4092 artículos
Este artículo propone FDC-DETR, un marco RT-DETR ligero y mejorado que integra la convolución de Fourier, la atención dinámica sensible a la entropía y la fusión refinada de contexto para lograr una detección de nódulos pulmonares en imágenes de TC de alta precisión y en tiempo real, suprimiendo eficazmente la interferencia del fondo.
Este estudio desarrolló un flujo de trabajo de dos etapas que combina un modelo de visión artificial YOLOv8s mejorado para el cribado inicial de daños por saltahojas con un modelo de espectroscopia de infrarrojo cercano para la reevaluación de casos inciertos, logrando una precisión de clasificación general del 89.5% para hojas de té frescas que supera significativamente la evaluación visual independiente.
Este artículo presenta un marco de trabajo de extremo a extremo que permite a los robots cuadrúpedos ejecutar comandos de lenguaje natural de forma libre mediante la combinación de un módulo de NLU ligero con una política PPO condicionada por objetivos y destilación de profesor-alumno, logrando una locomoción robusta, adaptativa y energéticamente eficiente tanto en simulaciones como en experimentos del mundo real.
El artículo propone Steel-CGA, un detector ligero basado en YOLO26s que integra módulos de Atención de Canal-Espacial-Semántica, Fusión Residual Dilatada Agrupada y Submuestreo Adaptativo para mejorar significativamente la precisión de la detección de defectos en superficies de acero en tiempo real, reduciendo al mismo tiempo los costos computacionales.
Este artículo demuestra que en redes complejas, dispersar estratégicamente múltiples propagadores iniciales de rumores para minimizar el solapamiento espacial y retrasar la desactivación mejora significativamente tanto el alcance final como la intensidad máxima de la propagación del rumor en comparación con las estrategias tradicionales de siembra basadas en el grado.
Este artículo introduce la programación de grafos de instrucciones dentro del tiempo de ejecución Celerity para desplazar el análisis complejo de memoria y comunicación fuera de la ruta crítica para programas SYCL en sistemas multi-GPU, permitiendo la ejecución concurrente y una asignación de memoria optimizada que logra un escalado fuerte a través de hasta 128 GPUs.
Este artículo sostiene que para asegurar un futuro resiliente y sostenible para la IA dentro de una noosfera en coevolución, el campo debe pasar de los métodos de alineación representacional de arriba hacia abajo que imponen una homogeneización moral a un marco de alineación enactivo que preserve la diversidad cognitiva a través de una normatividad endógena y participativa.
Este artículo propone el marco STG-MADAC, un enfoque de aprendizaje por refuerzo multiagente mejorado por atención que utiliza la atención de grafos espaciotemporales y la descomposición de ventaja multiobjetivo para lograr una asignación de arma-objetivo descentralizada superior en sistemas de defensa aeroespacial dinámica.
El artículo presenta MS-RTDETR, un detector de extremo a extremo en tiempo real que mejora la detección de objetos pequeños mediante la unificación del realce de características multiescala y el refinamiento de consultas a través de un novedoso mecanismo de Refinamiento de Consulta y Características Acopladas de Escala (SCFQR) y un objetivo de emparejamiento consciente de la incertidumbre, logrando un rendimiento y robustez superiores en diversos conjuntos de datos sin requerir ramas de inferencia auxiliares.
Este estudio desarrolla y valida empíricamente un marco de competencia de "Ética de la IA Auditable" que vincula los mandatos regulatorios de alto nivel con currículos prácticos de educación básica y universitaria, demostrando a través de un programa piloto que la pedagogía orientada a resultados y a la acción transforma eficazmente a los estudiantes de consumidores pasivos de IA en creadores responsables capaces de la verificación crítica, la mitigación de sesgos y el cumplimiento legal.