1062 artículos
Este artículo propone un método basado en Transformer multimodal que integra datos de video, audio y actitud para evaluar de manera robusta los niveles de atención de los preescolares en las aulas, demostrando un rendimiento y una estabilidad superiores a través de varios estados de concentración en comparación con los modelos base.
Este artículo aborda el desafío de detectar imágenes de productos generadas por IA en el comercio electrónico transfronterizo mediante la introducción del conjunto de datos CBEC-AIGC-Bench y la propuesta de MFF-EComDet, una red de fusión de características múltiples que combina ramas de artefactos semánticos espaciales y de frecuencia con un mecanismo de atención cruzada para distinguir eficazmente los artefactos de generación de la interferencia del texto promocional.
FluxGraph es un marco de trabajo no supervisado para la detección de anomalías en series temporales que sinergiza la atención de grafos dinámicos con la memoria de flujo y el flujo de características bidireccional para identificar eficazmente anomalías de mascarada sutiles y derivas graduales de la línea base en sistemas industriales y automotrices, superando a los métodos existentes mediante un novedoso enfoque de fusión de multirresiduos.
Este artículo propone un marco de múltiples capas que mejora la fiabilidad fáctica de los modelos de lenguaje extensos mediante la descomposición de las respuestas en afirmaciones atómicas, su fundamentación con recuperación y su verificación a través de un modelo de lenguaje pequeño y razonamiento neurosimbólico, logrando mejoras significativas de rendimiento en los conjuntos de datos HotpotQA y SciFact mientras mantiene la interpretabilidad y la eficiencia computacional.
Este artículo presenta un marco neuronal con restricciones de conocimiento que integra reglas geométricas formales en un modelo de completación de grafos para garantizar la simetría rotacional exacta y la validez estructural en los patrones geométricos islámicos, demostrando que, si bien el aumento de datos mejora la fidelidad, solo la inferencia estructurada por simetría asegura cero violaciones.
GeoMind es un marco de trabajo multiagente autónomo que integra un LLM local, inyección de contexto basada en RAG y un validador geoespacial determinista dentro de un sistema de autocorrección de bucle cerrado para lograr una tasa de éxito de tareas del 90% de vanguardia y una precisión espacial significativamente mejorada en el análisis geoespacial, superando eficazmente las alucinaciones semánticas y geográficas comunes en los LLM de propósito general.
Este artículo presenta un banco de pruebas validado estadísticamente de modelos de Perceptrón Multicapa, XGBoost y Random Forest para la clasificación sin contacto de patrones respiratorios mediante Radio Definida por Software, demostrando que el MLP y Random Forest logran una precisión superior sobre XGBoost al identificar los patrones de respiración rápida y apnea del sueño como los más difíciles de distinguir y resaltando la mayor brecha de generalización de Random Forest debido al sobreajuste.
Este artículo presenta un Asistente de Fisioterapia Inteligente impulsado por IA que utiliza visión artificial y aprendizaje automático para proporcionar análisis de postura y retroalimentación correctiva en tiempo real a través de una interfaz web, permitiendo así una rehabilitación accesible, rentable y a su propio ritmo sin la supervisión constante de un terapeuta.
Este estudio presenta LGBM-BBB, un servidor web de alta velocidad y precisión para predecir la permeabilidad de la barrera hematoencefálica que utiliza LightGBM entrenado con un conjunto optimizado de 59 características con manejo de valores atípicos winsorizados y optimización del umbral del Coeficiente de Correlación de Matthews para facilitar el descubrimiento eficiente de fármacos neuroterapéuticos.
Este artículo presenta un marco integral que combina la generación de nudos basada en LSTM, el modelado de crecimiento estocástico y los modelos de difusión condicional para crear tablas de pícea sintéticas realistas con estructuras internas conocidas, permitiendo así el entrenamiento de sistemas de aprendizaje profundo para tareas de evaluación de la madera donde los datos reales emparejados son escasos.