2330 artículos
El artículo presenta LoRA-Ensemble, un método eficiente de ensembling implícito para redes de autoatención que utiliza adaptaciones de bajo rango (LoRA) compartidas para lograr una precisión y calibración de incertidumbre superiores a las técnicas existentes, igualando o superando el rendimiento de los ensembles explícitos con un costo computacional significativamente menor.
El artículo presenta FEX, un marco de explicación rápida que optimiza distribuciones de atribución mediante gradientes de política, logrando una reducción superior al 97% en el tiempo de inferencia y un 70% en el uso de memoria frente a enfoques agnósticos al modelo, sin sacrificar la calidad ni la aplicabilidad general.
Este artículo identifica y explica la etapa de corrupción en el ajuste fino de pocos ejemplos de modelos de difusión, proponiendo el uso de redes neuronales bayesianas para mitigar este fenómeno y mejorar la fidelidad, calidad y diversidad de las imágenes generadas sin incurrir en costos adicionales de inferencia.
Este artículo presenta DKDL-Net, un modelo ligero para la detección de fallos en rodamientos que combina la destilación de conocimiento desacoplada y el ajuste fino de bajo rango para lograr una precisión del 99,48% con una complejidad computacional significativamente reducida en comparación con los métodos existentes.
Este artículo presenta un marco semiparamétrico estructurado basado en redes neuronales y aprendizaje automático doble que corrige el sesgo en la estimación de efectos de tratamiento causado por la interferencia algorítmica en mercados de dos lados, demostrando mediante simulaciones y experimentos de campo que supera a los estimadores estándar al predecir con precisión el efecto global de la implementación de algoritmos en plataformas de contenido.
El artículo presenta LAMBDA, un sistema de análisis de datos multiagente de código abierto y sin necesidad de programación que utiliza modelos de lenguaje grandes, roles especializados de programador e inspector, y mecanismos de integración de conocimiento para facilitar la colaboración entre humanos e inteligencia artificial en tareas de análisis de datos.
El artículo presenta OTAD, un modelo de defensa adversarial robusto que combina el entrenamiento de redes neuronales con regularización basada en transporte óptimo y la interpolación mediante problemas de integración convexa para lograr tanto una alta precisión en los datos como una continuidad Lipschitz local certificada.
Este artículo establece las bases estadísticas y ofrece orientación práctica para el estimador de máxima verosimilitud parcial por mini-lotes (mb-MPLE) en modelos de Cox profundos, demostrando su consistencia, convergencia óptima y utilidad en aplicaciones a gran escala donde los métodos estándar son inviables.
Este trabajo propone un enfoque de muestreo de importancia con recocido (AIS) combinado con aprendizaje variacional para mejorar la inferencia en Modelos de Variables Latentes de Procesos Gaussianos, logrando límites variacionales más ajustados y una convergencia más robusta en espacios de alta dimensión.
Este artículo introduce la distancia Z-Gromov-Wasserstein como un marco teórico unificado para comparar Z-redes (espacios de medida con kernels en un espacio métrico arbitrario Z), demostrando que esta generalización define una métrica con propiedades deseables como completitud y geodesicidad, y ofreciendo además cotas inferiores computables para aplicaciones prácticas.
Este estudio advierte que los explicadores post hoc como SHAP y LIME, aunque útiles para generar hipótesis exploratorias, no deben utilizarse para validar hipótesis en investigación empresarial debido a su falta de fiabilidad en la recuperación de relaciones causales reales, especialmente cuando existen correlaciones entre variables o el efecto Rashomon.
Este artículo presenta una reevaluación rigurosa de la eficiencia energética de las redes neuronales de espigas (SNN) frente a las redes neuronales cuantizadas (QNN), demostrando mediante un modelo analítico detallado que las SNN solo superan a las QNN bajo condiciones específicas de hardware y parámetros operativos, como tasas de espiga bajas y ventanas temporales moderadas, lo que podría duplicar la vida útil de la batería en dispositivos como relojes inteligentes.
Este trabajo presenta una red de osciladores acoplados (CON) que, al garantizar una estructura lagrangiana, estabilidad global y un mapeo invertible entre entrada y fuerza latente, permite un control basado en modelos de espacio latente eficiente y de alto rendimiento utilizando únicamente imágenes como retroalimentación.
El artículo presenta xTED, un marco que utiliza un modelo de difusión para editar trayectorias de un dominio fuente y adaptarlas a un dominio objetivo, corrigiendo las brechas de dominio a nivel de datos para mejorar el aprendizaje de políticas sin necesidad de arquitecturas complejas.
Este trabajo presenta BNEM, un muestreador de Boltzmann basado en la coincidencia de energía ruidosa y una técnica de *bootstrapping* que permite generar muestras independientes a partir de funciones de energía conocidas, logrando un rendimiento superior y mayor robustez en comparación con métodos existentes.
Este artículo demuestra que, para una clase de procesos de decisión de Markov de horizonte finito con espacios generales de estado y acción, el paisaje de optimización de políticas satisface la condición PŁK, lo que garantiza la convergencia global de los métodos de gradiente de política a la política óptima con tasas no asintóticas y proporciona las primeras garantías de complejidad de muestra para sistemas de inventario y balances de efectivo estocásticos.
Este artículo presenta un marco de Ecuaciones Diferenciales con Retardo Neuronales (NDDEs) inspirado en el formalismo Mori-Zwanzig para aprender dinámicas no markovianas a partir de datos de sistemas parcialmente observables, demostrando un rendimiento superior frente a métodos existentes como las redes LSTM y las ANODEs.
El artículo presenta LS-Imagine, un enfoque que mejora la eficiencia de exploración en entornos de aprendizaje por refuerzo de mundo abierto mediante un modelo de mundo de "largo y corto plazo" que simula transiciones de estado saltarinas y mapas de afección para integrar valores a largo plazo en el aprendizaje de comportamientos.
Este artículo presenta un marco analítico PAC-Bayesiano que modela el entrenamiento adversarial como un sistema dinámico discreto para explicar mecánicamente el sobreajuste robusto y demostrar cómo la perturbación de pesos adversarios puede reducir la brecha de generalización al suprimir la curvatura de la pérdida, aunque con posibles limitaciones de optimización.
Este trabajo demuestra que los transformadores, mediante el aprendizaje en contexto, pueden inferir implícitamente estados ocultos para predecir con alta precisión la salida de sistemas dinámicos lineales y no lineales sin necesidad de actualizaciones de gradiente ni conocimiento explícito del modelo, rivalizando así con métodos de filtrado bayesiano tradicionales como el filtro de Kalman.