69 artículos
Este artículo presenta "Soft QD", un nuevo marco de optimización que evita la discretización del espacio de comportamientos mediante un enfoque diferenciable llamado SQUAD, el cual demuestra ser competitivo con los métodos actuales y ofrece una mejor escalabilidad en problemas de alta dimensionalidad.
El artículo presenta NeuroPareto, una arquitectura que integra filtrado basado en rangos, desentrañamiento de incertidumbre y estrategias de adquisición condicionadas al historial para optimizar eficientemente problemas de muchos objetivos en espacios de parámetros vastos y costosos, superando a los métodos existentes en proximidad al frente de Pareto e hipervolumen.
El artículo presenta mlx-snn, la primera biblioteca nativa de redes neuronales de espigas (SNN) para Apple Silicon basada en el framework MLX, que ofrece un pipeline de entrenamiento completo, múltiples modelos de neuronas y codificaciones de picos, logrando una mayor eficiencia y rendimiento en comparación con soluciones existentes como snnTorch.
Este estudio demuestra que la reformulación algebraica de funciones objetivo en problemas de optimización permutativa genera desviaciones locales estructuradas del Teorema de No Hay Almuerzo Gratis, alterando los patrones de rendimiento y las clasificaciones de algoritmos incluso cuando el espacio de funciones subyacente mantiene la simetría global.
Este trabajo presenta un marco de co-optimización conjunta de hardware y carga de trabajo basado en un algoritmo evolutivo mejorado para diseñar arquitecturas de aceleradores de computación en memoria (IMC) generalizadas que reducen significativamente la brecha de rendimiento frente a diseños específicos de carga de trabajo, logrando disminuciones de hasta un 95,5% en el producto energía-retardo-área (EDAP) al optimizar para múltiples modelos neuronales.
Este artículo propone un indicador de convergencia adaptativo basado en las condiciones KKT y la normalización cuantil para evaluar el comportamiento de algoritmos de optimización multiobjetivo sin depender de conjuntos de referencia externos, mejorando así la robustez frente a distribuciones heterogéneas de residuos de estacionariedad.
Este artículo presenta un modelo de optimización vectorial estocástica basado en ecuaciones diferenciales estocásticas, que incluye un análisis teórico de estabilidad de Lyapunov, una implementación en el framework pymoo y una evaluación empírica que demuestra su viabilidad como alternativa analíticamente tratable en problemas de alta dimensión con presupuestos de evaluación limitados.
El artículo presenta VietNormalizer, una biblioteca Python de código abierto y sin dependencias que normaliza texto vietnamita mediante un pipeline basado en reglas para convertir números, fechas, monedas, acrónimos y préstamos lingüísticos en formas habladas, optimizando así su uso en aplicaciones de síntesis de voz y procesamiento del lenguaje natural.
El artículo presenta el método de "dropout", que mejora el rendimiento de las redes neuronales en tareas de reconocimiento al prevenir el sobreajuste mediante la omisión aleatoria de detectores de características durante el entrenamiento, lo que fomenta la robustez y establece nuevos récords en benchmarks.