cs.LG artículos | Gist.Science

Generative prediction of laser-induced rocket ignition with dynamic latent space representations

Este artículo propone un modelo sustituto basado en aprendizaje automático que combina autoencoders convolucionales y ecuaciones diferenciales neuronales para predecir de manera rápida y eficiente la ignición de cohetes inducida por láser, reduciendo drásticamente los costos computacionales de las simulaciones físicas tradicionales y facilitando la exploración de parámetros y la cuantificación de incertidumbres.

Tony Zahtila, Ettore Saetta, Murray Cutforth, Davy Brouzet, Diego Rossinelli, Gianluca Iaccarino2026-03-10🤖 cs.LG

Obliviator Reveals the Cost of Nonlinear Guardedness in Concept Erasure

El artículo presenta a Obliviator, un método de borrado de conceptos que supera las limitaciones de los enfoques anteriores al capturar dependencias estadísticas no lineales mediante un proceso iterativo, logrando así una mayor protección contra adversarios no lineales y preservando mejor la utilidad de las representaciones mientras cuantifica el costo de esta protección.

Ramin Akbari, Milad Afshari, Vishnu Naresh Boddeti2026-03-10🤖 cs.LG

DreamSAC: Learning Hamiltonian World Models via Symmetry Exploration

El artículo presenta DreamSAC, un marco que combina una estrategia de exploración basada en simetrías con un modelo de mundo hamiltoniano para aprender invariancias físicas y lograr una generalización extrapolativa superior en simulaciones físicas 3D.

Jinzhou Tang, Fan Feng, Minghao Fu, Wenjun Lin, Biwei Huang, Keze Wang2026-03-10🤖 cs.LG

COOL-MC: Verifying and Explaining RL Policies for Multi-bridge Network Maintenance

El artículo presenta COOL-MC, una herramienta que verifica y explica políticas de aprendizaje por refuerzo para el mantenimiento de redes de múltiples puentes, demostrando mediante verificación de modelos probabilísticos y análisis de explicabilidad que, aunque la política aprendida presenta una probabilidad de violación de seguridad del 3,5% y un sesgo sistemático hacia un puente específico, el marco permite un análisis formal e interpretable de dichas estrategias.

Dennis Gross2026-03-10🤖 cs.LG

ECG Classification on PTB-XL: A Data-Centric Approach with Simplified CNN-VAE

Este artículo demuestra que un enfoque centrado en los datos, que combina un preprocesamiento cuidadoso y un modelo simplificado de CNN-VAE, logra un rendimiento competitivo en la clasificación de ECG del conjunto de datos PTB-XL con una complejidad de modelo significativamente reducida.

Naqcho Ali Mehdi, Amir Ali2026-03-10🤖 cs.LG

GRD-Net: Generative-Reconstructive-Discriminative Anomaly Detection with Region of Interest Attention Module

El paper propone GRD-Net, una arquitectura que combina una red generativa adversarial con un módulo de atención a regiones de interés para detectar y localizar anomalías en inspecciones visuales industriales, aprendiendo tanto de productos defectuosos sintéticos como de datos reales sin depender de algoritmos de post-procesamiento sesgados.

Niccolò Ferrari, Michele Fraccaroli, Evelina Lamma2026-03-10🤖 cs.LG

Revisiting the LiRA Membership Inference Attack Under Realistic Assumptions

Este artículo demuestra que, bajo condiciones realistas que incluyen técnicas de entrenamiento anti-sobreajuste, umbrales calibrados en modelos sombra y priores de membresía desequilibrados, la efectividad del ataque de inferencia de membresía LiRA disminuye significativamente en comparación con evaluaciones anteriores, lo que subraya la necesidad de protocolos de auditoría de privacidad más rigurosos y reproducibles.

Najeeb Jebreel, Mona Khalil, David Sánchez, Josep Domingo-Ferrer2026-03-10🤖 cs.LG

Constraints Matrix Diffusion based Generative Neural Solver for Vehicle Routing Problems

Este trabajo presenta un nuevo solucionador neuronal generativo basado en difusión de matrices de restricciones que supera las limitaciones de robustez y generalización de los métodos autoregresivos existentes, logrando un rendimiento de vanguardia en problemas de enrutamiento de vehículos mediante la integración adaptativa de una matriz de asignación de restricciones en el proceso de decisión.

Zhenwei Wang, Tiehua Zhang, Ning Xue, Ender Ozcan, Ling Wang, Ruibin Bai2026-03-10🤖 cs.LG

A Systematic Comparison of Training Objectives for Out-of-Distribution Detection in Image Classification

Este artículo presenta una comparación sistemática de cuatro objetivos de entrenamiento para la detección de distribuciones fuera de contexto en clasificación de imágenes, revelando que la Pérdida de Entropía Cruzada ofrece el rendimiento más consistente tanto en distribuciones cercanas como lejanas en comparación con las pérdidas de prototipo, tripletas y precisión promedio.

Furkan Genç, Onat Özdemir, Emre Akbas2026-03-10🤖 cs.LG

TS-MLLM: A Multi-Modal Large Language Model-based Framework for Industrial Time-Series Big Data Analysis

El artículo presenta TS-MLLM, un marco unificado de modelo de lenguaje grande multimodal que integra señales temporales, representaciones visuales de frecuencia y conocimiento textual mediante mecanismos de adaptación y fusión de atención para mejorar significativamente el análisis y la predicción de datos de series temporales industriales.

