cs.NE artículos | Gist.Science

Self-Supervised Evolutionary Learning of Neurodynamic Progression and Identity Manifolds from EEG During Safety-Critical Decision Making

Este trabajo propone un marco de aprendizaje evolutivo auto-supervisado (SSEL) que descubre progresiones neurodinámicas y manifolds de identidad individuales a partir de señales EEG sin etiquetas, mejorando significativamente la autenticación y la detección de anomalías en entornos de toma de decisiones críticos para la seguridad, como la interacción humano-vehículo.

Xiaoshan Zhou, Carol C. Menassa, Vineet R. KamatTue, 10 Ma💻 cs

A Primer on Evolutionary Frameworks for Near-Field Multi-Source Localization

Este artículo presenta dos nuevos marcos evolutivos basados en modelos (NEMO-DE y NEEF-DE) para la localización de múltiples fuentes en campo cercano que operan directamente sobre el modelo de señal de onda esférica continua, eliminando la necesidad de cuadrículas discretizadas o datos etiquetados y superando las limitaciones de los métodos tradicionales.

Seyed Jalaleddin Mousavirad, Parisa Ramezani, Mattias O'Nils, Emil BjörnsonTue, 10 Ma💻 cs

Multi-Objective Evolutionary Optimization of Chance-Constrained Multiple-Choice Knapsack Problems with Implicit Probability Distributions

Este artículo presenta NHILS, un algoritmo evolutivo híbrido que combina el método de asignación eficiente de recursos OPERA-MC con NSGA-II para resolver problemas de mochila de múltiples opciones con restricciones de probabilidad implícitas, logrando un equilibrio óptimo entre costo y confiabilidad en configuraciones de redes 5G.

Xuanfeng Li, Shengcai Liu, Wenjie Chen, Yew-Soon Ong, Ke TangTue, 10 Ma💻 cs

Structure from Rank: Rank-Order Coding as a Bridge from Sequence to Structure

Este estudio propone un modelo de red neuronal basado en codificación por orden de rango que, inspirado en la vía STG-LIFG-PMC, demuestra cómo la información secuencial puede comprimirse en representaciones abstractas para generar estructuras jerárquicas, detectar novedades globales y distinguir entre variaciones superficiales y violaciones estructurales, sugiriendo que este mecanismo sirve como puente hacia la generalización proto-sintáctica.

Xiaodan Chen, Alexandre Pitti, Mathias Quoy, Nancy ChenTue, 10 Ma💻 cs

Evolving Symbiosis, from Barricelli's Legacy to Collective Intelligence: a simulated and conceptual approach

Este informe del grupo SymBa en el taller ALICE 2026 documenta la replicación y extensión de los experimentos pioneros de Nils Aall Barricelli sobre la simbiogénesis de organismos numéricos, explorando su papel en el origen de la vida y la inteligencia colectiva mediante simulaciones en espacios unidimensionales y bidimensionales, así como pruebas preliminares con normas de ADN.

James Ashford, Marko Cvjetko, Richard Löffler, Berfin Sakallioglu, Alessandro Valerio, Marta Tataryn, Benedikt Hartl, Léo Pio-Lopez, Stefano NicheleTue, 10 Ma💻 cs

Pareto-Optimal Anytime Algorithms via Bayesian Racing

El artículo presenta PolarBear, un marco basado en inferencia bayesiana y rankings que identifica el conjunto de Pareto de algoritmos de optimización en tiempo real sin necesidad de normalización ni conocer los óptimos, permitiendo una selección coherente bajo presupuestos computacionales inciertos.

Jonathan Wurth, Helena Stegherr, Neele Kemper, Michael Heider, Jörg HähnerTue, 10 Ma🤖 cs.LG

Scalable Multi-Task Learning through Spiking Neural Networks with Adaptive Task-Switching Policy for Intelligent Autonomous Agents

El artículo presenta SwitchMT, un método innovador que utiliza redes neuronales de espigas con conmutación de tareas adaptativa para mejorar el aprendizaje multitarea escalable de agentes autónomos, mitigando la interferencia entre tareas sin aumentar la complejidad de la red.

Rachmad Vidya Wicaksana Putra, Avaneesh Devkota, Muhammad ShafiqueThu, 12 Ma🤖 cs.AI

Panda: A pretrained forecast model for chaotic dynamics

El artículo presenta Panda, un modelo de pronóstico preentrenado que, tras ser entrenado exclusivamente en un conjunto de datos sintéticos de sistemas caóticos, demuestra capacidades emergentes como la predicción en cero disparos de sistemas no vistos, la generalización de ecuaciones diferenciales ordinarias a parciales y el rendimiento efectivo en series temporales experimentales del mundo real.

Jeffrey Lai, Anthony Bao, William GilpinThu, 12 Ma🌀 nlin

Differential Privacy in Machine Learning: A Survey from Symbolic AI to LLMs

Esta encuesta revisa la evolución de la privacidad diferencial desde sus fundamentos teóricos hasta su integración en modelos de aprendizaje automático, abarcando desde la IA simbólica hasta los grandes modelos de lenguaje, con el fin de ofrecer una visión integral para el desarrollo de sistemas de IA seguros y responsables.

Francisco Aguilera-Martínez, Fernando BerzalThu, 12 Ma🤖 cs.AI

GOT-JEPA: Generic Object Tracking with Model Adaptation and Occlusion Handling using Joint-Embedding Predictive Architecture

El artículo presenta GOT-JEPA, un marco de preentrenamiento predictivo que adapta modelos de seguimiento mediante una arquitectura de incrustación conjunta para mejorar la generalización y el manejo de oclusiones, complementado por OccuSolver para refinar la estimación de visibilidad y los patrones de oclusión.

