4092 artículos
Este estudio presenta un modelo de Red Neuronal Convolucional personalizado que logra un 88% de precisión en las pruebas al clasificar los tres géneros de la música sagrada etíope de Saint Yared (Qum Zema) mediante la conversión de 1.555 segmentos de audio en imágenes de espectrogramas, superando arquitecturas establecidas como ResNet, VGGNet y AlexNet.
Este artículo introduce un Hipergrafo Composicional Jerárquico (HCH) que codifica la estructura del documento a través de capas ordenadas de tokens, oraciones y párrafos, demostrando que la combinación de estas características estructurales con el TF–IDF estándar produce mejoras estadísticamente significativas en la precisión de la clasificación de texto y en la macro-F1 sobre las líneas base léxicas por sí solas.
El artículo presenta CauCity-WM, un modelo de mundo generativo causal que unifica la previsión urbana, la estimación contrafáctica y la toma de decisiones consciente del riesgo mediante el empleo de un proceso de difusión estructural de mundo gemelo para generar futuros fácticos y contrafácticos consistentes a través de ruido exógeno abducido.
Este estudio demuestra que un flujo de trabajo de aprendizaje automático de conjunto interpretable aplicado a los datos de Grand Slam de Novak Djokovic no solo logra una alta precisión predictiva para los resultados de los sets, sino que también revela indicadores de rendimiento específicos del jugador, tales como las devoluciones de revés, que a menudo son pasados por alto por los modelos individuales.
VectorLLM++ es un modelo de lenguaje multimodal unificado de predicción del siguiente token que supera la escasez de datos y la falta de salidas vectoriales estructuradas mediante la introducción de nuevos tokenizadores para coordenadas y máscaras, lo que le permite superar a modelos especializados en siete diversas tareas de percepción de teledetección y mapeo vectorial.
Este artículo presenta y evalúa una implementación de alto rendimiento en C++20 de algoritmos de agregación con robustez bizantina (Krum, Multi-Krum, Media Recortada y Mediana) para el Aprendizaje Federado, demostrando mediante rigurosas comprobaciones de corrección y comparativas que la combinación de supuestos bizantinos explícitos con un diseño de sistemas nativos numéricamente defensivos acelera significamente la agregación mientras mantiene la robustez contra actualizaciones adversarias.
Este artículo propone y valida una arquitectura de confianza cero con puerta de política para el aprendizaje federado que desacopla la autenticación de red de la influencia del modelo al vincular las identidades a tokens firmados, aplicando contratos de inscripción estrictos con nonces criptográficos y probando rigurosamente contra 22 escenarios adversarios para asegurar que solo participantes autorizados, recientes y no revocados puedan influir en el modelo global.
Esta revisión sistemática distingue entre el enrutamiento adaptativo y el aprendizaje recursivo en las arquitecturas de Mezcla de Expertos (MoE) para proponer el marco de Aprendizaje Recursivo Adaptativo Recursivo (RARL), el cual sintetiza la literatura actual sobre computación dinámica y especialización de expertos mientras esboza una agenda de investigación para abordar desafíos como la estabilidad del enrutamiento y la asignación inteligente con restricciones de recursos.
Este estudio demuestra, mediante simulaciones controladas y un análisis secundario de referentes del mundo real, que el uso de divisiones de entrenamiento/prueba aleatorias agrupadas en la predicción de defectos de software produce estimaciones de rendimiento sistemáticamente optimistas en comparación con los métodos de validación conscientes del proyecto, resaltando la necesidad crítica de protocolos de evaluación que respeten los límites del proyecto.
Este estudio presenta un marco de IA confiable para la previsión de brotes de dengue que integra un Transformer de Fusión Temporal con estimación de incertidumbre probabilística, explicabilidad intrínseca y estratificación de riesgo basada en reglas para superar a los modelos de referencia y apoyar la toma de decisiones en salud pública.