💻 computer science

Training-Time Regularization for Inference-Time Monitoring-A Unified Framework for Self-Supervised World Models

Este artículo identifica y aborda el "dilema de la regularización-monitoreo", un conflicto fundamental donde la gaussianización marginal requerida para el entrenamiento estable de modelos de mundo autosupervisados (como los JEPA) suprime inadvertidamente las estructuras geométricas discriminativas necesarias para una detección de anomalías fiable en el tiempo de inferencia.

Yu-Xiang Wu, Yuyan Wu2026-08-03
💻 computer science

Melanoma Detection Using Deep Convolutional Neural Networks: Architectures, Datasets, and Performance

Este artículo presenta una revisión sistemática de las arquitecturas de redes neuronales convolucionales profundas, los conjuntos de datos y las estrategias de preprocesamiento para la detección automatizada del melanoma, destacando su alta precisión, los desafíos actuales como el desequilibrio de clases e interpretabilidad, y las direcciones futuras como el aprendizaje federado y los modelos híbridos.

Kazi Abdul Mannan, Mashrafi Ahmed2026-08-03
💻 computer science

When Does Causal Pretraining Beat Direct Small-Data Causal Learning? Towards a causal foundation model

Este artículo presenta SciCFM, un marco de modelo fundacional causal que demuestra que el preentrenamiento de tareas cruzadas rico en intervenciones mejora significativamente la estimación del efecto del tratamiento en regímenes causales complejos de datos extremadamente escasos, aunque sigue siendo menos efectivo que los estimadores regularizados directos en entornos de baja dimensionalidad.

Vikas Ramachandra2026-08-03
💻 computer science

From Large Language Models to Multimodal Intelligence: Bridging AI and Cognitive Science

Este artículo de revisión sostiene que, si bien los modelos de lenguaje de gran tamaño demuestran capacidades cognitivas impresionantes, el avance futuro de la IA requiere cerrar la brecha hacia la inteligencia multimodal mediante experiencias corporizadas, modulación jerárquica y refuerzo autónomo para superar las limitaciones inherentes de los sistemas basados únicamente en el lenguaje.

Yanru Jiang, Rick Dale2026-08-03
💻 computer science

Self-Evolving Agentic Reinforcement Meta-Learning Framework for Adaptive Cloud Scheduling under Dynamic Workloads

Este artículo propone un marco de meta-aprendizaje de refuerzo agéntico de autoevolución que integra la evolución de objetivos con el aprendizaje de políticas para adaptar autónomamente los objetivos de programación en la nube en respuesta a cargas de trabajo dinámicas, demostrando un rendimiento superior en latencia, costo y utilización de recursos en comparación con los métodos de programación tradicionales.

Mrs.Bhavani R, Punithasurya K, Divya s2026-08-03
💻 computer science

Secure User Privacy Enforcement in IoT Through a Blockchain- Powered Identity Management System

Este artículo propone SecureChain-ID, un sistema de gestión de identidad basado en blockchain que aprovecha la criptografía de curva elíptica y las pruebas de conocimiento cero para proporcionar una autenticación escalable, segura y que preserve la privacidad para dispositivos IoT con recursos limitados, eliminando al mismo tiempo los puntos únicos de falla mediante una gobernanza descentralizada.

Majid Altuwairiqi2026-08-03
💻 computer science

A Framework for Customer Needs Analysis: Integrating Dynamic Sentiment Lexicon Construction with Kano Model

Este artículo propone un marco de trabajo basado en datos que integra el BERTopic guiado, un léxico de sentimiento dinámico y adaptado al dominio, y el modelo Kano para analizar objetivamente las reseñas en línea y priorizar las mejoras de los productos, demostrado a través de una evaluación de 8.970 reseñas de vehículos de nueva energía.

Qiong He, Yijia Li, Zhenwei Yang, Shuai Wang, Jian Zhang2026-08-03
💻 computer science

Deep Reinforcement Learning-Based Dynamic Mode Selection and Power allocation for Clustered Vehicular Networks

Este artículo propone un marco de Optimización de Política Próxima (PPO) de agentes múltiples con intercambio de parámetros para la selección dinámica de modos y la asignación de potencia en redes vehiculares agrupadas, el cual supera significativamente a las líneas base tradicionales al mejorar la fiabilidad, reducir la latencia y disminuir la potencia de transmisión mediante el aprendizaje adaptativo de las condiciones locales de la red.

Eugenia Rudo Nyanhete, Elijah Mwangi, Karim Djouani2026-08-03