1062 artículos
Este estudio demuestra que un clasificador de Máquina de Vectores de Soporte (SVM), optimizado mediante ocho características clave seleccionadas del conjunto de datos de Cleveland, logra un rendimiento superior con una precisión del 90,28 % y un AUC del 93 % en la predicción de dolencias cardíacas en comparación con otros treinta clasificadores.
Durante un periodo de dos años, UNC Health mejoró su marco de IA Responsable mediante la implementación de un sistema de tres niveles basado en el riesgo que mejoró significativamente la eficiencia de la evaluación y redujo los tiempos de espera manteniendo una supervisión rigurosa, lo que resultó en la revisión exitosa de 64 soluciones y el establecimiento de mecanismos robustos de monitoreo post-implementación con eventos adversos mínimos.
Este artículo desafía la premisa de que el reparticionamiento activo es universalmente necesario para los índices de búsqueda vectorial bajo el desplazamiento de datos, demostrando mediante pruebas de rendimiento controladas que las particiones estáticas son suficientes para una rotación moderada, al tiempo que revela que el recentrado incremental es la solución más rentable para cambios significativos en la distribución, proporcionando finalmente un mapa de regímenes y una regla de decisión para que los profesionales determinen cuándo se requiere realmente el mantenimiento.
Este artículo presenta un marco de aprendizaje por refuerzo multiagente para la coordinación segura de robots industriales, demostrando mediante simulación que, si bien un modelo base determinista y codicioso supera a la política de MARL segura propuesta en eficiencia, esta última permite patrones de comunicación emergentes y resalta la necesidad crítica de un ancho de banda de comunicación adaptativo para mitigar los riesgos de colisión a medida que el tamaño de la flota aumenta.
Este artículo demuestra que un marco de aprendizaje automático consciente de la decisión para la alerta temprana académica supera a los enfoques tradicionales basados en reglas y en umbrales de probabilidad al reducir las intervenciones omitidas y estrechar las disparidades de equidad mediante decisiones de apoyo sensibles al contexto derivadas de estimaciones de riesgo calibradas.
Este artículo propone un marco impulsado por IA que integra el mantenimiento predictivo y la optimización de procesos para mejorar la eficiencia operativa y la confiabilidad del sistema en la manufactura industrial mediante el aprovechamiento de datos de sensores en tiempo real para la detección de fallas, la estimación de la Vida Útil Remanente y el ajuste dinámico de parámetros.
Este artículo presenta un estudio de aprendizaje automático que predice con éxito los resultados de partidos de voleibol profesional con una precisión superior al 93% utilizando modelos de Gradient Boosting y Random Forest entrenados con datos sintéticos y validados con partidos reales de la PlusLiga polaca, identificando el OPI y el diferencial de puntos de break como las características predictivas más críticas.
Este artículo propone un marco de seguridad consciente de la confianza impulsado por IA para Redes de Radio Cognitiva que integra la detección basada en Random Forest y la evaluación de confianza Bayesiana para mitigar eficazmente los ataques de SSDF, PUE y jamming, logrando una alta precisión de detección y mejorando significativamente la fiabilidad y el rendimiento de la red incluso bajo condiciones de ataque severas y niveles bajos de SNR.
Este artículo propone CATBridge, un marco de mejora de conocimiento de múltiples etapas que aprovecha un mecanismo de colaboración profesor-alumno para guiar a los LLM ligeros en la consecución de una precisión de alineación CVE-ATT&CK superior en entornos de bajos recursos, superando significativamente tanto a los métodos de vanguardia como a los modelos de gran escala de tipo zero-shot.
Este estudio evalúa el enrutamiento híbrido clásico-cuántico para un centro de datos espacial de 10 nodos utilizando un flujo de trabajo CUDA-Q, encontrando que mientras los backends fotónicos logran una precisión superior con baja latencia, los backends de circuitos cuánticos variacionales (VQC) incurren en penalizaciones de latencia prohibitivas a pesar de ofrecer estructuras de estados cuánticos más ricas.