4092 artículos
Este artículo propone ST-GAIN+, una red generativa antagónica espaciotemporal híbrida que integra redes convolucionales temporales, mecanismos de atención dual y estimación de incertidumbre bayesiana para lograr una imputación robusta y precisa de datos de irradiancia solar faltantes a través de diversas tasas de ausencia y conjuntos de datos del mundo real.
Este artículo propone un marco de Aprendizaje Automático Explicable e IoT que integra datos de sensores en tiempo real con algoritmos de ensamble y técnicas de XAI para predecir con precisión el rendimiento académico de estudiantes de secundaria y generar intervenciones de aprendizaje personalizadas y transparentes.
Este estudio preregistrado demuestra que los modelos de lenguaje de gran tamaño pueden inferir de manera fiable los rasgos de personalidad de los Cinco Grandes a partir de conversaciones en vivo con una alta consistencia interna y validez convergente, particularmente para la neuroticismo y la amabilidad, aunque el rendimiento varía según la observabilidad del rasgo y la estrategia de instrucción.
Este estudio propone un marco de detección de intrusiones robusto y ligero para redes IoMT utilizando los conjuntos de datos CICIoMT2024, CICIoT2023 y Edge-IIoTset, demostrando que si bien los modelos de ensamble como XGBoost sobresalen en escenarios del mismo dominio, una selección cuidadosa de modelos como la Regresión Logística es crucial para mantener la estabilidad y la efectividad en entornos de dominio cruzado a pesar de los desafíos en la compatibilidad de las características.
Este estudio propone un marco de inteligencia de amenazas mejorado por IA que integra el aprendizaje automático con los principios de Zero Trust para mejorar significativamente la detección de amenazas en tiempo real, reducir los falsos positivos y fortalecer la resiliencia cibernética contra ataques sofisticados en entornos de nube dinámicos.
Este artículo presenta SciSchema.org, la primera colección multidisciplinaria de 16 esquemas anotados por expertos diseñados para estandarizar la descripción de procesos científicos en diversos campos, permitiendo así la anotación estructurada, la reproducibilidad y la comparación entre estudios a través de un flujo de trabajo de desarrollo con intervención humana.
Este artículo propone el Diagnóstico de la Función Epistémica (EFD, por sus siglas en inglés) como una capa de referencia unificadora para analizar e intervenir en los complejos peligros coocurrentes del diseño asistido por IA, integrando marcos establecidos a través de una arquitectura de diagnóstico-intervención de 2×2 y una gramática de Creencia-Medio-Método-Justificación (BMMJ), al tiempo que reconoce la necesidad de una validación empírica futura.
Este artículo presenta AMORL, un marco adaptativo y consciente del entrenamiento que combina el aprendizaje por refuerzo y las redes neuronales convolucionales para mapear dinámicamente diversas cargas de trabajo de DNN en redes en chip (Networks-on-Chip) heterogéneas, logrando reducciones significativas en el costo de comunicación, el desequilibrio de carga y la latencia, manteniendo al mismo tiempo un alto rendimiento y eficiencia energética.
Este estudio demuestra que los modelos de lenguaje de gran tamaño contemporáneos, particularmente cuando son guiados por técnicas de prompting avanzadas, pueden automatizar el triaje de derivaciones en reumatología con una precisión comparable o superior a la de los expertos humanos, eliminando eficazmente la necesidad de modelos costosos y a gran escala.
Este artículo presenta un marco de aprendizaje profundo híbrido federado de extremo a extremo para la detección de intrusiones en IoT que preprocesa y entrena diversos modelos (incluyendo CNN, LSTM y XGBoost) en los conjuntos de datos N-BaIoT, CICIoT2023 y BoT-IoT para lograr un alto rendimiento al tiempo que aborda las restricciones de privacidad y recursos, con resultados que resaltan el desafío particular del conjunto de datos multiclasificación CICIoT2023.