multivariante y Condicional
Descubre cómo MST-Direct logra simulación geoestadística multivariante y condicional escalable con error cero en histogramas y datos condicionantes exactos.
Agregación justa óptima de etiquetas ruidosas mediante paridad demográfica
Descubre cómo lograr una agregación justa de etiquetas ruidosas en crowdsourcing usando restricciones de paridad demográfica. Teoría, algoritmos y experimentos.
Eigenmapas de Transporte Óptimo Entrópico: alineación y embedding conjunto
Descubre cómo los Eigenmapas de Transporte Óptimo Entrópico permiten alinear y proyectar conjuntos de datos de alta dimensión de forma precisa y robusta.
Importancia Desenredada de Características (DFI)
Descubre Disentangled Feature Importance (DFI): un marco que desenreda señales predictivas compartidas entre variables dependientes para una atribución estable e interpretable.
Flujos normalizadores condicionales para estimación conjunta de estado y parámetros
Descubre cómo los flujos normalizadores condicionales mejoran la estimación de estado y parámetros en sistemas no lineales, aplicados a conducción autónoma y predicción de epidemias. ¡Lee más!
Formulaciones cónicas de métricas de transporte para redes e hiperredes
Explora las nuevas formulaciones cónicas de métricas de transporte para redes e hiperredes no balanceadas, con algoritmo eficiente y propiedades de robustez.
Proyecciones baricéntricas de planes de transporte óptimo en variedades riemannianas
Convierte acoplamientos de transporte óptimo en mapas deterministas en variedades riemannianas con proyecciones baricéntricas. Intrínseco y tangencial.
MS-COOT: Comparando complejos Morse-Smale con transporte co-óptimo
Aprende cómo MS-COOT utiliza transporte co-óptimo para comparar regiones en campos escalares, superando métodos basados en grafos.
Estabilizadores Universales Inverso-Óptimos Parametrizados por Costo de Control
Descubre cómo nuevas familias de estabilizadores universales parametrizan el costo de control usando operadores neuronales para estabilización semiglobal.
Post-AGI: Economías de superposición y el Segundo Teorema del Bienestar
Explora cómo el Segundo Teorema del Bienestar se aplica en economías post-AGI, con autonomía y preferencias superpuestas que desafían modelos clásicos.
RadOT-Eval: Transporte de evidencia auditable para evaluar informes radiológicos
RadOT-Eval: framework auditable que usa transporte de evidencia estructurada para evaluar informes radiológicos, detectando errores clínicos con alta precisión.
Morph: diseño molecular generativo de tamaño flexible
Aprende sobre Morph, el nuevo modelo de IA que genera moléculas de cualquier tamaño usando transporte óptimo. Ideal para diseño de fármacos y química computacional.