Haiteng Wang, Yikang Li, Yunfei Zhu, Jingheng Yan, Lei Ren, Laurence T. Yang2026-03-10🤖 cs.LG

Integration of deep generative Anomaly Detection algorithm in high-speed industrial line

Este artículo presenta un marco de detección de anomalías semisupervisado basado en una arquitectura generativa adversarial con autoencoder residual, diseñado para inspección visual en línea de producción farmacéutica de alta velocidad que logra un alto rendimiento de detección y localización espacial dentro de las estrictas restricciones de tiempo y hardware.

Niccolò Ferrari, Nicola Zanarini, Michele Fraccaroli, Alice Bizzarri, Evelina Lamma2026-03-10🤖 cs.LG

Analysis-Driven Procedural Generation of an Engine Sound Dataset with Embedded Control Annotations

Este artículo presenta un marco de generación procedural de audio de motores que extrae estructuras armónicas de grabaciones reales para sintetizar un nuevo conjunto de datos de 19 horas con anotaciones precisas de RPM y par de torsión, validado para su uso en investigación de modelado acústico y síntesis basada en aprendizaje.

Robin Doerfler, Lonce Wyse2026-03-10🤖 cs.LG

Models as Lego Builders: Assembling Malice from Benign Blocks via Semantic Blueprints

El artículo presenta StructAttack, un marco de ataque de una sola consulta que explota la vulnerabilidad de los modelos de visión y lenguaje grandes al ensamblar contenido malicioso a partir de bloques semánticos benignos dispuestos en estructuras visuales, logrando así eludir los mecanismos de seguridad en entornos de caja negra.

Chenxi Li, Xianggan Liu, Dake Shen, Yaosong Du, Zhibo Yao, Hao Jiang, Linyi Jiang, Chengwei Cao, Jingzhe Zhang, RanYi Peng, Peiling Bai, Xiande Huang2026-03-10🤖 cs.LG

Shorter Thoughts, Same Answers: Difficulty-Scaled Segment-Wise RL for CoT Compression

El artículo presenta DSS-GRPO, un método de aprendizaje por refuerzo que escala la compresión de la cadena de pensamiento según la dificultad y separa las señales de aprendizaje entre el razonamiento y la respuesta final, logrando así reducir la longitud del proceso de pensamiento sin degradar la calidad de la respuesta.

Ye Tian, Aijun Liu2026-03-10🤖 cs.LG

MetaSort: An Accelerated Approach for Non-uniform Compression and Few-shot Classification of Neural Spike Waveforms

El artículo presenta MetaSort, un algoritmo innovador que combina compresión adaptativa de alta fidelidad y clasificación few-shot de formas de onda de picos neuronales mediante aprendizaje meta-transferido que explota la información geométrica, demostrando un alto rendimiento en datos in-vivo y su potencial para implementaciones en chip de ultra bajo consumo.

Luca M. Meyer, Majid Zamani2026-03-10🤖 cs.LG

TT-Sparse: Learning Sparse Rule Models with Differentiable Truth Tables

El artículo presenta TT-Sparse, un modelo neuronal interpretable que utiliza tablas de verdad diferenciables y un nuevo operador soft TopK para aprender reglas booleanas escasas y eficientes que logran un alto rendimiento predictivo con una complejidad reducida en comparación con los métodos actuales.

Hans Farrell Soegeng, Sarthak Ketanbhai Modi, Thomas Peyrin2026-03-10🤖 cs.LG

MAS-H2: A Hierarchical Multi-Agent System for Holistic Cloud-Native Autoscaling

El artículo presenta MAS-H2, un sistema jerárquico de agentes multiagente que resuelve el problema del vacío estratégico en el escalado automático de la nube al integrar políticas de negocio con la planificación proactiva de recursos, logrando en pruebas con Kubernetes una reducción significativa del estrés de CPU y una migración estratégica sin tiempo de inactividad en comparación con los escaladores nativos.

Hamed Hamzeh, Parisa Vahdatian2026-03-10🤖 cs.LG

Compression as Adaptation: Implicit Visual Representation with Diffusion Foundation Models

Este trabajo presenta un nuevo marco de representación visual implícita que codifica señales como funciones parametrizadas por adaptaciones de bajo rango en modelos generativos congelados, logrando una compresión de video perceptual de alta calidad a tasas de bits extremadamente bajas y estableciendo un puente unificado entre la compresión y la generación visual.

Jiajun He, Zongyu Guo, Zhaoyang Jia, Xiaoyi Zhang, Jiahao Li, Xiao Li, Bin Li, José Miguel Hernández-Lobato, Yan Lu2026-03-10🤖 cs.LG

SMAT: Staged Multi-Agent Training for Co-Adaptive Exoskeleton Control

Este artículo presenta SMAT, un método de entrenamiento en etapas para múltiples agentes que permite el desarrollo de un controlador de exoesqueleto de cadera co-adaptativo y generalizable, el cual reduce la activación muscular en un 10,1% y proporciona asistencia mecánica positiva consistente en humanos sin necesidad de reentrenamiento específico por sujeto.

Yifei Yuan, Ghaith Androwis, Xianlian Zhou2026-03-10🤖 cs.LG

Accelerating Diffusion Models for Generative AI Applications with Silicon Photonics

Este artículo presenta un nuevo acelerador basado en fotónica de silicio para modelos de difusión que, según evaluaciones experimentales, mejora la eficiencia energética en al menos un 3x y el rendimiento en 5,5x en comparación con los aceleradores electrónicos más avanzados.

Tharini Suresh, Salma Afifi, Sudeep Pasricha2026-03-10🤖 cs.LG

← Anterior Siguiente →