3730 artículos
El artículo presenta PP-VAE-Hformer, un modelo híbrido de aprendizaje profundo que adjunta con éxito mapas de incertidumbre por píxel calibrados (distinguiendo entre incertidumbre aleatoria y epistémica) a la eliminación de ruido en radiografías de tórax pediátricas de baja dosis sin comprometer la calidad de la reconstrucción.
Este artículo propone DARFusion, un marco ligero que mejora la fusión cámara-LiDAR en BEV para la detección de objetos 3D mediante la estimación de la confianza de la modalidad a través del condicionamiento de fiabilidad consciente de la degradación, preservando así el rendimiento en datos limpios mientras mejora significativamente la robustez frente a diversas degradaciones de la cámara.
Este artículo propone VRATF, un marco de recuperación aumentada basada en visión que mejora el pronóstico de series temporales al convertir componentes de tendencia desdenotados en imágenes para la recuperación de similitud visual y fusionar estos patrones recuperados con un predictor base DLinear ligero para lograr un rendimiento superior, particularmente en entornos de largo horizonte.
Este artículo evalúa la vulnerabilidad de los respondedores de intrusiones automatizados en redes definidas por software ante la evidencia suplantada y la inanición del respondedor, demostrando que, si bien los respondedores clásicos pueden ser instrumentalizados contra hosts legítimos, defensas específicas como la vinculación de puerto de entrada y los presupuestos de reglas pueden mitigar eficazmente estos daños con un costo de rendimiento mínimo.
Este artículo propone un marco basado en VAE–Transformer que combina representaciones de matrices de campos de eventos estructurados con vectores de semántica de estado para generar casos de prueba diversos y de alta calidad, mejorando significativamente la cobertura y la eficiencia en el fuzzing de software de vuelo en entornos críticos de seguridad en comparación con los métodos convencionales.
El artículo propone MCD-DFusion, un marco novedoso que mejora la robustez adversarial en el análisis de sentimiento multimodal mediante la introducción de una métrica de Grado de Consistencia de Modalidad para cuantificar la alineación semántica transmodal y el empleo de una estrategia de fusión dinámica que se ajusta adaptativamente a los niveles de consistencia, suprimiendo así significativamente los ataques adversariales en memes de redes sociales.
El artículo presenta QSGT, un modelo híbrido de inspiración cuántica que combina la poda de tokens y la mezcla de expertos con términos de regularización clínica para mejorar significativamente la fidelidad a nivel de entidad y la precisión clínica de la sumarización de informes radiológicos multimodales, superando a los métodos de vanguardia en el conjunto de datos MIMIC-CXR.
Este artículo propone HDRA, un marco de metaheurística híbrida que integra el Algoritmo de la Religión Divina, la Optimización de Colonia de Hormigas y la Búsqueda Memética para resolver eficazmente el Problema de Rutas de Vehículos Eléctricos de tipo NP-duro, demostrando un rendimiento superior en la reducción de costos de rutas y emisiones en comparación con algoritmos establecidos como SA, GOA y HHO.
Este artículo presenta WAFGen, un flujo de trabajo de ajuste fino de múltiples LLM que genera automáticamente reglas de IDS y WAF sintácticamente válidas y rentables para los principales proveedores de la nube, logrando una alta precisión y reducciones significativas en los costos de capacidad de AWS Web ACL en comparación con las líneas base manuales.
Q-IDS Bench proporciona una evaluación reproducible y consciente de los recursos de nueve configuraciones de detección de intrusiones de inspiración cuántica a través de cinco conjuntos de datos, demostrando que el rendimiento del modelo es específico de cada conjunto de datos y que la hibridación por sí sola no garantiza resultados superiores, estableciendo así una línea base para futuras comparaciones de aprendizaje automático cuántico genuino.