3926 artículos
Este artículo corrige las limitaciones de sesgo y estrechez excesiva de la aproximación de Laplace riemanniana previa al proponer dos variantes alternativas basadas en la métrica de Fisher que garantizan exactitud en el límite de datos infinitos y mejoran el rendimiento práctico.
Este estudio demuestra que los modelos de lenguaje grandes (LLM) pueden predecir el comportamiento de viaje con una eficacia comparable a los modelos tradicionales, ya sea mediante estrategias de prompting sin entrenamiento o utilizando sus representaciones textuales para mejorar el aprendizaje supervisado en escenarios con pocos datos.
Este artículo propone un marco de agregación basado en transporte óptimo para combinar modelos de Mezcla de Expertos (MoE) distribuidos en un estimador global coherente, logrando un rendimiento comparable al entrenamiento centralizado con un único paso de comunicación y menores costos computacionales.
El artículo presenta MFedMC, un marco de aprendizaje federado multimodal eficiente en comunicación que aborda la heterogeneidad de los clientes y las limitaciones de ancho de banda mediante una arquitectura desacoplada y un algoritmo de selección conjunta de modalidades y clientes, logrando una reducción de la sobrecarga de comunicación superior a 20 veces sin sacrificar la precisión.
Este trabajo presenta HyWIA, un método novedoso de poda estructurada para modelos de lenguaje grandes que combina evaluaciones de importancia de pesos a granularidad fina y gruesa mediante un mecanismo de atención adaptativo, logrando un rendimiento superior en tareas posteriores en comparación con los enfoques actuales.
Este artículo presenta dos métodos para aproximar la información de Fisher en la estrategia de aprendizaje activo BAIT, reduciendo significativamente su complejidad computacional y permitiendo su aplicación eficiente y escalable en grandes conjuntos de datos como ImageNet sin sacrificar su rendimiento.
Este estudio aplica técnicas de aprendizaje automático explicables a un conjunto de datos de 28 años en el Golfo de Trieste para predecir con precisión la toxicidad de los mejillones causada por floraciones de algas nocivas, identificando especies clave de dinoflagelados y factores ambientales como predictores fundamentales para mejorar los sistemas de alerta temprana.
Este artículo presenta una formulación de control singular para problemas de parada óptima exploratoria mediante tiempos de parada aleatorizados y regularización por entropía residual, identificando la estrategia óptima única y proponiendo algoritmos de aprendizaje por refuerzo basados y libres de modelo con garantías de mejora de política.
Este artículo presenta el Operador Neuronal Mamba (MNO), un nuevo marco teórico que supera a los Transformers en la resolución de ecuaciones diferenciales parciales al integrar modelos de espacio de estado estructurados para capturar con mayor eficacia las dinámicas continuas y las dependencias de largo alcance.
El artículo presenta EarthquakeNPP, una nueva plataforma de referencia que corrige deficiencias en benchmarks anteriores y demuestra mediante experimentos que, a diferencia del modelo ETAS, los Procesos Puntuales Neuronales actuales aún no superan los métodos tradicionales para la predicción de sismos.
El artículo propone una teoría de memorización geométrica que demuestra cómo los modelos de difusión experimentan un colapso suave en su capacidad de variación a medida que los datos escasean, condensándose gradualmente en configuraciones de baja energía que replican ejemplos específicos antes de alcanzar una copia exacta.
El artículo presenta 3D-PIUNet, un método híbrido que mejora la reconstrucción de fuentes cerebrales en EEG al inicializar una red neuronal 3D con una solución física inversa, logrando así una mayor precisión espacial que los enfoques tradicionales y de aprendizaje profundo puros.
Este estudio propone un marco novedoso de aprendizaje continuo para clasificación de imágenes que adapta métodos de aprendizaje incremental por tareas al escenario sin identificador de tarea, utilizando detección de distribuciones fuera de distribución y normalización por lotes específica por tarea para predecir el identificador de tarea y equilibrar eficazmente la plasticidad y la estabilidad.
El artículo presenta CLIQUE, un nuevo método agnóstico al modelo para calcular la importancia local de variables que captura relaciones dependientes y comportamientos de interacción en problemas de clasificación multiclase, superando las limitaciones de técnicas populares como LIME y SHAP.
Este trabajo presenta una nueva red neuronal cuántica de una sola capa que utiliza el método de Base de Bloques Recursiva Estándar (SRBB) y optimiza la síntesis de unitarios reduciendo exponencialmente el número de puertas CNOT, validando su eficacia tanto en simulaciones como en hardware real.
Este artículo propone un modelo estadístico general para comparaciones por pares que elimina la suposición de transitividad estocástica, utilizando una matriz antisimétrica de baja dimensión para lograr un rendimiento predictivo superior y óptimo en escenarios complejos con datos dispersos.
El artículo presenta PoLAr-MAE, un modelo de aprendizaje auto-supervisado basado en la predicción de energía de puntos enmascarados que logra una eficiencia de datos excepcional al entrenarse con solo 100 eventos etiquetados para obtener un rendimiento de segmentación semántica comparable al de los métodos supervisados entrenados con más de 100.000 eventos en imágenes de cámaras de proyección temporal de argón líquido (LArTPC).
Este estudio propone un enfoque de aprendizaje automático basado en grafos para predecir los retrasos de vuelos causados por maniobras de espera, demostrando que un modelo CatBoost enriquecido con características de red supera a las Redes de Atención Gráfica (GAT) en este conjunto de datos desequilibrado y ofrece una herramienta web para simulaciones operativas en tiempo real.
Este trabajo propone un algoritmo de aprendizaje por refuerzo en línea basado en el optimismo para contextos de banda contextual y RL regularizados por KL, demostrando teóricamente que explora el paisaje de optimización benigno de la regularización para lograr un límite de arrepentimiento logarítmico, superando así las limitaciones de análisis previos que dependían de supuestos de cobertura fuertes o se reducían al escenario de RL tradicional.
El artículo presenta DIFU-Ada, un marco de adaptación en tiempo de inferencia sin entrenamiento que permite a los solucionadores de optimización combinatoria basados en difusión lograr una generalización cero-shot entre diferentes problemas y escalas, demostrando que un modelo entrenado exclusivamente en el Problema del Viajante (TSP) puede resolver eficazmente variantes como el TSP de Recolección de Premios y el Problema de Orientación.