2305 artículos
NeviUNet es una variante de U-Net eficiente y con mejora de atención que logra una segmentación de lesiones cutáneas precisa y de baja latencia en imágenes de cuerpo completo al integrar la activación Mish, puertas de atención (Attention Gates) y bloques SE, mientras omite componentes computacionalmente costosos.
El artículo presenta FlapFlowNet, un marco de transmisión basado en Transformer que logra un monitoreo de perfusión en tiempo real y de alta precisión para secuencias de cirugía de colgajo de longitud variable mediante la combinación de una CNN ligera, modelado temporal y una función de pérdida optimizada para medicina para reducir significativamente las tasas críticas de falsos negativos.
El artículo presenta ORACOLO, una arquitectura de respuesta a preguntas neuro-simbólica que integra la generación de consultas SPARQL con restricciones ontológicas con un respaldo de recuperación densa, demostrando una mejora significativa en la precisión fáctica sobre la recuperación densa pura manteniendo una fidelidad comparable.
Este estudio propone un modelo de aprendizaje profundo híbrido CNN-LSTM entrenado con un conjunto de datos personalizado que combina referentes globales y tráfico SDN simulado mediante NS-3 para lograr una precisión del 97,8 % en la detección de ciberataques contra la infraestructura de gobierno electrónico de Sudán, ofreciendo una solución escalable para mejorar la ciberseguridad nacional.
Este estudio presenta un marco de aprendizaje automático explicable utilizando un modelo XGBoost para predecir la duración de la construcción en etapas tempranas basándose en información limitada del proyecto, demostrando que si bien el modelo logra un sólido rendimiento predictivo con el costo del proyecto como el principal impulsor, sus resultados requieren una interpretación cuidadosa debido a su sensibilidad a la partición de los datos.
Este artículo presenta la Destilación de Conocimiento Fotónica Mejorada por Cuántica (PQKD), un marco híbrido que aprovecha la estocasticidad intrínseca de los procesadores cuánticos fotónicos para generar señales de condicionamiento para una red estudiante eficiente en parámetros, logrando una precisión competitiva bajo una compresión agresiva en los bancos de pruebas estándar mientras utiliza el escalado de ruido de disparo y el suavizado de características para gestionar las limitaciones de muestreo finito.
Este artículo propone un método de selección certificado para los recuentos de ventanas de partición ARINC-653 que identifica una granularidad de suministro casi óptima con un costo computacional significativamente reducido en comparación con la búsqueda exhaustiva, aprovechando la observación de que muchos recuentos de ventanas producen valores de rendimiento casi idénticos.
Este artículo propone el marco PACPT-LB, un enfoque de aprendizaje automático híbrido que predice proactivamente fallos de traspaso, fallos de enlace de radio y eventos ping-pong en redes 5G mmWave mediante el aprovechamiento de un conjunto de datos simulados a gran escala y combinaciones de modelos optimizados para lograr una precisión superior en diversas condiciones de movilidad.
Este estudio presenta y valida un sistema de detección asistido por IA sensible al contexto que mejora significativamente la eficiencia y la precisión en la detección de duplicación de imágenes en publicaciones biomédicas mediante la integración de la similitud visual con la adjudicación de riesgo contextual para reducir los falsos positivos manteniendo una alta sensibilidad.
Este artículo propone un método de Consenso de Textura con Conciencia de Visibilidad con restricciones estructurales locales para mejorar la reconstrucción de Gaussian Splatting 3D en escenas con degradación de textura, demostrando ganancias de robustez estadísticamente significativas bajo protocolos controlados al tiempo que reconoce las limitaciones en el rendimiento del estado del arte en el mundo real.