2365 artículos
Este artículo propone un método para estimar la forma y la pose 3D completa de objetos transparentes a partir de una única imagen RGB-D mediante el aprovechamiento de YOLO11 para la detección inicial y la optimización iterativa de un modelo de forma estadística específico de la categoría para superar las limitaciones de los sensores de profundidad convencionales.
CAPE-Net es un clasificador de salida temprana conforme, adaptativo y consciente del drift que permite a los ISP realizar una clasificación de tráfico cifrado precisa, certificada y mantenible sobre metadatos de secuencias de paquetes mediante la integración de garantías de error libres de distribución, abstención ante aplicaciones desconocidas y una reparación de drift eficiente por clase dentro de un único modelo compacto.
Este artículo propone y evalúa un marco de Control de Acceso Basado en Políticas (PBAC) habilitado por blockchain implementado en Hyperledger Besu mediante contratos inteligentes de Solidity para lograr un intercambio de datos médicos seguro, centrado en el paciente y conforme al RGPD con consentimiento dinámico y auditoría transparente, demostrando un equilibrio entre la eficiencia del rendimiento y la autonomía del paciente a través de diversos mecanismos de consenso.
Esta revisión sistemática de la literatura, que se adhiere a las directrices PRISMA 2020, analiza 32 estudios sobre el uso de modelos de lenguaje de gran tamaño para el descubrimiento matemático con el fin de identificar siete paradigmas técnicos, resaltar la eficacia superior de la búsqueda evolutiva combinada con la verificación formal y proporcionar una taxonomía que guíe la investigación futura en este campo.
Este artículo propone un método de detección de ciberataques en IIoT que combina técnicas de procesamiento de desequilibrio de clases, como Borderline-SMOTE, con un modelo CNN–BiLSTM–Attention para mejorar significativamente el reconocimiento de las clases de ataque minoritarias y el rendimiento general de detección en el conjunto de datos TON-IoT.
Este artículo presenta TrustSLM, un marco de trabajo consciente de la confianza que agrega salidas de múltiples modelos de lenguaje extensos utilizando métricas de confiabilidad para detectar alucinaciones, identificar la paradoja de la exactitud de los errores excesivamente confiados y regular las respuestas mediante una política de abstención controlada para un despliegue de IA más seguro.
Este artículo propone YOLOv11-AHFE, un nuevo algoritmo de detección de defectos superficiales que integra una transformada wavelet de doble flujo y un módulo de mejora de alta frecuencia en la arquitectura YOLOv11 para preservar y recuperar detalles críticos de alta frecuencia perdidos durante el submuestreo tradicional, mejorando así significativamente la detección de defectos complejos y de pequeña escala en superficies metálicas.
Este artículo demuestra que la adopción de un objetivo de entrenamiento minimax, el cual optimiza a los agentes de rediseño de redes contra una cartera de ataques de caso peor computada dinámicamente en lugar de una única estrategia fija, cierra significativamente la "Brecha de Degradación Adaptativa" y produce topologías con una robustez de caso peor superior contra adversarios con capacidad de reconocimiento, independientemente del optimizador específico utilizado.
Este artículo propone AGHA-Net, un novedoso marco de aprendizaje profundo que integra la convolución de grafos adaptativa, unidades recurrentes de puerta espaciotemporales y un mecanismo de atención híbrido de doble rama para mejorar significativamente la precisión y la estabilidad de la predicción del flujo de pasajeros en el tránsito ferroviario urbano a corto plazo mediante la captura efectiva de dependencias espaciales dinámicas y patrones temporales complejos.
Este artículo presenta y evalúa un flujo de trabajo híbrido y fuera de línea para la desidentificación de registros clínicos en portugués brasileño utilizando modelos de lenguaje locales de pesos abiertos y filtros basados en reglas, demostrando una alta sensibilidad y estabilidad en hardware modesto sin requerir un ajuste fino específico para la tarea.