3900 artículos
Este estudio propone un modelo de catástrofe de cúspide teóricamente fundamentado que aprovecha la relevancia y la heterogeneidad del conocimiento para permitir la identificación temprana de avances científicos, demostrando su eficacia al capturar la mayoría de las investigaciones transformadoras en IA, física y biomedicina.
El artículo propone HySEAtt-DDI, un marco de aprendizaje profundo multimodal que integra información química, biológica y semántica de fármacos a través de una arquitectura híbrida de CNN, bloques de Squeeze-and-Excitation y mecanismos de autoatención para lograr un rendimiento de vanguardia en la predicción de interacciones fármaco-fármaco.
Este estudio demuestra que los modelos transformadores biomédicos, específicamente BiomedBERT, entrenados únicamente con probabilidades de resultados automatizadas a partir de textos de registros de ensayos clínicos públicos, pueden predecir con eficacia el éxito de los ensayos de neurociencia en fases posteriores con alta precisión, reproducibilidad y un costo computacional mínimo, evitando la filtración de datos mediante una rigurosa validación temporal y restricciones de entrada.
Este artículo presenta la Agregación de Confianza Hospitalaria (HTA, por sus siglas en inglés), un nuevo método de aprendizaje federado para imágenes médicas que combina el acuerdo direccional, la plausibilidad de la magnitud y la precisión de referencia para mitigar clientes maliciosos bajo datos no IID, al tiempo que establece un punto de referencia exhaustivo que revela la superioridad de HTA en el manejo de la colusión y los ataques a nivel de datos, pero también destaca la limitación fundamental de las señales de confianza basadas en la magnitud para distinguir entre valores atípicos honestos y adversarios bajo una severa heterogeneidad médica.
Este artículo presenta un marco reutilizable para mecanizar algoritmos de paso de mensajes asíncronos en Rocq, demostrado mediante una formalización completa y libre de objetivos admitidos del algoritmo Echo que prueba la corrección en el tiempo de decisión mediante invariantes inductivos e inducción bien fundada sin asumir la equidad en la entrega.
Este artículo propone una arquitectura híbrida cuántica-clásica paralela y eficiente en parámetros para la clasificación de imágenes que aprovecha un extractor de características clásicas compartido y múltiples ramas cuánticas con diversas estrategias de codificación y topologías de entrelazamiento para lograr una precisión competitiva en los conjuntos de datos MNIST, CIFAR-10 e imágenes térmicas.
Este artículo presenta un marco de Dinámica Reducida Neuronal (NRD, por sus siglas en inglés) que aprende abstracciones de estado relevantes para el control para permitir un aprendizaje por refuerzo de alto rendimiento, entrenando con éxito políticas en un modelo cuatro órdenes de magnitud más rápido que los simuladores de alta fidelidad que se transfieren eficazmente a tareas robóticas complejas a través de diversos terrenos sin degradación del rendimiento.
Este artículo propone PBAC-ZTA, un marco de control de acceso basado en polinomios y adaptativo a la confianza para entornos de nube de Confianza Cero que integra autorización continua, revocación dinámica y detección de anomalías de comportamiento para superar a los modelos tradicionales en escalabilidad, seguridad criptográfica y eficiencia en la toma de decisiones en tiempo real.
Este artículo presenta un modelo de Defensa Bayesiana Dinámica Consciente del Tipo de Ataque (ATA-DBD, por sus siglas en inglés) que mejora un juego de suma no nula de tres niveles mediante la distinción entre ataques de fuerza bruta e inyección SQL a través de estructuras de recompensa separadas y un proceso dinámico de actualización de creencias, demostrando un éxito de defensa, eficiencia de recursos y utilidad superiores en comparación con las estrategias estáticas y agrupadas en simulaciones controladas.
Este artículo presenta un estudio de caso computacional que audita un flujo de trabajo de descubrimiento de fármacos mediante agentes de IA para SMPD1, demostrando cómo la revisión adversaria expuso errores críticos que alteraron las conclusiones centrales y resaltando las limitaciones de los mecanismos actuales de autorevisión, al tiempo que proporciona un protocolo de auditoría reutilizable en lugar de un candidato a fármaco validado.