3900 artículos
Este artículo propone un marco de esteganografía de imágenes robusto basado en GAN que utiliza un generador, un discriminador y un extractor CNN para incrustar y recuperar texto secreto con alta calidad visual (PSNR ~41.29 dB), una fuerte resistencia a ataques de ruido y compresión, y velocidades de procesamiento rápidas.
Este artículo propone un método de planificación de trayectorias impulsado por la física (RNPG) que aprovecha el potencial exacto de una red de resistencias cuadriláteras superestructuradas esféricas para permitir una navegación eficiente, estable e interpretable tanto en entornos estáticos como dinámicos.
Este artículo propone el Marco de Lingüística Profunda de Próxima Generación para la Identificación Inteligente de la Credibilidad de Artículos (NGDLF-IACI), una metodología basada en aprendizaje profundo que combina incrustaciones GloVe, un autoencoder disperso apilado y una red convolucional de grafos dentro de un ensamble de votación suave para detectar y clasificar eficazmente las noticias falsas.
DA-MSRNet es una red de doble rama CNN-Mamba que aborda los desafíos de la segmentación de grietas mediante la integración de un Módulo de Alineación Deformable y Fusión de Ramas, un Módulo de Reconstrucción de Características Multiescala y una Supervisión Colaborativa de Frontera-Topología para lograr una precisión y continuidad estructural superiores en conjuntos de datos de referencia.
Este estudio reconstruye y analiza un conjunto de interacciones de múltiples turnos, seleccionadas de manera deliberada, a través de cuatro familias de proveedores de IA para el consumidor con el fin de demostrar que los límites de seguridad articulados explícitamente por los asistentes no siempre mantienen la consistencia conductual cuando se aplican en reencuadres contextuales posteriores, resaltando una brecha longitudinal entre la explicación y la ejecución sin establecer la prevalencia, los mecanismos causales o las clasificaciones de los proveedores.
Este informe establece el primer marco de reconocimiento de habla visual a nivel de carácter para el bengalí mediante la definición de la tarea, la estandarización de un protocolo de evaluación en el corpus LipBengal y el reporte de un resultado base independiente del hablante para servir como punto de referencia para investigaciones futuras.
Este artículo presenta la Fusión de Acción y Confianza Bayesiana (BTAF, por sus siglas en inglés), un marco de control de acceso ligero y adaptativo al riesgo para sistemas IoT con restricciones de recursos que utiliza la clasificación bayesiana gaussiana y la regresión de cresta bayesiana para equilibrar dinámicamente la seguridad y la fricción operativa, logrando una alta detección de ataques y una reducción de la interrupción benigna en regímenes de desarrollo, al tiempo que destaca la necesidad de recalibración ante cambios en la distribución.
Este estudio demuestra que evaluar los modelos de lenguaje de gran tamaño únicamente en función del acuerdo del punto final es insuficiente para escenarios de altas consecuencias como el triaje en la UCI, ya que un análisis multidimensional de nueve sistemas reveló inconsistencias significativas en su capacidad para recuperar criterios rectores, estados fácticos y fidelidad retrospectiva a través de trayectorias de interacción simuladas.
Este estudio evalúa el rendimiento de GPT-4o-mini frente a Llama-3.1-8B en un corpus de noticias nigerianas para la extracción del impacto de peligros climáticos, revelando que, si bien ambos modelos se desempeñan de manera similar en la clasificación, GPT-4o-mini ofrece una precisión superior y tasas de alucinación significativamente menores, lo que destaca un compromiso crítico de fiabilidad para la documentación de alto riesgo en contextos del Sur Global.
Este artículo presenta DASH-SI, un optimizador de enjambre híbrido estocástico adaptativo a la diversidad que integra la programación de energía dependiente del tiempo con la retroalimentación de estancamiento y diversos operadores de refinamiento, demostrando un sólido desempeño en pruebas de referencia de optimización continua y tareas de selección de características, al tiempo que enfatiza la necesidad de implementaciones de referencia verificadas para respaldar afirmaciones más amplias de superioridad.