2456 artículos
Este artículo propone el modelo APT-VFSEA, el cual utiliza conjuntos difusos variables para evaluar cuantitativamente la efectividad de los ataques y defensas de Amenazas Persistentes Avanzadas (APT) al abordar su incertidumbre y complejidad inherentes, con una validación experimental que demuestra su precisión frente a escenarios del mundo real.
Este estudio propone un método de selección adaptativa para los parámetros del algoritmo MICE basado en indicadores de la función pulmonar, demostrando que esta estrategia supera a la interpolación PCHIP al mantener un rendimiento predictivo estable y capturar eficazmente las correlaciones multivariantes en conjuntos de datos de EPOC con diversas tasas de valores faltantes.
Este artículo presenta el marco de Supervisión-al-Control (O2C, por sus siglas en inglés), un modelo socio-técnico que comprende seis funciones y condiciones de apoyo, para diagnosticar por qué la supervisión humana a menudo no logra alcanzar un control efectivo en sistemas de IA de alto riesgo mediante el análisis de instrumentos regulatorios y casos del mundo real donde la interpretación y la intervención oportuna fallan frecuentemente.
Este artículo propone AJIT, un marco híbrido clásico-cuántico de alta fidelidad que garantiza el intercambio seguro y la autenticación multipartita de imágenes médicas DICOM con resiliencia cuántica mediante la combinación de compresión basada en DTCWT, el desorden unitario cuasiperiódico y la verificación por hipergrafo topológico para lograr una reconstrucción sin pérdidas y una resistencia diferencial robusta.
Este estudio introduce el marco de trabajo Cross-Market Retrieval-Augmented Lag-Llama (CM-RAF-Lag-Llama), demostrando que la integración de la recuperación histórica con un modelo preentrenado Lag-Llama reduce significativamente los errores de pronóstico en diversos mercados de renta variable al aprovechar ventanas históricas análogas para corregir las predicciones, particularmente para objetivos relacionados con la volatilidad y el volumen.
El artículo propone CFE-UNet, un nuevo marco de segmentación semántica para la teledetección que integra un codificador reconstruido con un decodificador de Intercambio de Características Cruzadas para combinar eficazmente el contexto global y los detalles locales, logrando un rendimiento de vanguardia en escenas urbanas y naturales complejas y heterogéneas.
Este artículo demuestra que en entornos oncológicos multimodales restringidos con datos limitados y heterogéneos, la organización de roles de evidencia auditable —asignando roles específicos y compactos a las entradas moleculares, fenotípicas y clínicas— es un determinante más crítico del rendimiento de transferencia entre dominios que simplemente aumentar la escala de representación.
Este estudio propone una metodología basada en GraphRAG para el metaanálisis automatizado de la literatura sobre Estimulación Magnética Transcraneal (EMT), la cual utiliza fragmentación basada en títulos, construcción de grafos de conocimiento a nivel de artículo y recuperación híbrida para lograr una extracción de parámetros de alta precisión y reducir significativamente el tiempo requerido para la síntesis de evidencia.
StructFix es un marco de reparación automática de programas consciente de la estructura que mejora los modelos de lenguaje con enmascaramiento mediante la integración de Grafos de Propiedades de Código para capturar mejor las dependencias de control y de datos, mejorando así la efectividad de la reparación y la robustez entre lenguajes en comparación con los enfoques existentes basados en secuencias de tokens.
El artículo propone FedVIB–AGP, un marco de reparación post-agregación para el aprendizaje federado que combina la regularización de Cuello de Botella de Información Variacional durante el entrenamiento con la Poda de Brecha de Activación durante la reparación para suprimir eficazmente los ataques de puerta trasera distribuidos mientras se mantiene una alta precisión en la tarea limpia.