4092 artículos
Este estudio propone un modelo de Red Neuronal Convolucional (CNN) de siete capas personalizado que logra un 96,10% de precisión en las pruebas al clasificar imágenes de RM cerebral en las categorías de glioma, meningioma, pituitaria y normal, demostrando un rendimiento robusto para el diagnóstico asistido por computadora sin depender de modelos preentrenados.
Este artículo propone un marco de Aprendizaje Colaborativo Jerárquico Impulsado por el Conocimiento del Dominio (DKHCL, por sus siglas en inglés) que integra la selección de características mediante Random Forest con la predicción de Gradient Boosting Machine y restricciones de la Relación de Carga de Trabajo Aguda-Crónica para lograr recomendaciones de aptitud física personalizadas de alta precisión, demostrando tanto un rendimiento fuera de línea superior frente a líneas de base avanzadas como mejoras significativas en la reducción de lesiones y la eficiencia en el logro de objetivos en una validación de campo prospectiva.
Este artículo propone un modelo Enhanced EA-Transformer que integra una estrategia de pre-llenado de doble línea base, un algoritmo evolutivo de decaimiento dinámico y una función de pérdida ponderada multidimensional para lograr la completación de alta precisión de datos de series temporales de carga de potencia faltantes bajo diversos mecanismos y tasas de ausencia.
Este artículo demuestra que el modelado de la intención explícita mejora el desempeño cooperativo sobre los métodos implícitos específicamente en entornos que requieren respuestas óptimas distintas por cada tipo de socio al establecer una división del trabajo que separa el carácter estable de un socio de su estado mental dinámico, reduciendo así la incompatibilidad entre socios.
Este artículo presenta un conjunto de datos a gran escala, basado en HamNoSys, de 144.000 imágenes RGB de 15 participantes para 160 clases de formas de las manos y establece el rendimiento base utilizando diversos modelos de aprendizaje profundo y de aprendizaje automático bajo protocolos de evaluación tanto dependientes del sujeto como de exclusión de un sujeto, con el fin de avanzar en el reconocimiento de la lengua de señas de grano fino.
Este artículo presenta SEEDS, un marco de trabajo consciente del rol para la ingeniería de requisitos sostenible en la salud digital que operacionaliza las evaluaciones de sostenibilidad multidimensionales en registros de decisiones y requisitos accionables, apoyado por una novedosa herramienta de redacción asistida por LLM para mejorar la adopción práctica.
Este estudio propone un controlador híbrido de Bosque Aleatorio y Ecuación Diferencial (RF-DE) que reduce eficazmente la fragmentación en sistemas de almacenamiento con deduplicación, logrando un índice de fragmentación menor, una latencia de E/S significativamente reducida y un índice de salud de almacenamiento más alto en comparación con los métodos existentes de Control de No Fragmentación y Recolección de Basura Informada de la Fragmentación del Almacenamiento.
Este artículo presenta PH-RAG, un marco de recuperación híbrido paralelo que ejecuta simultáneamente la recuperación dispersa y densa con fusión y reordenamiento para lograr una precisión de vanguardia y una latencia mejorada en la respuesta a preguntas de dominio abierto, superando a las bases agentes complejas sin requerir grafos de conocimiento o críticos iterativos.
Este artículo revisa las Redes Generativas Antagónicas con Restricciones de Causalidad (CC-GANs), las cuales integran modelos causales estructurales e intervenciones para generar datos resilientes al sesgo al ir más allá de los patrones asociativos para abordar las vías discriminatorias, proponiendo al mismo tiempo una taxonomía comparativa, resumiendo los compromisos entre equidad y utilidad, e identificando desafíos clave para su adopción en entornos de alto riesgo.
El artículo propone un marco de Aprendizaje Federado ligero y seguro que integra la Privacidad Diferencial con el Cifrado Vectorial Homomórfico para proteger aplicaciones sensibles a los datos como el IoMT contra ataques de ingeniería inversa, al tiempo que cuantifica las sobrecargas predictivas y criptográficas asociadas.