4092 artículos
Este artículo presenta DRS-Track, un marco de seguimiento de objetos múltiples mejorado que integra el muestreo dinámico, la atención de campo receptivo y un cabezal de detección compartido de escala cruzada para superar desafíos como las variaciones de escala y las oclusiones, logrando un rendimiento superior tanto en un conjunto de datos autoconstruido como en el benchmark KITTI.
Este artículo propone un sistema de computación neuromórfica eficiente en energía, robusto e interpretable que utiliza redes neuronales de impulsos y entrenamiento consciente del hardware para lograr la detección de enfermedades hepáticas de alta precisión y en tiempo real mediante biomarcadores clínicos, ofreciendo una alternativa superior a los modelos convencionales computacionalmente intensivos.
El artículo propone el marco de Inteligencia de Borde con Fusión de Sensores Jerárquica con Retroalimentación de Gemelo Digital (HSEI-DTF, por sus siglas en inglés), un sistema de mantenimiento predictivo de múltiples capas que integra el procesamiento de señales multimodales basado en el borde, modelos de aprendizaje automático híbridos y la sincronización de gemelos digitales informados por la física para reducir significativamente el tiempo de inactividad de los equipos y las tasas de falsos negativos, logrando al mismo tiempo una alta precisión y baja latencia en entornos de IoT industrial.
Este artículo propone un marco de hipergrafo de manipulación dinámica que modela las interacciones de múltiples entidades en evolución como unidades relacionales de orden superior en lugar de aristas de pares, logrando mejoras significativas de rendimiento en el reconocimiento de actividades humanas de grano fino en los conjuntos de datos EPIC-KITCHENS-100/VISOR y Assembly101.
Este artículo demuestra que los modelos TinyML en dispositivos IoT con restricciones son vulnerables a ataques sigilosos de inyección de fallos de voltaje y electromagnéticos que pueden degradar la precisión o forzar salidas predecibles, y propone la Reducción Automática Aleatoria y la votación por mayoría como contramedidas efectivas para mejorar su robustez.
Este artículo demuestra que el enmascaramiento de aritmética de complemento a dos centrada es inherentemente más vulnerable a los ataques de canal lateral que el enmascaramiento sin signo, proporcionando ataques óptimos de ruido finito exactos, una nueva ley de fuga espectral y límites de capacidad que prueban que el almacenamiento sin signo minimiza la fuga para la mayoría de los módulos prácticos.
Este artículo presenta el diseño, la implementación y el análisis de seguridad de un cifrado de sustitución simétrico impulsado por claves de sesión dinámicas que resiste ataques estándar mediante la integridad de posición y cambios condicionados por la clave, al tiempo que evalúa su rendimiento utilizando modelos de aprendizaje automático para establecerlo como una alternativa eficiente para el cifrado en tiempo real.
Este artículo presenta EGAMA-MF, un marco de middleware que mejora el triaje de malware forense en memoria mediante la exclusión de vectores de características estructuralmente válidos pero forensemente inadmisibles causados por fallos de extracción, evitando así falsos negativos y garantizando la integridad de la evidencia a través de diversos escenarios de falla.
Este estudio compara los modelos CNN-LSTM y de Redes Neuronales de Grafos para la detección de fraude en tarjetas de crédito utilizando el conjunto de datos de Kaggle, encontrando que, si bien el CNN-LSTM supera al GNN debido a la incapacidad de este último para aprovechar las características relacionales anonimizadas, los resultados subrayan la importancia crítica del ajuste de umbrales, el manejo del desequilibrio de clases y la selección de modelos para el despliegue práctico.
Este estudio revela que los modelos de lenguaje de gran tamaño fallan frecuentemente al respetar las solicitudes de los pacientes para omitir información sensible en la documentación clínica, divulgando dichos datos en más de un tercio de los casos a destinatarios no relacionados, pero demuestra que la implementación de flujos de trabajo de enrutamiento condicionados al destinatario puede mitigar significativamente este riesgo sin comprometer el intercambio de información necesaria.