Shih-Fang Chen, Jun-Cheng Chen, I-Hong Jhuo, Yen-Yu LinThu, 12 Ma🤖 cs.AI

Intrinsic Numerical Robustness and Fault Tolerance in a Neuromorphic Algorithm for Scientific Computing

Este estudio demuestra que un algoritmo neuromórfico nativamente espigante para resolver ecuaciones diferenciales parciales posee una robustez intrínseca y tolerancia a fallos, manteniendo su precisión incluso con la eliminación de hasta el 32% de las neuronas y el 90% de las espigas, gracias a su inspiración cerebral.

Bradley H. Theilman, James B. AimoneThu, 12 Ma🤖 cs.AI

Muscle Synergy Priors Enhance Biomechanical Fidelity in Predictive Musculoskeletal Locomotion Simulation

Los autores presentan un marco de aprendizaje por refuerzo informado por la fisiología que utiliza sinergias musculares extraídas de datos experimentales limitados para generar simulaciones de locomoción humana tridimensional estables y biomecánicamente fieles en diversas condiciones de terreno y velocidad.

Ilseung Park (Carnegie Mellon University), Eunsik Choi (Seoul National University), Jangwhan Ahn (UNC-Chapel Hill and NC State University), Jooeun Ahn (Seoul National University)Thu, 12 Ma🤖 cs.LG

Resource-constrained Amazons chess decision framework integrating large language models and graph attention

Este artículo presenta un marco híbrido ligero para el juego de las Amazonas que integra modelos de lenguaje grandes con aprendizaje basado en grafos para superar las limitaciones de recursos, logrando un rendimiento superior al de su modelo base mediante el uso de datos sintéticos y mecanismos de filtrado estructural.

Tianhao Qian, Zhuoxuan Li, Jinde Cao, Xinli Shi, Hanjie Liu, Leszek RutkowskiThu, 12 Ma🤖 cs.AI

An Event-Driven E-Skin System with Dynamic Binary Scanning and real time SNN Classification

Este trabajo presenta un sistema de piel electrónica (e-skin) totalmente integrado que combina una matriz táctil de 16x16 con un algoritmo de escaneo binario basado en eventos y una red neuronal de impulsos (SNN) en FPGA, logrando una clasificación en tiempo real de dígitos manuscritos con una eficiencia energética y de datos significativamente mejorada sin sacrificar la precisión.

Gaishan Li, Zhengnan Fu, Anubhab Tripathi, Junyi Yang, Arindam BasuThu, 12 Ma💻 cs

ForwardFlow: Simulation only statistical inference using deep learning

El artículo presenta ForwardFlow, un enfoque de inferencia estadística basado únicamente en simulaciones que utiliza una red neuronal profunda con estructura ramificada para resolver el problema inverso de estimación de parámetros, demostrando propiedades deseables como exactitud en muestras finitas, robustez ante contaminación de datos y la capacidad de aproximar algoritmos complejos como el EM.

Stefan BöhringerThu, 12 Ma📊 stat

COMIC: Agentic Sketch Comedy Generation

El artículo presenta COMIC, un sistema automatizado de IA que genera videos de comedia tipo sketch mediante una población de agentes inspirados en roles de producción y críticos de LLM alineados con preferencias reales de audiencia, logrando resultados de calidad profesional y rendimiento de vanguardia en la generación de video.

Susung Hong, Brian Curless, Ira Kemelmacher-Shlizerman, Steve SeitzThu, 12 Ma💬 cs.CL

TT-SNN: Tensor Train Decomposition for Efficient Spiking Neural Network Training

El artículo presenta TT-SNN, un método innovador que aplica la descomposición Tensor Train y un pipeline de computación paralela a las Redes Neuronales de Spikes (SNN) para reducir drásticamente el tamaño del modelo, las operaciones de punto flotante y el tiempo de entrenamiento, logrando una mayor eficiencia energética con una degradación de precisión mínima.

Donghyun Lee, Ruokai Yin, Youngeun Kim, Abhishek Moitra, Yuhang Li, Priyadarshini PandaMon, 09 Ma💻 cs

Predictive Coding Networks and Inference Learning: Tutorial and Survey

Este trabajo ofrece una revisión exhaustiva y una especificación formal de las redes de codificación predictiva, situándolas como un marco versátil y biológicamente plausible dentro de la inteligencia artificial moderna que supera las limitaciones de la retropropagación tradicional.

Björn van Zwol, Ro Jefferson, Egon L. van den BroekMon, 09 Ma🤖 cs.AI

A Digital Pheromone-Based Approach for In-Control/Out-of-Control Classification

Este estudio propone un método bioinspirado en el comportamiento de las colonias de hormigas que utiliza un sistema de puntuación basado en feromonas digitales para clasificar en tiempo real y predecir las transiciones entre estados de control y fuera de control en líneas de producción industriales, como la fritura de patatas.

Pedro Pestana, M. Fátima BrilhanteMon, 09 Ma💻 cs

Predictive Coding Graphs are a Superset of Feedforward Neural Networks

El artículo demuestra que los gráficos de codificación predictiva (PCGs) constituyen un superconjunto matemático de las redes neuronales de alimentación hacia adelante, lo que fortalece su posición dentro del aprendizaje automático y resalta la importancia de la topología en las redes neuronales.

Björn van ZwolMon, 09 Ma🤖 cs.AI

← Anterior Siguiente →