1062 artículos
El artículo presenta la Red de Destilación Progresiva en Cascada (CPDN, por sus siglas en inglés), un novedoso marco de aprendizaje profundo que aprovecha la destilación de conocimiento de un maestro CatBoost para superar el estancamiento de la optimización y los problemas de no diferenciabilidad, logrando un rendimiento de clasificación de vanguardia en datos tabulares heterogéneos.
Este artículo demuestra que un enfoque de entrenamiento centralizado con ejecución descentralizada (CTDE) utilizando QMIX supera significativamente al aprendizaje Q independiente (IQL) y a las líneas de base no basadas en RL en la coordinación de la carga de vehículos eléctricos dentro de ciudades inteligentes, logrando mayores tasas de aceptación y probabilidades de éxito mientras gestiona eficazmente la observabilidad parcial y la dinámica del tráfico.
Esta revisión sistemática de 445 estudios recientes (2024–2026) identifica a los híbridos CNN-Mamba como la arquitectura más eficiente para el diagnóstico por imágenes médicas debido a su complejidad computacional lineal, al tiempo que destaca desafíos críticos como la pérdida de información espacial y el consumo de memoria que deben abordarse mediante bloques 3D nativos para permitir la integración clínica.
Este artículo propone y evalúa un marco híbrido de detección de intrusiones que combina el aprendizaje supervisado (Random Forest y XGBoost) con un modelo de detección de anomalías basado en un Autoencoder LSTM sobre conjuntos de datos alineados de IoT y la nube, demostrando que, si bien este enfoque mejora significativamente la robustez de la detección y la exhaustividad para ataques no vistos, requiere un compromiso con un aumento de los falsos positivos y una reducción de la precisión.
Este artículo propone YOLOv10n-FBD, un modelo ligero de detección de madurez de tomates cherry que integra la fusión de características CCFM, la atención PSA-BiFormer y una estrategia C2f-Dual para lograr una alta precisión (94.3% mAP) y velocidad (369 FPS) al tiempo que reduce significativamente el tamaño del modelo y la complejidad computacional en comparación con los métodos existentes.
Este estudio propone un sistema de reconocimiento de voz basado en LSTM para el idioma asamés de bajos recursos, utilizando un conjunto de datos de autoría propia y características acústicas híbridas para lograr una precisión del 95%, al tiempo que destaca los desafíos planteados por las similitudes fonéticas entre las vocales.
Este artículo propone un algoritmo basado en el contexto visual y en el campo receptivo espacial que integra el modelado de espacio de estados residuales, vectores de guía y atención deformable multiescala para restaurar eficazmente los murales de Dunhuang al abordar el olvido de píxeles locales y la percepción espacial insuficiente, mejorando así significativamente las métricas de calidad de restauración.
Este artículo propone un marco de trabajo de Red Neuronal Cruzada Profunda (DCNN) que logra una precisión del 98,4% en la detección de troyanos de hardware sigilosos en circuitos VLSI basados en FPGA mediante la extracción y correlación de características estructurales y funcionales, ofreciendo una solución confiable que reduce la dependencia de modelos de referencia dorados.
Esta revisión sistemática de 104 estudios revela que la investigación sobre accesibilidad digital está dominada por herramientas automatizadas y concentrada en los sectores de educación y gobierno, creando una "brecha de evaluación-acción" donde la conveniencia metodológica y el sesgo sectorial han desplazado los enfoques centrados en el usuario y no han logrado resolver las persistentes barreras de accesibilidad durante la última década.
El artículo presenta OntoLearner, un marco modular de código abierto que unifica el acceso a ontologías, los procesos de aprendizaje impulsados por LLM y la evaluación comparativa estandarizada a través de 22 dominios, revelando que el principal cuello de botella en el aprendizaje de ontologías es un desajuste estructural entre la codificación del conocimiento del modelo y la organización ontológica, más que la capacidad del modelo.