2456 artículos
Este artículo introduce un marco de maximización de influencia justa consciente del riesgo de la cola izquierda que utiliza el Valor en Riesgo Condicional y la probabilidad de déficit del peor grupo para proteger a los grupos desfavorecidos de fallos graves de cobertura, logrando una reducción significativa en el riesgo de cobertura con solo una pérdida marginal en el alcance esperado total.
Este estudio extiende el análisis de la onda modificada a las Redes Neuronales Informadas por la Física (PINNs) para evaluar sistemáticamente su precisión espectral en problemas de ondas de alta frecuencia, revelando que las arquitecturas más profundas, funciones de activación específicas como sinusoidal o tanh-Gaussiana, y un número óptimo de modos de Fourier () son críticos para minimizar los errores de dispersión y disipación.
Este artículo propone LARC-QL, un esquema de almacenamiento en caché de contenido mejorado mediante Q-learning para Redes Centradas en el Contenido que utiliza tablas Q duales y señales de demanda en tiempo real para optimizar dinámicamente las decisiones de almacenamiento en caché y la ubicación en la ruta, mejorando significativamente los ratios de acierto de caché, la latencia y la eficiencia de recursos en comparación con las estrategias estáticas.
Este artículo demuestra que los Autoencoders Cuánticos, específicamente un modelo de 8 características con codificación Dense-Angle y un ansatz RealAmplitude, superan a los Autoencoders Clásicos en la detección de anomalías de ciberseguridad en el conjunto de datos BETH al lograr un F1 score más alto (0.87 frente a 0.77) incluso cuando se entrenan con sustancialmente menos muestras.
Esta revisión sistemática de 20 estudios revisados por pares evalúa el panorama post-COVID de la supervisión móvil impulsada por IA en la educación superior, destacando su potencial para la integridad de los exámenes a escala mientras aborda críticamente las brechas significativas en la investigación específica de dispositivos móviles, la fiabilidad técnica y las preocupaciones éticas como la privacidad y el sesgo algorítmico.
Este artículo presenta AllLinLog, un modelo optimizado que elimina la necesidad de la extracción de registros mediante el uso de un codificador de autoatención lineal para procesar directamente la información contextual completa de los registros del sistema, logrando así una precisión de detección de anomalías superior y una inferencia más rápida en comparación con los métodos tradicionales.
Este artículo propone y evalúa un modelo criptográfico híbrido que integra RSA con la Distribución de Claves Cuánticas (utilizando el protocolo BB84) para asegurar la electrónica de consumo contra las amenazas de la computación cuántica, demostrando un rendimiento mejorado en la generación de claves, la velocidad de cifrado y la resistencia a los ataques de hombre en el medio.
El artículo propone DOKA-Agent, un marco de trabajo para agentes de modelos de lenguaje extensos que emplea un flujo de trabajo de percibir-planificar-actuar para lograr una alineación de ontologías dinámica e incremental en grafos de conocimiento en evolución, mejorando así la precisión semántica y reduciendo la latencia de actualización en comparación con los métodos estáticos tradicionales.
Utilizando un corpus de ciberseguridad en el espacio, este estudio demuestra que, si bien la topología de grafos ofrece un valor incremental dependiente del contexto en la previsión de la emergencia tecnológica, las historias temporales a nivel de nodo ya codifican la mayor parte de la información predictiva, lo que resulta en mejoras modestas y no uniformes de los modelos conscientes del grafo sobre los modelos base temporales robustos.
Este artículo presenta CuSPC, una arquitectura orientada a GPU para la codificación polar esteganográfica que reestructura los esquemas de decodificación y aprovecha el paralelismo multinivel para lograr un aumento de rendimiento de 30 veces sobre las bases de CPU, manteniendo al mismo tiempo una baja pérdida de codificación y una resistencia al estegoanálisis comparable.